Structure de l’équipe
L’étude de l’IA pour lutter contre la désinformation et la corruption comprend au moins cinq tâches principales.
- Tâche 1 – Allégations : Collecte de données qualitatives sur les allégations de corruption visant des personnalités politiques et identification d’une référence fiable en matière d’allégations vraies (le plus souvent poursuivies) et fausses (malveillance/désinformation), ciblant d’abord le Canada et les États-Unis, puis l’Europe et les Amériques.
- Tâche 2 – Parlement : Collecte de données qualitatives sur l’utilisation de l’IA dans les parlements, au moyen d’études de cas et d’entretiens structurés approfondis, afin d’identifier les meilleures pratiques les plus propices à l’utilisation de l’IA pour lutter contre toutes les formes de « cybermenaces hybrides » qui pèsent sur l’infrastructure critique qu’est la démocratie, et en particulier la désinformation et la corruption, de plus en plus répandues en raison de l’utilisation abusive de l’IA.
- Tâche 3 – Entreprises : Collecte de données qualitatives et analyse de données quantitatives pour déterminer les stratégies de réponse des dirigeants d’entreprise face à la désinformation, d’autant plus que les entreprises sont généralement ciblées (en tant que bénéficiaires de produits ou d’avantages liés à la corruption) au moment même où des fonctionnaires sont victimes d’allégations. Elles ont donc tout intérêt à disposer d’outils de désambiguïsation plus performants utilisant l’IA.
- Tâche 4 – Langage : Réutilisation de corpus existants et de grands modèles de langage (LLM), ainsi que de graphes de connaissances (KG), pour analyser le texte des corpus collectés sur les allégations vraies/fausses contre des responsables politiques, et développement d’outils d’IA performants pour désambiguïser les fausses nouvelles, et déduire les prochaines étapes possibles d’une campagne de désinformation et les personnes susceptibles d’être touchées dans la chaîne logique.
- Tâche 5 – Ontologie : Réutilisation de graphes de connaissances (KG) et d’ontologies existants pour développer un nouveau modèle sémantique intégré de la corruption, de la désinformation, de la dynamique des allégations et des différentes entités ciblées par les fausses nouvelles, telles que les projets du secteur public, les marchés publics et les entrepreneurs.
Tâche 1 – Allégation
Sylvia Andriamaharosoa, Graduate Research Assistant, UQO, [LinkedIn]
Jean-Philippe Dogbo, Graduate Student, UQO, [LinkedIn]
Tâche 2 – Parlement
Tâche 3 – Affaires
Ousmane Alkaly, Graduate Student, UQAM, [LinkedIn]
Tâche 4 – Langage
Tony Berber-Sardinha, Full Professor, Pontifícia Universidade Católica de São Paulo, [Web] ~ [LinkedIn] ~ [Scholar]
Sotiris Kranias, Partner, Hellenic OCR Team, [LinkedIn]
Hazem Amamou, Graduate Student, INRS, [LinkedIn]
