Une étude publiée dans l’ International Journal of Information and Communication Technology présente le développement d’un système d’intelligence artificielle (IA) qui combine texte, images et comportement des utilisateurs pour détecter et identifier les faux avis sur les sites de commerce électronique. Ce système pourrait répondre au défi croissant auquel sont confrontées les plateformes de vente en ligne face à la sophistication grandissante des commentaires trompeurs.
L’équipe a utilisé une approche multimodale pour analyser simultanément plusieurs types de données, au lieu de se fier uniquement à l’examen des commentaires écrits. Les systèmes existants se concentrent souvent sur le texte des avis ou sur de simples indicateurs comportementaux, ce qui les rend vulnérables aux faux avis accompagnés d’images trompeuses.
Pour améliorer la détection, les chercheurs ont utilisé un réseau neuronal convolutif textuel. Ce modèle d’apprentissage automatique est conçu pour identifier des schémas linguistiques. Parallèlement, un modèle de langage pré-entraîné, capable de saisir une signification sémantique plus large, a été employé. L’équipe précise que des informations sur les auteurs d’avis ont également été intégrées à l’analyse, ainsi que les images jointes aux avis. Ces images ont été analysées à l’aide d’un réseau résiduel, une architecture d’apprentissage profond utilisée en vision par ordinateur.
Le système combine ensuite ces différents signaux pour déterminer l’authenticité d’un avis. Un modèle Transformer, largement utilisé dans les systèmes d’IA modernes, pourrait alors servir à retracer l’origine et la diffusion d’un avis jugé suspect. L’équipe indique que des tests effectués sur des ensembles de données à grande échelle ont démontré des gains significatifs par rapport aux méthodes existantes.
