Ministère de l’enseignement Supérieur et de la Recherche Scientifique

Université Mohamed Khider - Biskra

Faculté des Sciences exactes et de la nature
Département d’informatique

Mémoire De Master

Fake news detection using machine learning

Réalisé par: Baarir Nihel Fatima

Soutenue publiquement le: . . . . . . . . . . . . . . . . . .

Devant le jury composé de:

Djeffal abdelhamid MCA Université de Biskra Encadrant

Université de Biskra Examinateur
Université de Biskra Examinateur

Année Universitaire 2019/2020

 Dédicace

{
mes chers parents,
mes frères et sœurs,
mes enseignants et mes chers amis,

je dédie ce modeste travail.

 Remerciements

e tiens premièrement à prosterner remerciant Allah le tout puissant de m’avoir

donné le courage et la patience pour terminer ce travail.
Je voudrais dans un premier temps remercier mon directeur de mémoire, Monsieur
Abdelhamid Djeffal, de m’avoir encadré, orienté, aidé et conseillé.
J’adresse mes sincères remerciements aux membres du jury, qui ont accepté d’évaluer
mon travail.
Je tiens à remercier spécialement mon grand frère Soheib pour ses conseils et ses
critiques qui ont contribué à alimenter ma réflexion et qui m’ont aidé à affiner ce travail.
Je remercie mes très chers parents, qui ont toujours été là pour moi. Je remercie
mes sœurs Watfa et Raouia, et mon frère Okeil, pour leurs paroles, leurs écrits et leurs
encouragements qui ont flatté mon estime et confiance en soi.
Enfin, Je voudrais exprimer ma reconnaissance envers mon amie Darine, et tout mem-
bre de ma famille m’a apporté un soutien moral tout au long de ma démarche.
 Table des Matières
Introduction Générale 2

1 État de l’art sur: la détection des fausses nouvelles 4

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 La signification des fausse nouvelles . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Les composants des fausses nouvelles . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Créateur/Diffuseur de fausses nouvelles . . . . . . . . . . . . . . . . 6
1.3.2 Contenu d’actualité . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.3 Contexte social . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Les modèles de détection des fausses nouvelles . . . . . . . . . . . . . . . . 8
1.5 Impact global sur différents domaines . . . . . . . . . . . . . . . . . . . . 9
1.6 Web Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1 Processus du Web Mining . . . . . . . . . . . . . . . . . . . . . . . 10
1.6.2 Objectifs du Web Mining . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Opinion Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7.2 Méthodes d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Machine Learning 14
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Types de Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Apprentissage supervisé . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Apprentissage non supervisé . . . . . . . . . . . . . . . . . . . 25
2.3.3 Apprentissage semi-supervisé . . . . . . . . . . . . . . . . . . 25
2.3.4 Apprentissage par renforcement . . . . . . . . . . . . . . . . . 25

i
 2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

3 Conception du système 27
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Architecture générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Architecture détaillée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1 Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.2 Apprentissage: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4 Implémentation et résultats 38
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2 Outils utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Logiciels utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.2 Langages utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.3 Bibliothèques utilisées . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.4 Struts 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.5 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3 Application: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4 Résultats et discussion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.1 Pré-traitement: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.2 Apprentissage: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Conclusion Générale 58
 Liste des Figures
1.1 Processus de Web Mining. . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.1 Schéma explicatif de l’apprentissage supervisé . . . . . . . . . . . . . . . . 16

2.2 classe binaire vs multiple-classes . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Réseau de neurones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 Machine à vecteurs de support . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Hyperplan séparateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6 Meilleure Hyperplan séparateur . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7 Astuce du noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.1 Architecture générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.2 Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 encodage de la source . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Calcul des indices des auteurs . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.5 Exemple de l’encodage des auteurs . . . . . . . . . . . . . . . . . . . . . . 32
3.6 Degrés des mots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.7 Degré de confiance de la classification des nouvelles . . . . . . . . . . . . . 34
3.8 Utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4.1 Eclipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Weka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Algorithme Analayzer en java . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Algorithme Porter en java . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.5 LibSvm en java . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.6 WhatsMate Translation API en java . . . . . . . . . . . . . . . . . . . . . 43
4.7 Modèle-vue-contrôleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.8 Interface d’accueil de l’application . . . . . . . . . . . . . . . . . . . . . . . 47
4.9 Fenêtre de Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.10 Fenêtre d’entraînement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

