Comment modéliser la propagation d'une fake news ? - Grand oral de mathématiques

Thèmes abordés

Grand oral mathématiques, modélisation, fake news, modèle SIR, équation différentielle

Résumé du document

Dans un monde où les réseaux sociaux ont pris une ampleur sans précédent et où nous sommes soumis en permanence à des informations, il est courant que de fausses informations se glissent parmi ce flux continu d'actualités.
Les chiffres sont alarmants : en 2024, un rapport Ipsos a révélé que 66% des Français adhèrent à au moins l'une des fake news qui leur ont été présentées pendant l'étude et, selon l'Insee 1 internaute sur 2 a vu une fake news au cours des trois derniers mois.
Ces statistiques soulèvent une question fondamentale : comment quantifier et comprendre la propagation de ces phénomènes ?

Extraits

[...] L'application au cas des fake news Dans cette partie nous allons ajuster le modèle SIR pour pouvoir modéliser la propagation d'un fake news. Cette approche a déjà été expérimentée par des scientifiques, notamment en 2019 à l'université de Stanford ou des chercheurs du département des cyber-risques on modélise la propagation d'une fake news comme s'il s'agissait d'une souche d'ebola. Pour ce faire nous allons adapter le modèle, les Infectés sont les gens qui croit a la fake news et qui la partage activement, les Susceptibles sont les individus qui n'ont pas encore connaissance de l'infox et les Rétablie sont les personnes qui n'y croit plus ou qui ont été corrigé par une information vérifiée. [...]

[...] Ces interventions ne sont pas naturellement intégrées dans le modèle SIR simple. Pourtant ces facteurs influencent grandement la propagation de la fake news. Conclusion En conclusion, si le modèle SIR est un bon point de départ pour comprendre les mécanismes fondamentaux de propagation d'une fake news, il nous rappelle aussi que la réalité est plus complexe. Et que la lutte contre les fake news ne peut se restreindre à une approche mathématique, mais doit intégrer des dimensions sociales, d'éducation et technologiques. [...]

[...] Ce chiffre élevé pourrait correspondre à une fake news très virale. Ici ? représente la vitesse à laquelle les individus cessent de croire à la fake news et de la propager. Un ? élevé signifie que la fake news est rapidement discréditée. Si nous fixons un ? à cela signifie qu'en moyenne des propagateurs cessent de propager la fake news chaque jour, ce chiffre reflète la capacité de la population à corriger l'information. En utilisant ces valeurs hypothétiques pour ? [...]

[...] Comment modéliser la propagation d'une fake news ? - Grand oral de mathématiques Introduction Dans un monde ou les réseaux sociaux ont pris une ampleur sans précédent et où nous sommes soumis en permanence à des informations, il est courant que de fausses informations se glissent parmi ce flux continu d'actualités. Les chiffres sont alarmants : en 2024, un rapport Ipsos a révélé que 66% des Français adhèrent à au moins l'une des fake news qui leur ont été présentées pendant l'étude et selon l'Insee 1 internautes sur 2 a vu une fake news au cours des trois dernier mois Ces statistiques soulèvent une question fondamentale : comment quantifier et comprendre la propagation de ces phénomènes ? [...]

[...] et les individus dans I iront vers R au bout d'un certain temps, c'est le taux de rétablissement. Le modèle SIR repose aussi sur 2 paramètres essentiels à son bon fonctionnement : on a ? qui est le taux de propagation, ? représente la probabilité avec lequel un contact entre un S et un I résulte en une infection du plus il est élevé plus la propagation est rapide. Nous avons aussi ? (gamma) qui représente le taux de rétablissement, c'est-a-dire la vitesse a laquelle un I devient un R . plus ? [...]