💬 NLP

AI Application Gives Users Real-Time Feedback on the Level of Peace in the Social Media Videos They Watch

Cet article présente une application d'IA qui utilise des modèles de langage de grande taille pour analyser les transcriptions de vidéos YouTube en temps réel, mesurant avec succès cinq dimensions sociales pertinentes pour la paix et fournissant aux utilisateurs un retour sur leur régime médiatique, surpassant l'analyse de sentiment traditionnelle et démontrant les limites des modèles entraînés sur du texte écrit lorsqu'ils sont appliqués au langage parlé.

Auteurs originaux : P. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia Un

Publié 2026-06-10

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : P. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia University), C. Lam (Columbia University), J. P. Araujo (Columbia University), M. McFadyen-Mungalln (Columbia University), L. S. Liebovitch (Columbia University), P. T. Coleman (Columbia University), H. West (Columbia University), K. Sieck (Toyota Research Institute), S. Carter (Toyota Research Institute)

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

Imaginez que votre consommation quotidienne d'actualités soit comme un repas. Depuis des décennies, on nous dit de vérifier les ingrédients de nos aliments pour voir s'ils sont sains. Mais aujourd'hui, la plupart d'entre nous consomment l'information via des vidéos sur les réseaux sociaux (comme YouTube) plutôt que par des journaux éditorialisés. Les auteurs de cet article se posent la question suivante : Quelle est la « valeur nutritionnelle » des mots que nous entendons dans ces vidéos ? Nous nourrissent-ils de paix ou de conflit ?

Ils ont conçu un outil numérique appelé BAIT (une extension Chrome) qui agit comme une « étiquette nutritionnelle de la paix » pour les vidéos. Pendant que vous regardez une vidéo, BAIT analyse les paroles prononcées en temps réel et vous donne un score sur le caractère « pacifique » ou « conflictuel » du contenu.

Voici comment ils l'ont construit, expliqué simplement :

1. La recette ratée : essayer d'utiliser un livre de cuisine « écrit »

D'abord, l'équipe a tenté d'apprendre à un ordinateur à reconnaître la paix en utilisant une immense bibliothèque d'articles de presse écrits.

L'analogie : Imaginez essayer d'apprendre à un chef à reconnaître le goût d'une soupe en ne lisant que les fiches de recettes écrites. L'ordinateur a très bien appris que certains mots écrits (comme « diplomatie » ou « trêve ») apparaissent généralement dans des articles concernant des pays en paix.
Le résultat : Testé sur des actualités écrites, l'ordinateur était un génie, atteignant environ 97 % de précision.
Le problème : Lorsqu'ils ont essayé d'utiliser cette même « recette écrite » pour analyser des transcriptions de vidéos parlées, l'ordinateur a échoué lamentablement. Il tentait de classer presque toutes les vidéos comme « pacifiques », même quand elles ne l'étaient pas.
Pourquoi ? Les auteurs ont réalisé que le langage parlé est un animal différent du texte écrit. Un présentateur de journal télévisé parlant devant la caméra utilise des tics de langage, des pauses, un ton émotionnel et des particularités conversationnelles qui n'existent pas dans un article imprimé. L'ordinateur était comme un chef essayant de juger une émission de cuisine en direct en ne lisant que le menu ; il passait à côté de la saveur réelle.

2. La nouvelle approche : le « testeur de goût contextuel »

Puisque la « recette écrite » ne fonctionnait pas, l'équipe a changé de tactique. Au lieu de chercher des mots-clés spécifiques, ils ont demandé à l'ordinateur de comprendre l'ambiance et le ton de la conversation.

Ils se sont concentrés sur cinq « saveurs » spécifiques de la paix, identifiées par des décades de recherche en sciences sociales :

Compassion vs Mépris : Le locuteur est-il bienveillant ou moqueur ?
Information vs Opinion : Rapportent-ils des faits ou ne font-ils que déverser leurs sentiments ?
Promotion vs Prévention : Parlent-ils de construire quelque chose ou cherchent-ils simplement à empêcher quelque chose de mal arriver ?
Créativité vs Ordre : La conversation est-elle ouverte à de nouvelles idées ou est-elle rigide et contrôlante ?
Nuance vs Simplification : Voient-ils les zones grises ou se contentent-ils d'extrêmes en noir et blanc ?

