Les plateformes en ligne permettent une large diffusion de lapos;information, mais leurs modèles économiques centrés sur lapos;engagement des utilisateurs favorisent souvent la diffusion de contenus politiques idéologiquement homogènes ou controversés. Ces modèles peuvent conduire à la polarisation des opinions politiques et entraver le bon fonctionnement des systèmes démocratiques. Cette thèse étudiera des modèles génératifs dapos;IA innovants conçus pour comprendre en profondeur la polarisation politique et pour contrer ses effets. Elle mobilisera plusieurs sous-domaines de lapos;intelligence artificielle : lapos;apprentissage génératif, lapos;IA frugale, lapos;apprentissage continu et lapos;apprentissage multimédia. Les avancées seront associées aux défis suivants : -la modélisation de la polarisation politique et l’utilisation du modèle obtenu pour guider les algorithmes dapos;IA mis en oeuvre ; -la collecte et le nettoyage de données politiques multimodales massives et diversifiées pour assurer une couverture thématique et temporelle, et la création d’un espace de représentation sémantique commun ; -la proposition de modèles génératifs orientés politique afin dapos;encoder les connaissances du domaine de manière efficace et efficiente et de générer des données dapos;entraînement pour les tâches aval ; -la spécialisation des modèles pour les tâches spécifiques nécessaires à une compréhension fine de la polarisation (détection de thèmes, reconnaissance d’entités, analyse de sentiments) ; -la mise à jour continue des modèles génératifs et des tâches spécifiques à la polarisation pour suivre la dynamique des événements et des nouvelles politiques.
Master en informatique ou intelligence artificielle
Talent impulse, le site d’emploi scientifique et technique de la Direction de la Recherche Technologique du CEA
© Copyright 2023 – CEA – TALENT IMPULSE – Tous droits réservés