Les Actes de Parole (SAs) constituent l'une des domaines importants de la pragmatique, offrant une meilleure compréhension de l'état d'esprit des individus et transmettant une fonction linguistique intentionnelle. La connaissance des actes de parole d'un texte peut être utile pour son analyse dans les applications de traitement automatique des langues naturelles. Cette étude présente une technique statistique basée sur un dictionnaire pour la reconnaissance des actes de parole en persan. La technique proposée classe le texte en sept catégories d'actes de parole selon quatre critères : lexicaux, syntaxiques, sémantiques et superficiels. Le WordNet est utilisé comme outil pour extraire les synonymes et enrichir le dictionnaire de caractéristiques. Pour évaluer la technique proposée, nous avons utilisé quatre méthodes de classification, notamment la Forêt Aléatoire (Random Forest - RF), les Machines à Vecteurs de Support (Support Vector Machine - SVM), le Classifieur Bayésien Naïf (Naive Bayes - NB) et les k-plus Proches Voisins (K-Nearest Neighbors - KNN). Les résultats expérimentaux montrent que la méthode proposée, utilisant RF et SVM comme meilleurs classifieurs, a atteint une performance de pointe avec une précision de 0,95 pour la classification des actes de parole en persan. Notre vision originale de ce travail est d'introduire une application de reconnaissance des actes de parole sur le contenu des médias sociaux, en particulier sur les actes de parole courants dans les rumeurs. Ainsi, le système proposé a été utilisé pour déterminer les actes de parole courants dans les rumeurs. Les résultats ont montré que les rumeurs en persan sont souvent exprimées dans trois catégories d'actes de parole : narration, question et menace, et parfois avec l'acte de parole demande (request).