Face à la diffusion généralisée de fausses informations par le biais d’images générées par l’IA, Twitter a lancé un changement expérimental qui allie la participation de la communauté à la technologie pour s’attaquer au problème.
L’entreprise teste une fonctionnalité appelée « Community Notes » qui vise à vérifier le contenu des médias, une tâche essentielle à une époque où les images manipulées ou les fausses informations sont de plus en plus courantes.
Raters and readers will see notes that authors marked as “about the image” slightly differently, so it’s clear to everyone that they should be interpreted as about the media, not the specific Tweet. Ratings can help identify cases where a note may not apply to a specific Tweet. pic.twitter.com/EDkSfRfxHv
—Community Notes (@CommunityNotes) May 30, 2023
Les notes de la communauté permettent essentiellement aux contributeurs approuvés ayant un score élevé « d’impact d’écriture » d’ajouter des notes aux images circulant à côté des tweets, en ajoutant des couches de contexte. Par exemple, ces notes pourraient indiquer si l’image a été créée par l’IA ou si elle a été manipulée de quelque manière que ce soit.
L’objectif ultime est de mettre en œuvre ces notes, afin d’ajouter un contexte et, espérons-le, de limiter la viralité des contenus trompeurs. L’approche de Twitter pour lutter contre la désinformation visuelle consiste essentiellement à étendre les responsabilités de modération à la communauté plutôt que de les gérer en interne.
Dans sa phase expérimentale, la fonction « Community Notes » est limitée aux tweets comportant une seule image. Twitter indique qu’il a l’intention d’élargir le champ d’application pour inclure à terme les « tweets comportant plusieurs images, GIF et vidéos ».
Comment fonctionnent les Community Notes de Twitter ?
Le processus des Community Notes fonctionne lorsque les utilisateurs lient les notes à des images plutôt qu’à des tweets spécifiques, ce qui permet à ces notes d’apparaître sur tous les tweets contenant le même média/image. Par conséquent, lorsque quelqu’un évalue une note, l’évaluation est associée au tweet qui a affiché la note, ce qui aide les autres utilisateurs à discerner les cas où une note pourrait ne pas correspondre au contenu original ou au contexte d’un tweet spécifique.
Lorsque quelqu’un marque une note comme utile, Twitter comptabilise le nombre de vues de cette image sur l’ensemble des tweets, mais elle ne contribue qu’une seule fois au score « Impact de la rédaction et de la notation » de l’auteur et des évaluateurs. Dans l’idéal, cette situation se normalisera au fil du temps, à mesure que Twitter identifiera les comptes douteux qui publient des images trompeuses et qu’il identifiera un plus grand nombre d’utilisateurs de confiance capables de repérer les fausses images.
Twitter fait preuve de prudence avec les Community Notes, préférant associer des images présentant des similitudes précises plutôt que d’utiliser des images qui se ressemblent, mais qui présentent des différences visuellement distinctives. Twitter affirme qu’il s’emploie activement à affiner ce processus et qu’il surveillera également les commentaires sur le système et son efficacité globale afin d’apporter des modifications à l’avenir.