iii
4.11 Fenêtre de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.12 Fenêtre d’utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.13 Résultat de l’utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.14 Influence des différentes caractéristiques sur le taux de reconnaissance . . . 54
 Liste des Tableaux
4.1 Taux de reconnaissance en fonction du nombre de mots fréquent pour le
sac à mots. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2 Différents taux de reconnaissance des n-grams. . . . . . . . . . . . . . . . . 53
4.3 Différents taux de reconnaissance des k*(n-grams). . . . . . . . . . . . . . 53
4.4 Valeur du taux par rapport au noyau. . . . . . . . . . . . . . . . . . . . . . 54
4.5 Valeurs optimales des paramètres du noyau Gaussien . . . . . . . . . . . . 57

1
 Introduction Générale
C
es dernières années, le phénomène des Fake News a connu une propagation très
importante favorisée par les réseaux sociaux.
Ces fausses nouvelles peuvent être diffusées pour des objectifs différents. Certaines sont
fabriquées seulement pour augmenter le nombre de clicks et de visiteurs sur un site,
d’autres pour influencer l’opinion publique sur les décisions politiques ou sur les marchés
financiers en impactant la réputation des entreprises et institutions sur le Web.
Une étude menée par l’économiste Roberto Cavazos de l’université de Baltimore permet
de se rendre compte de l’impact direct de ces Fake News sur l’économie.
Selon l’étude donc, au moins 400 millions de dollars ont été dépensés pour la diffusion
de Fake News dans les campagnes politiques lors des dernières élections en Inde (140
millions de dollars en 2019), au Brésil (34 millions de dollars en 2018), au Royaume-uni (1
million de dollars), en France (586.000 euros), en Australie (828.000 dollars), au Kenya (20
millions de dollars), en Afrique du Sud (2,7 millions de dollars) ou au Mexique (642.000
dollars) par exemple.
Et les États-Unis ne sont pas en reste, puisa une étude menée par l’université de
Princeton sur la consommation de Fake News pendant la campagne américaine de 2016
a révélé que les fausses informations représentaient 2,6% de tous les articles d’actualité
publiés lors de la fin de la dernière course à la présidence en 2016 remportée par Donald
Trump. Ceci n’est qu’un échantillon témoignant de l’intérêt de détecter les Fake News.
Parmi les principales méthodes pour identifier ces fausses nouvelles : les règles linguis-
tiques qui détermine le sentiment dégagé par les mots d’un commentaire puis classer ce
dernier dans des catégories différentes; ou bien l’apprentissage automatique supervisé qui
permet d’entraîner le système sur une base pour classer les nouvelles informations, cet
apprentissage contient plusieurs algorithmes qui peuvent être utilisés en fonction de la
demande.
Dans ce mémoire, nous allons présenter une méthode pour détecter les fausses nouvelles
qui se base sur l’utilisation de:

• Pré-traitement du texte: constitué par le steaming et l’analyse du texte en

2
 supprimant les mots vides et les caractères spéciaux.

• Encodage du texte: composé par le sac à mots et N-gram puis TF-IDF.

• Extraction des caractéristiques: qui permet de mieux identifier une fausse in-
formation, tel que la source, l’auteur, la date et le sentiment dégagé par le texte.

• Machine à vecteurs de support: un algorithme d’apprentissage automatique

supervisé, permet de mieux classer les nouvelles informations.

Notre mémoire se compose de quatre chapitres:

1. Etat de l’art sur la détection des fausses informations: englobant les dif-
férentes définitions concernant les fausse nouvelles et le domaine du Web Mining.

2. Machine learning: expliquant son principe et les méthodes utilisées dans la dé-
tection des fausses nouvelles.

3. Conception du système: décrivant l’architecture générale et l’architecture dé-

taillée de notre système.

4. Implémantation et résultats: présentant la mise en oeuvre de notre travail et

les résultats obtenus.

