Un système algorithmique pour la détection des fake news en arabe utilisant des réseaux neuronaux et des embeddings de transformeurs avec pondération des classes

Pourquoi il est important de repérer les fausses histoires en ligne

Dans un monde toujours connecté, un titre frappant en arabe peut circuler d’une page Facebook peu connue à des millions de téléphones en quelques minutes. Certaines de ces histoires sont des faux fabriqués de toutes pièces qui peuvent enflammer l’opinion publique, fausser des élections ou semer la méfiance envers les institutions. Pourtant, la plupart des outils automatisés de détection de fake news ont été développés pour l’anglais. Cette étude comble ce manque en concevant et en testant un système efficace capable de signaler des articles d’actualité arabes trompeurs avec un niveau de précision approchant celui des vérificateurs humains.

Construire un portrait réaliste de l’information arabe

Pour refléter la réalité désordonnée de l’information en ligne, les chercheurs ont d’abord rassemblé une grande collection mixte de 7 474 articles d’actualité en arabe publiés entre 2015 et 2025. Les textes proviennent de rédactions reconnues, de blogs non vérifiés et de publications sur les réseaux sociaux, ainsi que d’échantillons traduits issus de jeux de données connus de fausses informations en anglais. Chaque élément a été étiqueté comme vrai ou faux, au moyen d’une vérification croisée minutieuse avec des sources officielles et des plateformes arabes de fact‑checking. Un sous‑ensemble a été relu par trois experts ; leur fort accord a donné confiance dans la fiabilité des étiquettes. Le jeu de données final reflète le fait que les histoires fabriquées sont en réalité moins nombreuses que les reportages authentiques, un déséquilibre de classes qui piège souvent les détecteurs automatisés.

Apprendre aux machines à véritablement lire l’arabe

Plutôt que de s’appuyer sur de simples comptes de mots, l’équipe s’est tournée vers une famille moderne de modèles de langue appelés Transformeurs, capables de capturer le sens à partir du contexte. Ils ont utilisé un modèle arabe connu sous le nom de CAMeLBERT, entraîné spécifiquement sur l’arabe standard moderne, comme une sorte de lecteur sophistiqué. Chaque article a été passé par une chaîne de prétraitement spécialisée qui élimine les emojis, les liens et les caractères bruyants tout en préservant les nuances linguistiques importantes en arabe. CAMeLBERT a ensuite converti chaque article nettoyé en une empreinte numérique dense qui saisit des nuances de sens, de style et de structure. Ces empreintes ont été injectées dans un réseau neuronal profond compact qui apprend les motifs distinguant les informations vraies des fausses.

Corriger le déséquilibre entre vrai et faux

Un défi majeur était que les articles véritables étaient plus nombreux que les faux dans le jeu de données, comme c’est le cas au quotidien. Si on l’ignore, un modèle adoptera une stratégie prudente et jugera la plupart des articles comme vrais, manquant ainsi des faux dangereux. De nombreuses études antérieures ont tenté de résoudre ce problème en dupliquant les rares exemples de faux, en inventant des exemples synthétiques ou en supprimant certains articles vrais, mais ces astuces peuvent ajouter du bruit ou éliminer des informations utiles. Ici, les auteurs ont privilégié une solution au niveau de l’algorithme appelée pondération des classes. Lors de l’entraînement, les erreurs sur les articles faux sont rendues plus « coûteuses » pour le modèle que les erreurs sur les articles vrais. Sans modifier les données elles‑mêmes, cela pousse le réseau neuronal à accorder une attention supplémentaire à la classe minoritaire des faux et à tracer une frontière plus équilibrée entre histoires vraies et fausses.

Mettre le système à l’épreuve

Les chercheurs ont comparé plusieurs approches : des modèles traditionnels d’apprentissage automatique utilisant des caractéristiques de type compte de mots, le même réseau neuronal alimenté par différents modèles transformeurs arabes, et le meilleur transformeur combiné à diverses stratégies d’équilibrage. CAMeLBERT est apparu comme l’ossature la plus performante parmi les transformeurs arabes, surpassant des alternatives telles qu’AraBERT, MARBERTv2 et AraELECTRA. Associé à la pondération des classes, le système basé sur CAMeLBERT a classé correctement les actualités arabes avec une précision d’environ 95,5 % et un score F1 — un compromis entre précision et rappel — d’environ 96,2 %. Tout aussi important, le système optimisé a fortement réduit l’erreur la plus préoccupante : les histoires fausses traitées à tort comme vraies. Pour rendre la « boîte noire » plus transparente, l’équipe a également appliqué des outils d’explicabilité modernes (LIME et SHAP) qui révèlent quels indices linguistiques et motifs dans les représentations internes du modèle tendent à orienter un article vers une décision de faux ou de vrai.

Ce que cela signifie pour le lecteur quotidien

Du point de vue d’un non‑spécialiste, cette étude montre que l’on peut entraîner des machines à lire l’actualité en arabe de façon étonnamment nuancée, repérant des indices stylistiques et contextuels subtils qui distinguent souvent des publications fabriquées d’un reportage professionnel. En combinant un modèle de langue adapté à l’arabe standard moderne avec une stratégie d’entraînement soucieuse d’équité, les auteurs présentent un détecteur à la fois précis et relativement léger — adapté à une intégration dans des plateformes de fact‑checking, des rédactions et des outils de veille des réseaux sociaux. Sans remplacer le jugement humain, ce système offre une base solide pour la vérification automatisée en arabe, contribuant à ralentir la diffusion de la désinformation nuisible et à soutenir un espace informationnel plus sain dans le monde arabophone.

Citation: Saad, M., Abdelrazek, S. & Abdelmaksoud, I.R. An algorithmic system for arabic fake news detection using neural networks and transformer embeddings with class weighting. Sci Rep 16, 12226 (2026). https://doi.org/10.1038/s41598-026-45653-4

Mots-clés: Fake news en arabe, modèles transformeurs, réseaux neuronaux, déséquilibre des classes, systèmes de vérification des faits