📈 economics

Endogenous Attention and the Spread of False News

Cette étude modélise l'impact de l'attention endogène sur la propagation des fausses nouvelles, révélant que la réduction de leur crédibilité peut paradoxalement augmenter leur diffusion et que l'augmentation de la capacité de partage amplifie la propagation de toutes les informations, avec des conditions spécifiques favorisant la vérité.

Auteurs originaux : Tuval Danenberg, Drew Fudenberg

Publié 2026-02-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Tuval Danenberg, Drew Fudenberg

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🧠 Le Café de la Vérité : Comment l'attention façonne la désinformation

Imaginez que les réseaux sociaux sont un immense café très bruyant. Dans ce café, deux types de serveurs apportent des plats aux clients :

Les vrais plats (les vraies nouvelles), qui sont bons et sains.
Les plats empoisonnés (les fausses nouvelles), qui sont souvent plus colorés, plus excitants et plus faciles à avaler, mais qui font mal à la santé.

L'auteur de l'étude, Tuval Danenberg, et son collègue Drew Fudenberg, nous disent quelque chose de contre-intuitif : ce n'est pas seulement la quantité de plats empoisonnés qui compte, c'est la façon dont les clients décident de les manger.

Voici les trois règles du jeu, expliquées simplement :

1. La paresse intelligente (L'Attention Coûteuse)

Dans ce café, pour savoir si un plat est empoisonné, il faut goûter (faire attention). Mais goûter prend du temps et de l'énergie. C'est fatiguant !

Si le café est rempli de vrais plats : Les clients se disent : "Oh, c'est sûr que c'est bon, je n'ai pas besoin de goûter, je mange direct." Ils sont paresseux.
Si le café est rempli de plats empoisonnés : Les clients se disent : "Attends, il y a trop de pièges ici. Je vais goûter soigneusement avant de manger." Ils deviennent vigilants.

Le paradoxe : Plus il y a de fausses nouvelles, plus les gens deviennent vigilants et intelligents pour les repérer. Moins il y en a, plus les gens baissent leur garde et partagent n'importe quoi par habitude.

2. Le jeu de la "Boule de Neige" (La Mémoire du Café)

Imaginez que chaque fois qu'un client mange un plat, il en commande 10 copies pour ses amis.

Si les clients partagent beaucoup de vrais plats, le café devient un lieu sain.
Si les clients partagent beaucoup de plats empoisonnés, le café devient toxique.

Le problème, c'est que l'histoire du café compte. Si, au tout début, par hasard, il y a eu beaucoup de plats empoisonnés, les clients vont devenir très vigilants. Mais s'il y a eu un début calme, ils seront paresseux.
Résultat : Deux cafés identiques, avec les mêmes clients, peuvent finir avec des atmosphères totalement différentes (l'un sain, l'autre toxique) juste à cause de ce qui s'est passé le premier jour. C'est ce qu'on appelle la dépendance au sentier.

3. Les surprises du monde réel (Ce que l'étude révèle)

Les auteurs ont découvert des choses surprenantes en jouant avec les règles du jeu :

Le piège de la "Vérification" (Le Fact-Checking) :
Imaginez que le patron du café met une étiquette "POISON" sur certains plats.
- L'idée reçue : Plus on met d'étiquettes, mieux c'est.
- La réalité de l'étude : Si on ne met des étiquettes que sur quelques plats, les clients pensent : "Ah, les autres n'ont pas d'étiquette, donc ils sont sûrement bons !". Ils arrêtent de goûter (de faire attention) aux plats non étiquetés.
- Conclusion : Parfois, vérifier un tout petit peu de fausses nouvelles peut rendre le café pire, car les clients deviennent trop confiants dans ce qui n'est pas vérifié. Il vaut mieux ne rien vérifier du tout que de vérifier à moitié.
Le "Rayon d'Action" (La Viralité) :
Si un client peut partager un plat avec 100 personnes au lieu de 10, cela amplifie tout.
- Si les clients sont intelligents (ils préfèrent les vrais plats), partager plus aide la vérité à se répandre.
- Si les clients sont naïfs (ils aiment les plats excitants même s'ils sont faux), partager plus propage le poison.
- Le point clé : Ce n'est pas la technologie (le nombre de partages) qui est le problème, c'est le comportement des gens.
La Crédibilité des Mensonges :
Si les plats empoisonnés sont très bien déguisés (très crédibles), les clients vont se méfier et goûter davantage.
- Paradoxalement, si on rend les mensonges moins crédibles (plus gros mensonges, plus faciles à repérer), les clients pourraient se détendre, arrêter de goûter, et finir par en manger plus !
- Astuce des menteurs : Il vaut parfois mieux raconter un mensonge "à moitié vrai" (crédible) pour que les gens se méfient et s'efforcent de le vérifier, plutôt qu'un mensonge grossier qui les incite à ne rien faire.

