vendredi 12 décembre 2025

par BUTEL Nathalie

Xiaoou WANG, soutiendra sa thèse le vendredi 12 décembre 2025 à 9h30 au Centre Inria d’Université Côte d’Azur dans la salle Euler-Violet.

La thèse intitulée « Méthodes argumentatives  en appui à la  vérification automatique  des faits et à la génération d’explications » a été réalisée dans le pôle SPARKS, sous la co-direction de Serena VILLATA et Elena CABRIO.

La présentation sera en anglais.

Résumé :

L’accessibilité croissante d’internet et des réseaux sociaux a profondément redéfini les dynamiques de circulation de l’information. Cette transformation s’accompagne d’un défi majeur : la désinformation en ligne, c’est-à-dire la diffusion intentionnelle de contenus faux ou trompeurs. La rapidité et l’ampleur de sa propagation posent deux enjeux majeurs :

(1) le développement d’algorithmes de vérification automatique des faits ;

(2) la génération d’explications accompagnant ces systèmes.

 

Les explications sont essentielles : elles permettent de justifier les preuves, de corriger les erreurs de jugement, et de limiter l’effet boomerang, où des modèles opaques renforcent la croyance dans de fausses informations.

 

Aujourd’hui, les explications proviennent soit d’articles de fact-checking rédigés par des humains, soit de listes de preuves extraites automatiquement. Le domaine de la fouille d’arguments offre pourtant des outils prometteurs : il vise à détecter et classifier les composantes argumentatives et leurs relations. Son intégration à la vérification automatique constitue une évolution naturelle, car elle reflète les raisonnements des fact-checkeurs tout en renforçant l’interprétabilité des modèles.

 

Cette thèse fait progresser l’état de l’art via quatre contributions majeures :

(1) la construction de LIARArg, premier corpus de classification de fausses nouvelles enrichi d’annotations argumentatives (3 956 affirmations, 7 130 prémisses, 8 205 relations) ;

(2) la conception de deux architectures combinant classification et fouille d’arguments (multitâche et chain-of-thought), atteignant des scores F1 état de l’art sur LIARArg et généralisant efficacement à d’autres jeux non annotés en arguments ;

(3) l’introduction de SAFE, une méthode de résumé générant des explications structurées en arguments, améliorant significativement les performances des modèles de fact-checking et disponible via une interface web ;

(4) l’intégration automatique de huit schémas argumentatifs de Walton, permettant d’expliquer non seulement si une preuve soutient ou réfute une affirmation, mais aussi comment. Cette couche sémantique améliore les performances sur cinq benchmarks et ouvre la voie à des analyses inédites.

 

En conclusion, cette thèse rapproche la fouille d’arguments et la vérification automatique pour produire des systèmes plus efficaces, transparents et persuasifs. Elle montre que la structuration argumentative des preuves améliore à la fois la classification et la capacité explicative, contribuant à un débat démocratique plus éclairé face à la désinformation.