Pour mesurer cela, ils ont testé deux types d'IA :

Le « Compteur de mots » (Analyse de sentiment) : Cet outil se contente de compter les mots joyeux ou tristes. C'était comme un thermomètre qui ne mesure que la température sans savoir s'il s'agit d'une journée ensoleillée ou d'une tempête. Ses performances étaient très médiocres (proches du hasard).
Le « Lecteur contextuel » (Grands modèles de langage) : Ce sont des IA avancées capables de lire un paragraphe entier et de comprendre l'histoire derrière les mots. Elles agissent comme un critique gastronomique sophistiqué qui comprend que dire « Cette politique est un désastre » avec un ton sarcastique est différent de le dire avec une colère sincère.

3. Les résultats : le « Lecteur contextuel » l'emporte

L'équipe a fait regarder à un groupe d'experts humains (chercheurs en paix) 52 vidéos, en leur demandant de les évaluer selon ces cinq « saveurs ». Ils ont ensuite comparé les évaluations humaines aux évaluations de l'IA.

L'IA « Compteur de mots » était à peine meilleure que le hasard.
L'IA « Lecteur contextuel » (spécifiquement les modèles les plus récents) a réussi environ 60 % du temps.
L'analogie : C'est une victoire majeure. Cela signifie que l'IA est désormais presque aussi performante qu'un expert humain pour comprendre le ton d'une vidéo, et pas seulement les mots. Elle peut faire la différence entre un débat animé mais toujours respectueux (pacifique) et un discours calme qui est en réalité chargé de mépris caché (non pacifique).

4. Ce que BAIT fait désormais

Le produit final, BAIT, est une extension de navigateur qui se place à côté de votre vidéo YouTube.

Pour les spectateurs : Il donne un retour en temps réel sur votre « régime médiatique ». Il vous aide à réaliser : « Oh, je regarde des vidéos remplies de mépris et de simplification depuis une heure. » L'objectif est de vous rendre conscient de vos habitudes afin que vous puissiez choisir de regarder quelque chose de plus constructif.
Pour les créateurs : Il donne aux créateurs de vidéos un retour sur le ton de leur propre contenu, les aidant à comprendre comment leurs paroles sont reçues par l'audience.

L'essentiel

L'article affirme que, bien que nous ne puissions pas encore mesurer parfaitement la paix, nous avons enfin construit un outil capable d'écouter des vidéos parlées et de comprendre le ton émotionnel bien mieux que les outils précédents. En utilisant une IA avancée qui comprend le contexte (et pas seulement les mots-clés), nous pouvons désormais commencer à mesurer la « paix » des vidéos que nous regardons, avec l'espoir que le simple fait de savoir ce que nous consommons puisse nous aider à nous comporter plus pacifiquement dans la vie réelle.

Résumé technique : Mesure en temps réel du « Discours de Paix » dans les vidéos sur les réseaux sociaux

Problématique
L'article traite de la dépendance croissante de la population mondiale aux vidéos des réseaux sociaux (ex. YouTube, Facebook) comme sources primaires d'information, notant que le ton et le contenu de ce langage jouent un rôle critique dans l'initiation ou la résolution des conflits. Alors que les outils existants analysent le « discours de haine » ou le biais politique, il manque des mécanismes pour mesurer le « discours de paix » — un langage qui renforce les processus sociaux pacifiques. Les auteurs postulent que « Nous devenons ce que nous contemplons », suggérant que l'exposition à des tons linguistiques spécifiques influence le comportement réel. Le défi technique central est de développer un système capable de quantifier ces dimensions liées à la paix en temps réel au sein de transcriptions de vidéos parlées non structurées, un domaine où les modèles textuels traditionnels ont historiquement échoué.

Méthodologie
Les auteurs ont développé BAIT, une application sous forme d'extension Chrome, utilisant une approche à deux volets pour construire son moteur d'analyse backend :

