Les faux avis constituent une réelle menace pour les acheteurs en ligne. Si vous avez déjà acheté quelque chose en ligne sur la base de critiques élogieuses et que vous avez reçu un produit décevant, vous voyez ce que je veux dire. Une nouvelle étude publiée dans l'International Journal of Information and Communication Technology propose un système basé sur l'IA qui peut non seulement détecter les faux avis, mais également suivre leur propagation.
Pourquoi les outils existants ne sont toujours pas à la hauteur
La plupart des systèmes de détection des faux avis existants se concentrent sur le texte d’un avis. Cette approche a fonctionné pendant un certain temps, mais les faux critiques sont devenus plus intelligents. Ils associent désormais un texte soigneusement rédigé à des images trompeuses pour donner à leurs critiques un aspect authentique. Les outils textuels ont du mal à détecter cela, et c'est un réel problème pour les acheteurs et les vendeurs honnêtes.
Les chercheurs ont résolu ce problème en créant un système qui examine plusieurs signaux à la fois. Il analyse le texte de révision à l'aide de deux méthodes différentes, un réseau neuronal convolutif de texte et des modèles linguistiques pré-entraînés, pour capturer à la fois le sens superficiel et le sens plus profond des mots. Cela prend également en compte le comportement des évaluateurs, puisque les faux comptes ont tendance à avoir des photos de profil par défaut et des noms d'utilisateur générés par le système, contrairement aux vrais utilisateurs qui ont tendance à personnaliser leurs comptes.
L’IA peut-elle vraiment détecter une fausse image ?
La réponse courte est oui. Les images d’examen sont analysées séparément à l’aide d’un réseau résiduel, un type d’outil d’apprentissage en profondeur couramment utilisé pour le traitement des visuels. Une fois tous ces signaux rassemblés, le système les fusionne pour déterminer si un avis est authentique.
Lorsqu'un avis est signalé comme faux, un modèle Transformer intervient pour cartographier son origine et suivre jusqu'où il s'est propagé à travers le réseau.
Des tests sur un vaste ensemble de données de JD.com ont montré que le système a atteint une précision de reconnaissance de 94,2 % et une précision de traçage de 93,5 %, surpassant toutes les méthodes existantes auxquelles il a été comparé. Ce type de précision pourrait éventuellement signifier moins d’avis trompeurs et des évaluations plus fiables sur lesquelles acheter.
