Etudiant : DOPAVOGUI ABRAHAM SALOMON

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. NFAOUI EL HABIB

Annèe : 2024

Résumé : Ce rapport offre une analyse approfondie de la détection des fake news dans les médias sociaux, avec pour objectif principal le développement d’un modèle d’apprentissage automatique pour la détection des fake news textuels. Deux approches ont été explorées : l’Apprentissage automatique et TF-IDF. Pour cette étude, nous avons opté pour l’utilisation des modèles SVM, Régression Logistique et Random Forest Classifier, choisis pour leur capacité dans l’analyse des données textuelles. Chacun de ces modèles a été entraîné et testé sur un ensemble de données annotées, ce qui permis d’évaluer leur capacité à détecter les fake news dans les médias sociaux avec précision. En appliquant ces approches, nous avons pu obtenir des résultats prometteurs dans la détection des fake news dans les plateforme de médias sociaux. Chaque modèle a démontré sa capacité à identifier de manière précise et efficace les informations toxiques qui peuvent impacter négativement l’opinion individuelle et collective du public, contribuant ainsi à promouvoir un environnement sur les plateformes plus sûr et respectueux. En conclusion, ce rapport met en lumière l’efficacité des approches basées sur les modèles SVM, Régression Logistique et le Random Forest Classifier dans la détection des fake news sur les plateformes de médias sociaux. Ces résultats ouvrent la voie à de nouvelles possibilités pour renforcer la protection et la sécurité du public sur les plateformes de médias sociaux.