Apprentissage automatique supervisé sur les textes d'actualité (Base de référence) :
- Données : Un ensemble de données d'environ 700 000 articles de presse provenant de 18 pays (corpus News on the Web) a été étiqueté selon des niveaux de paix basés sur des indices externes (ex. Indice de Paix Mondiale).
- Modèles : Trois architectures neuronales ont été entraînées : un réseau entièrement connecté (Feed-Forward), un réseau de neurones convolutionnels (CNN) et un CNN révisé avec max-pooling.
- Processus : Le texte a été intégré via text-embedding-3-small d'OpenAI et classé comme « haute paix » ou « basse paix ».
- Résultat : Ces modèles ont atteint environ 97 % de précision sur le texte d'actualité testé et environ 70 % de précision sur un ensemble de données d'actualités distinct. Cependant, ils n'ont pas réussi à se généraliser aux transcriptions YouTube, classant 95 à 100 % du contenu vidéo comme « haute paix », indiquant une déconnexion fondamentale entre la syntaxe de l'actualité écrite et le langage parlé transcrit.
Dimensions de sciences sociales via les LLM (Approche principale) :
- Cadre : Reconnaissant l'absence d'indices de paix externes pour les transcriptions vidéo, les auteurs ont défini cinq dimensions sociales dérivées de 59 études de sciences sociales : compassion-mépris, information-opinion, promotion-prévention, créativité-ordre, et nuance-simplification.
- Modèles :
  - Analyse de sentiment (SA) : GoEmotions de Google (basé sur RoBERTa) a été testé mais jugé insuffisant en raison de fenêtres de contexte limitées, de bases de neutralité élevées et de l'« lissage par la moyenne » de la volatilité émotionnelle.
  - Grands modèles de langage (LLM) : Les auteurs se sont tournés vers des LLM sensibles au contexte (Gemini 2.5/3 Pro, GPT-4o/5.1). Ils ont employé un processus d'ingénierie de prompt itératif, passant de prompts complexes basés sur l'actualité à des prompts simplifiés et généralisables, optimisés pour les transcriptions conversationnelles.
- Vérité terrain : Un ensemble de données « gold standard » a été créé en demandant à trois experts humains (chercheurs en paix et spécialistes des conflits) de noter indépendamment 52 vidéos YouTube diverses sur les cinq dimensions selon une échelle de 1 à 5. La fiabilité inter-juges était élevée ( $r^2 > 0,86$ pour trois dimensions).

Résultats clés

Échec des modèles uniquement textuels : Les réseaux neuronaux entraînés sur le texte écrit de l'actualité n'ont pas pu prédire avec précision les niveaux de paix dans les transcriptions de vidéos parlées, confirmant que les propriétés linguistiques des médias écrits et parlés diffèrent considérablement.
Supériorité des LLM : Les LLM ont nettement surpassé l'analyse de sentiment au niveau du mot. Alors que les modèles de SA montraient une faible corrélation avec les codeurs humains ( $r^2 \approx 0,03$ ), les LLM ont atteint des corrélations de $r^2 \approx 0,60$ à travers les cinq dimensions sociales.
Performance des modèles : Gemini 3 Pro Preview a démontré la plus haute corrélation avec les codeurs humains dans toutes les dimensions, particulièrement dans la catégorie exigeante « nuance-simplification ».
Raisonnement contextuel : Les résultats indiquent que l'évaluation de la paix nécessite un raisonnement contextuel (ton, cadrage, structure rhétorique) plutôt qu'une simple détection de sentiment ou de mots-clés.

Principales contributions

Application BAIT : Le déploiement d'une extension Chrome fonctionnelle qui fournit un retour d'information en temps réel aux utilisateurs et aux créateurs de contenu concernant la « paix » de leur consommation médiatique.
Validation empirique des LLM : Démontrer que les LLM modernes peuvent effectivement passer à l'échelle l'analyse de dimensions sociales complexes dans les transcriptions vidéo, atteignant un accord statistique comparable à la fiabilité inter-juges humaine.
Cadre dimensionnel : Opérationnalisation de cinq dimensions spécifiques des sciences sociales (compassion, information, promotion, créativité, nuance) comme mesures mesurables du « Discours de Paix ».
Documentation ouverte : Les auteurs documentent publiquement leur moteur d'analyse et leurs résultats de tests humains, distinguant leur travail des autres outils de modération de contenu propriétaires ou opaques.

Signification et affirmations
L'article affirme que BAIT sert de moteur d'analyse fondamental capable de mesurer le « Discours de Paix » à grande échelle. Les auteurs soutiennent qu'en rendant les utilisateurs conscients de la tonalité émotionnelle et sociale de leur consommation de médias, l'outil pourrait potentiellement influencer les comportements réels vers des interactions sociales plus positives.

Les auteurs maintiennent une position modeste concernant les implications futures. Ils ne prétendent pas que l'outil prouve encore un changement de comportement ; ils affirment plutôt que la capacité de mesurer ces dimensions est la première étape nécessaire pour tester l'hypothèse selon laquelle la conscience de soi mène à un meilleur comportement. Ils envisagent un potentiel « cercle vertueux » où la conscience de l'utilisateur stimule la demande pour un contenu de plus haute qualité en termes de paix, incitant les créateurs et les plateformes à produire un tel contenu, mais ils présentent cela comme une possibilité future à étudier par des tests comportementaux plutôt que comme une réalité actuelle. Ce travail est présenté comme une percée méthodologique dans l'application de l'IA aux études de la paix, comblant le fossé entre la théorie des sciences sociales et l'analyse des médias numériques en temps réel.