🎯 En résumé

Ce papier nous dit que la bataille contre les fausses nouvelles ne se gagne pas seulement en supprimant les mensonges. Elle se gagne en comprendre comment les gens réagissent.

Si on change les règles (en ajoutant des vérifications ou en changeant la façon dont on partage), les gens changent leur comportement (ils font plus ou moins attention). Parfois, ces changements de comportement annulent nos bonnes intentions.

La leçon ? Pour nettoyer le café, il ne suffit pas de jeter les plats empoisonnés. Il faut aussi s'assurer que les clients restent vigilants, même quand le café semble calme. Et attention : parfois, essayer de tout contrôler peut avoir l'effet inverse et rendre les gens plus paresseux !

1. Problématique et Contexte

L'article s'attaque à la dynamique de propagation des fausses nouvelles (fake news) sur les réseaux sociaux. Il part du constat empirique (Vosoughi et al., 2018 ; Pennycook et al., 2021) que la diffusion de la désinformation est principalement due au comportement humain plutôt qu'aux bots, et qu'elle est souvent le résultat d'un manque d'attention des utilisateurs.

Le problème central est de comprendre comment l'attention endogène des utilisateurs interagit avec la composition de la plateforme pour déterminer la proportion à long terme de contenus vrais par rapport aux contenus faux. Contrairement aux modèles statiques, les auteurs modélisent un système dynamique où :

Les utilisateurs souhaitent partager des histoires vraies et intéressantes.
Identifier la fausseté d'une histoire coûte de l'effort (attention).
Le niveau d'attention des utilisateurs dépend de la crédibilité perçue des fausses nouvelles et de leur prévalence dans le flux d'information.

2. Méthodologie

Les auteurs développent un modèle dynamique à horizon infini sur une plateforme de médias sociaux, utilisant une approche mathématique rigoureuse combinant la théorie des jeux et les processus stochastiques.

A. Le Modèle de Base

États du système : La plateforme contient des histoires caractérisées par leur véracité ( $v \in \{Vrai, Faux\}$ ) et leur évocativité ( $e \in \{Moyennement, Très\}$ ). Les histoires fausses sont plus susceptibles d'être très évocatrices.
Comportement des utilisateurs : À chaque période, un utilisateur tire une histoire au hasard. Il observe son évocativité, choisit un niveau d'attention $a \in [0, 1]$ $a \in [0, 1]$ (coûtant $\beta a^2$ $β a^{2}$ ), et reçoit un signal bruité sur la véracité.
- Si le signal indique que l'histoire est fausse, il ne la partage pas.
- Sinon, il partage l'histoire avec une probabilité dépendante de son utilité attendue.
Dynamique de la plateforme : Le partage d'une histoire ajoute $\rho$ copies de celle-ci sur la plateforme (paramètre de portée ou reach). De plus, de nouveaux contenus sont ajoutés exogènement (1 vrai, $\kappa$ faux).
État du système : L'état est défini par la proportion d'histoires vraies $y_n = T_n / (T_n + F_n)$ .

B. Outils Mathématiques : Approximation Stochastique et Urnes de Polya Généralisées

La contribution méthodologique majeure réside dans l'analyse de la dynamique de $y_n$ .

Urnes de Polya Généralisées (GPU) : Si la règle de décision des utilisateurs était fixe, le système serait un GPU classique où les histoires sont des boules et leur véracité des couleurs.
Concaténation de GPU : Puisque la règle de décision optimale des utilisateurs change de manière discontinue en fonction de $y_n$ (selon que l'attention est rentable ou non), le système global n'est pas un GPU unique, mais une concaténation de plusieurs GPU.
Inclusion Différentielle Limite (LDI) : Les auteurs étendent la littérature sur l'approximation stochastique (Schreiber, 2001 ; Benaim, Schreiber, et Tarres, 2004) pour traiter ces concaténations. Ils montrent que le comportement asymptotique du processus stochastique discret peut être analysé via une inclusion différentielle limite (équation de la forme $\dot{y} \in F(y)$ ), où $F(y)$ est un ensemble de fonctions dérivées associées aux différentes régions de décision.