3
 1

Chapitre
État de l’art sur: la détection des fausses

nouvelles
[]

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 La signification des fausse nouvelles . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Les composants des fausses nouvelles . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Créateur/Diffuseur de fausses nouvelles . . . . . . . . . . . . . . . . 6
1.3.2 Contenu d’actualité . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.3 Contexte social . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Les modèles de détection des fausses nouvelles . . . . . . . . . . . . . . . . 8
1.5 Impact global sur différents domaines . . . . . . . . . . . . . . . . . . . . 9
1.6 Web Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1 Processus du Web Mining . . . . . . . . . . . . . . . . . . . . . . . 10
1.6.2 Objectifs du Web Mining . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Opinion Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7.2 Méthodes d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8 Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

1.1 Introduction

L
e but de ce chapitre est de présenter d’une part quelques rappels indispensables et
nécessaires à la compréhension de ce mémoire et d’autre part faire une synthèse
bibliographique de quelques problèmes liés au domaine des Fake News, ceux dédiés plus
précisément à l’étude de la gestion des réseaux sociaux.
Nous présentons dans un premier temps tout ce qui concerne les fausses nouvelles et
ensuite, la façon de les détecter. Nous allons mettre l’accent sur le Web Mining en se
basant sur l’Opinion Mining.

1.2 La signification des fausse nouvelles

Au cours des dernières années, le développement rapide et explosif des médias sociaux
a entraîné une croissance considérable du nombre de fausses nouvelles. De nos jours, les
fausses nouvelles sont ennuyeuses, envahissantes, distrayantes et omniprésentes. Il est
donc important de mettre en place un système de détection efficace pour l’identification
des fausses nouvelles.
Fake News: fausses histoires diffusées sur Internet ou d’autres médias. Conçues pour
influencer les opinions politiques ou juste comme une blague. Elle sont caractérisées par
ce qui suit [ZG20]:

• Volume: le volume des fausses nouvelles est très grand tel que tout le monde
peut facilement écrire de fausses nouvelles sur Internet et sans aucune procédure de
vérification.

• Variété: il existe plusieurs sources des fausses nouvelles: les rumeurs, les nouvelles
satiriques, les fausses critiques, les fausses informations,les fausses publicités, les
théories du complot, les fausses déclarations des politiciens,...etc.

5
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

• Rapidité: l’apparition des fausses nouvelles est très rapide, Ceci complexifie leur
détection par les systèmes de contre-mesures.

1.3 Les composants des fausses nouvelles

Le terme Fake News se base sur quatre composants principaux: créateur/épandeur,
victime cible, contenu de l’actualité et contexte social [ZG20].

• Créateur / Diffuseur: les créateurs de fausses nouvelles en ligne peuvent être des
humains ou non.

• Victimes ciblées: les victimes des fausses nouvelles peuvent être des utilisateurs
de médias sociaux ou d’autres récentes plates-formes. Selon les objectifs de la nou-
velle, les cibles peuvent être des étudiants, des électeurs, des parents, des personnes
âgées...etc.

• Contenu de l’actualité: le contenu de l’actualité fait référence au corps de la

nouvelle. Il contient à la fois un contenu physique (par exemple, titre, corps de
texte, multimédia) et contenu non physique (par exemple, but, sentiment, sujets).

• Contexte social: le contexte social indique comment les nouvelles sont diffusées
sur Internet. L’analyse du contexte social inclut l’utilisateur, l’analyse du réseau
(comment les utilisateurs en ligne sont impliqués dans les actualités) et l’analyse du
modèle de diffusion.

1.3.1 Créateur/Diffuseur de fausses nouvelles

Il est important de montrer qui est derrière la fausse nouvelle et pourquoi elle est écrite
et partagée tout au long de la vie sociale. Le créateur/diffuseur des fausses nouvelles peut
être soit un humain, soit non.

• Humain: les robots sociaux ou les Cyborgs ne sont que les porteurs de fausses
nouvelles sur les médias sociaux. Ces comptes automatiques sont programmés pour
diffuser de faux messages par des humains, qui cherchent à perturber la crédibilité
de la communauté sociale en ligne.

