Algorithmes d’intelligence artificielle générative pour comprendre et contrer la polarisation en ligne

Description de l'offre : 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.

Profil du candidat : Master en informatique ou intelligence artificielle