Utilisation de stratégies d’écriture persuasive pour expliquer et détecter les fausses informations en matière de santé

De nos jours, la propagation de fausses informations constitue un problème majeur dans la société. Notre recherche vise à faciliter l'identification automatique de ces fausses informations en analysant les stratégies persuasives employées dans les documents textuels. Nous proposons une nouvelle grille d'annotation couvrant les tactiques courantes de rédaction persuasive afin d'atteindre cet objectif. Par ailleurs, nous mettons à disposition un jeu de données consacré aux fausses informations en matière de santé, soigneusement annoté par des experts utilisant notre grille proposée. Notre contribution repose notamment sur la définition d'une nouvelle tâche : annoter les extraits de texte selon leurs types de stratégies rédactionnelles persuasives. Nous évaluons l'efficacité des techniques de fine-tuning et d'ingénierie de prompts appliquées aux modèles linguistiques pré-entraînés de la famille BERT, ainsi qu'aux grands modèles génératifs de la famille GPT, en intégrant les stratégies persuasives comme source d'information supplémentaire. Nous examinons également l'impact de l'utilisation de ces stratégies comme étiquettes intermédiaires dans le cadre de la détection des fausses informations. Nos résultats montrent que l'incorporation de ces stratégies améliore à la fois la précision des modèles et leur explicabilité. Ces stratégies persuasives peuvent ainsi servir d'éléments d'information et d'explication précieux, permettant à d'autres modèles, voire à des humains, de prendre des décisions plus éclairées concernant la fiabilité des informations.