6
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

• Non-humain: les robots sociaux ou les Cyborgs sont les créateurs non-humains les
plus courants, de fausses nouvelles. Ce sont des programmes informatiques conçus
pour afficher des comportements similaires à ceux des humains, et pour produire
automatiquement du contenu et interagir avec les humains via les médias sociaux,
diffuser des rumeurs, des spams, des logiciels malveillants, des informations erronées.

1.3.2 Contenu d’actualité

Chaque nouvelle est constituée d’un contenu d’actualité physique et d’un contenu
d’actualité non-physique.

• Contenu d’actualité physique: le contenu physique des fausses nouvelles con-

tient le titre de la nouvelle, le corps de la nouvelle, des images, des vidéos, des
hashtags, des signaux de mention, des emojis,...etc. En raison de certaines significa-
tions et fonctionnalités, ces composants sont des fonctionnalités importantes pour
la détection de fausses nouvelles.

• Contenu d’actualité non-physique: le contenu non physique concerne les opin-

ions, les émotions, attitudes et sentiments que les créateurs de nouvelles veulent
exprimer.

Exemple, chaque jour, des millions de commentaires sont publiés sur des plate-
formes de vente en ligne, ces avis biaisés sont de gros problèmes pour les marques
et les clients en ligne, non seulement ils vont affecter la décision du processus de la
fabrication, mais aussi ils peuvent facilement détruire la réputation d’une marque.

1.3.3 Contexte social

Le contexte social fait référence à l’ensemble du système d’activité et de l’environnement

social dans lequel la diffusion de la nouvelle a lieu. Aujourd’hui, les modes de partage de
la nouvelle sont de plus en plus dominés par les technologies interactives sur les médias
sociaux. Les utilisateurs en ligne peuvent non seulement apprendre d’avantage sur les
tendances, mais aussi partager leurs histoires et défendre leurs intérêts. S’ils partagent
ces expériences et interactions au sein de certains groupes sociaux, et les membres de ces
groupes partageant les mêmes idées, l’influence de ces dernières peut être amplifiée. Ceci
facilite la diffusion de fausses nouvelles.

7
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

1.4 Les modèles de détection des fausses nouvelles

Nous allons maintenant discuter des modèles de détection des fausses nouvelles [AHC19].

• Modèles du contenu d’actualités: les modèles de contenu des actualités peuvent

être classifiés en ce qui suit:

1. Modèle basé sur les connaissances: l’approche fondée sur les connaissances
a pour objectif d’utiliser des sources pour vérifier les faits dans le contenu des
actualités.

2. Modèle basé sur le style: les éditeurs des fausses nouvelles utilisent certains
styles d’écriture spécifique nécessaire pour faire appel à un véritable article de
presse, tel que les mots neutres, décrivant les événements avec des faits. Une
meilleure qualité d’écriture (en tenant compte des mots épinglés, ponctuation
et longueur des phrases).

• Modèles du contexte social: les réseaux sociaux fournissent des ressources sup-
plémentaires aux chercheurs pour compléter et améliorer les modèles de contexte
d’actualité. Les modèles du contexte social sont aussi utilisés pour la détection des
rumeurs et l’identification des faux contenus sur Facebook. Ces modèles sont en
fonction de la position et de la propagation.

1. Basé sur la position: c’est un processus qui peut déterminer les sentiments
dégagés par l’utilisateur, en faveur, contre ou neutre. Il existe deux façons
pour représenter la position de l’utilisateur explicite ou implicite. Les positions
explicites sont celles où les lecteurs ont donné des expressions directes, comme
le pouce vers le haut ou le pouce vers le bas. Les positions implicites sont les
positions où les sentiments extraits des publications sur les réseaux sociaux.

2. Basé sur la propagation: c’est un processus qui peut déterminer la relation

entre les événements pertinents sur les publications. Il existe deux catégories,
propagation homogène qui contient une entité unique, comme un message ou un
événement, ou propagation hétérogène qui contient plusieurs entités en même
temps.

8
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

3. Détection des rumeurs: la détection des rumeurs a pour objectif de classer

une nouvelle comme rumeur ou non. C’est un modèle en quatre étapes: détec-
tion, suivi, position et véracité.

1.5 Impact global sur différents domaines

Les nouvelles visent des situation réels actuelles et des histoires complètes, couvrant
différentes questions, (ex; la criminologie, la santé, le sport, la politique...etc). Voici
quelques impactes des fausses nouvelles sur des différents domaines [ZG20].

