Crédit : Image générée par l’équipe éditoriale à l’aide d’une IA à des fins d’illustration.
Internet regorge de comptes anonymes, les utilisateurs adoptant des pseudonymes, parfois pour des raisons légitimes comme la liberté d’expression, et parfois à des fins malveillantes. Mais cette ère de confidentialité en ligne pourrait bien toucher à sa fin. Dans une étude disponible sur le serveur de prépublication arXiv , des chercheurs démontrent que les grands modèles de langage (LLM) peuvent identifier à grande échelle les personnes se cachant derrière ces comptes.
Pendant des années, on a supposé que si la désanonymisation était théoriquement possible, elle serait trop longue, difficile et coûteuse à mettre en œuvre. Mais les auteurs de l’étude pressentaient que les LLM étaient devenus suffisamment puissants pour briser l’invisibilité en ligne.
Pour vérifier si c’était le cas, l’équipe a conçu un cadre automatisé pour reproduire le processus décisionnel d’un enquêteur humain.
Trouver des utilisateurs anonymes
L’IA commence par analyser l’historique des publications d’un utilisateur sur Reddit ou Hacker News, en examinant les textes non structurés. Il s’agit d’informations brutes et désorganisées, comme des commentaires, des blagues, des informations sur sa formation et des particularités d’écriture subtiles. Elle transforme ensuite ces microdonnées en une représentation mathématique du profil de la personne afin de trouver des profils similaires parmi des millions d’autres profils sur le web ou sur des plateformes comme LinkedIn.
Présentation de notre cadre de désanonymisation à grande échelle. À partir de publications non structurées d’utilisateurs, nous procédons comme suit : (1) extraction de caractéristiques pertinentes pour l’identité à l’aide de modèles linéaires latents (LLM) ; (2) recherche de correspondances potentielles via des plongements sémantiques ; (3) sélection des meilleurs candidats par raisonnement basé sur les LLM ; et (4) attribution d’un score de confiance pour calibrer le seuil de décision. Crédit : arXiv (2026). DOI : 10.48550/arxiv.2602.16800
Lorsque l’IA trouvait des correspondances potentielles, elle évaluait la probabilité que les deux profils appartiennent à la même personne. Elle attribuait ensuite un score de confiance à la correspondance prédite. En cas de doute, elle ne rédigeait rien. Cela permettait d’éviter les suppositions hasardeuses.
Les chercheurs ont testé leur méthode sur près de 1 000 profils LinkedIn afin de vérifier sa capacité à les associer à des comptes sur Hacker News. L’équipe connaissait l’identité réelle des personnes ayant rédigé ces profils, mais avait supprimé les noms, les liens et autres informations permettant de les identifier de manière explicite.
Correspondances réussies
Le système basé sur l’IA a permis de relier des comptes avec une précision allant jusqu’à 67 % et une fiabilité de 90 %, tandis que les meilleures méthodes non basées sur l’IA ont rencontré des difficultés. Il a également permis d’associer des individus au sein de différentes communautés Reddit, même si ces utilisateurs répartissaient leurs activités sur plusieurs comptes et périodes. Les chercheurs ont également constaté que l’identification des utilisateurs est peu coûteuse, ne nécessitant que 1 à 4 dollars de puissance de calcul par compte lié.
« L’obscurité pratique qui a longtemps protégé les utilisateurs pseudonymes… n’est plus de mise », écrivent les chercheurs dans leur article.
« La pseudonymat n’offre aucune protection efficace en ligne. Les utilisateurs qui publient sous des noms d’utilisateur permanents doivent partir du principe que des adversaires peuvent relier leurs comptes à de véritables identités ou entre eux, et que cette probabilité augmente avec chaque microdonnée qu’ils publient. »
Les résultats montrent que, s’il est davantage développé, ce système pourrait trouver des applications dans de nombreux domaines, tels que l’application de la loi et la cybersécurité.
https://techxplore.com/news/2026-03-ai-online-anonymity.html
