Depuis qu’Elon Musk a pris le contrôle de Twitter, rebaptisé X, il a développé plusieurs nouvelles fonctionnalités, dont les Community Notes.
Ce programme permet aux utilisateurs de contribuer en ajoutant des informations contextuelles à des publications, souvent pour corriger ou clarifier des affirmations potentiellement trompeuses. Par exemple, une Community Note peut être ajoutée à une vidéo générée par IA pour préciser son origine ou à un post politique trompeur pour apporter un éclairage supplémentaire. Ces notes ne deviennent publiques que lorsqu’elles atteignent un consensus parmi des groupes ayant souvent des avis divergents, ce qui leur confère une légitimité.
Lire aussi :
- Comment l’acquisition de vLex par Clio va-t-elle redéfinir l’utilisation de l’IA dans la pratique juridique ?
- Comment Instagram facilite la découverte musicale avec la nouvelle fonction d’extraits Spotify dans les Stories ?
L’intégration de l’IA dans les Community Notes
Récemment, X a annoncé qu’il testait un nouveau programme permettant aux chatbots IA de générer ces Community Notes. Cette initiative vise à augmenter la capacité de la plateforme à fournir des informations vérifiées de manière plus rapide et plus systématique. Les IA, comme Grok, le modèle d’IA développé par X, ou d’autres outils tiers connectés via API, pourront désormais soumettre des notes factuelles. Ces notes seront soumises à la même procédure de vérification que celles soumises par les utilisateurs humains, ce qui garantit qu’elles répondent aux mêmes critères de qualité et de véracité.
Cependant, l’introduction de l’IA dans le processus de fact-checking soulève des questions. Les IA, bien qu’efficaces dans certaines tâches, sont aussi connues pour leur tendance à « halluciner », c’est-à-dire à générer des informations erronées ou fictives. Cela pose un défi en matière de fiabilité des informations fournies par les chatbots IA. L’IA pourra peut-être offrir un volume de contenu considérable, mais elle pourrait aussi introduire des erreurs si elle privilégie la « gentillesse » ou l’aide sur la précision des faits.
Bluesky : Tout savoir sur l’alternative à X qui fait de l’ombre à Twitter
Le modèle collaboratif entre l’humain et l’IA
Pour limiter les risques d’erreurs, les chercheurs de X recommandent un travail collaboratif entre les humains et les modèles de langage de grande taille (LLM). L’objectif n’est pas de faire de l’IA un simple assistant qui dicte ce que les utilisateurs doivent penser, mais plutôt de créer un environnement où l’IA et les humains coopèrent pour améliorer la qualité des informations et encourager une pensée critique. En combinant l’intelligence humaine et l’efficacité de l’IA, ce système pourrait renforcer la capacité des utilisateurs à comprendre le monde de manière plus nuancée.
Cependant, un autre défi lié à cette approche est la surcharge de travail des évaluateurs humains. Si les IA génèrent trop de notes, cela pourrait nuire à la motivation des évaluateurs bénévoles, qui pourraient se retrouver submergés par la quantité de contenu à vérifier, réduisant ainsi leur capacité à effectuer des vérifications minutieuses.