3. Résultats Principaux

A. Convergence et Dépendance au Chemin

Convergence presque sûre : La proportion d'histoires vraies $y_n$ converge presque sûrement vers un point limite.
Multitude d'équilibres : Selon les paramètres, le système peut converger vers un équilibre unique ou présenter une forte dépendance au chemin (path dependence). Le point limite final peut être aléatoire, même à partir des mêmes conditions initiales.
États stables : Le système converge vers les points stables de l'inclusion différentielle limite. Ces points peuvent être :
- Des quasi-états stationnaires (équilibres à l'intérieur d'une région de décision où une seule règle est optimale).
- Des seuils d'indifférence (où les utilisateurs hésitent entre deux règles de partage).

B. Statistiques Comparatives et Implications Contre-Intuitives

Crédibilité des fausses nouvelles ( $\theta$ ) :
- L'effet de la crédibilité sur la proportion de vraies nouvelles est non monotone.
- Lorsque les fausses nouvelles sont très crédibles, les utilisateurs augmentent leur attention pour les distinguer. Si cette augmentation d'attention compense la difficulté accrue de détection, réduire la crédibilité (par exemple via un fact-checking partiel) peut paradoxalement augmenter la prévalence des fausses nouvelles.
- Implication : Les producteurs de désinformation pourraient opter pour des histoires peu crédibles (mais pas totalement absurdes) pour éviter que les utilisateurs ne s'efforcent trop de les vérifier. De même, un fact-checking partiel peut créer un « effet de vérité implicite » (implied truth effect) sur les histoires non signalées, réduisant l'attention globale.
Portée des utilisateurs ( $\rho$ ) :
- L'augmentation de la portée (le nombre de copies ajoutées lors d'un partage) n'améliore pas automatiquement la qualité de l'information.
- Le résultat dépend de la discernement des utilisateurs (la différence entre leur propension à partager du vrai et du faux).
- Si les utilisateurs sont discernants, une plus grande portée augmente la part de vraies nouvelles (convergence vers 1).
- Si les utilisateurs ne sont pas discernants (ils partagent trop de fausses nouvelles très évocatrices), une plus grande portée dégrade la qualité de l'information. Cependant, cet effet négatif est auto-limitant : la baisse de la qualité incite les utilisateurs à devenir plus attentifs, rétablissant partiellement le discernement.
Taux de production de fausses nouvelles ( $\kappa$ ) :
- Une augmentation de l'influx exogène de fausses nouvelles peut amplifier le choc : les utilisateurs peuvent arrêter de partager toute histoire, conduisant à un effondrement de la qualité.
- Inversement, dans certains cas, une part significative de fausses nouvelles peut persister à l'équilibre même si leur production exogène tend vers zéro, en raison de la dynamique de partage endogène.

4. Contributions Clés

Modélisation de l'attention endogène : Contrairement aux modèles précédents où l'attention est exogène ou fixe, ce papier intègre le coût cognitif de la vérification comme une variable de décision stratégique réagissant à l'environnement informationnel.
Extension des Urnes de Polya : Les auteurs généralisent les résultats d'approximation stochastique aux systèmes composés de la concaténation d'urnes de Polya généralisées, permettant d'analyser des dynamiques avec des règles de décision discontinues.
Dépendance au chemin et hasard : Ils démontrent que l'histoire initiale de la plateforme (le « bruit » des premières publications) peut figer le système dans un équilibre de mauvaise qualité, expliquant la divergence durable entre communautés en ligne.
Analyse des politiques publiques : Le modèle fournit des arguments théoriques contre les interventions partielles (comme un fact-checking sélectif) qui pourraient, par des effets comportementaux secondaires, aggraver la propagation de la désinformation.

5. Signification et Conclusion

Ce papier offre un cadre théorique robuste pour comprendre pourquoi les fausses nouvelles persistent et se propagent malgré les efforts individuels de vérification. Il met en lumière le rôle crucial de l'interaction entre la conception de la plateforme (portée, flux de contenu) et le comportement adaptatif des utilisateurs.

La conclusion principale est que la lutte contre la désinformation ne peut se limiter à la suppression de contenu ou à l'amélioration de la technologie de détection. Il est essentiel de considérer comment ces mesures modifient les incitations des utilisateurs à prêter attention. Parfois, une intervention qui semble bénéfique (comme flagger quelques fausses nouvelles) peut réduire l'attention globale et, paradoxalement, augmenter la part de fausses nouvelles non signalées. Les auteurs suggèrent que cibler les producteurs de fausses nouvelles (réduire leur production) pourrait être plus efficace que de tenter de filtrer le contenu déjà en circulation.