1. Dans les médias en ligne, les fausses nouvelles permettent de donner de l’ampleur
aux faux comptes, (ex; récupération de maximum de clicks et d’adhérents).

2. Influence les propagandes politiques, en affectant les décisions de vote lors des élec-
tions;

3. Influencer les marchés financiers, où des millions pourraient être perdus.

1.6 Web Mining

Oren Etzioni a appliqué la technologie du data Mining sur le Web pour l’extraction
d’informations pertinentes à partir des ressources disponibles dans le Web, qui peuvent
être un document ou un service Web. Depuis 1996, plusieurs autres travaux et publications
se sont intéressés au sujet. Et donc le Web Mining a touché plusieurs autres domaines,
(ex;recherche d’information, bases de données, intelligence artificielle). En fonction du
type de données à fouiller, on distingue trois grandes classes: Web Content Mining, Web
Structure Mining et Web Usage Mining [MBNL99].

9
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

1.6.1 Processus du Web Mining

Le processus du Web Mining se déroule en trois étapes [MBNL99]:

• La collecte des données sur l’utilisateur;

• La classification et la personnalisation de ses données;

• La présentation à l’utilisateur d’un contenu ciblé.

Figure 1.1: Processus de Web Mining.

[MBNL99]

1.6.2 Objectifs du Web Mining

Le Web Mining poursuit deux principaux objectifs [Cha05]:

• L’amélioration et la valorisation des sites Web: le suivi du comportement

des utilisateurs des sites Web permet de valoriser leurs contenus en améliorant
l’organisation et les performances des sites.

• La personnalisation: les techniques de Data mining appliquées aux données col-

lectées sur le Web permettent d’extraire des informations intéressantes relatives à
l’utilisation du site par les internautes. L’analyse de ces informations permet de
personnaliser les utilisateurs, leurs préférences et leurs profils.

1.7 Opinion Mining

Aujourd’hui, les internautes ont pris l’habitude de consulter les commentaires déposés
par les autres dès qu’ils doivent prendre une décision d’achat pour un produit technique,

10
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

ou encore pour une réservation d’hôtel. Et donc un commentaire peux détruire facilement
la réputation d’une marque ou un produit. D’où les outils de Web Mining s’intéresse a
analyser les opinions des internautes qui s’y expriment spontanément et en temps réel.
[BL12].

1.7.1 Définition

L’Opinion Mining c’est l’étude qui analyse les opinions, les sentiments, les évaluations,
les attitudes et les émotions des gens à partir de leurs écrits. L’importance croissante de
l’analyse des sentiments coïncide avec la croissance des réseaux sociaux tels que Facebok
et Twitter. Pour la première fois dans l’histoire de l’humanité, nous avons maintenant un
énorme volume de données appelé big data d’opinion enregistrées sous forme numérique
pour les classer en trois catégories: positive, négative et neutre [Liu12].

1.7.2 Méthodes d’analyse

Le but de l’analyse d’opinion est de déterminer si le sentiment dégagé par une phrase
est positif ou négatif, qui dépend du contexte dans lequel elle est utilisée, du type de
langage, ainsi que de la personne qui l’a écrite. Il existe plusieurs façons d’analyser
automatiquement les sentiments. Parmi les méthodes les plus populaires, on cite [VC12]:

• Apprentissage automatique supervisé: l’objectif ici est de faire entraîner le

système sur une base de telle façon qu’il puisse classer par la suite de façon automa-
tique les nouvelles informations. Par exemple, un expert détermine pour chaque
commentaire si l’utilisateur est « très énervé », « moyennement énervé » et « pas
du tout énervé ». Pour que l’apprentissage automatique fonctionne, il faut annoter
un grand jeu de données. Ensuite, un algorithme analyse cette annotation pour en
faire ressortir des règles qui permettront de classer d’autres commentaires selon le
degré d’énervement.

• Règles linguistiques: dans ce cas, un linguiste analyse un échantillon de com-

mentaires pour déterminer quels sont les mots ou les expressions qui indiquent
l’énervement et ses différents degrés. Une fois cette analyse linguistique effectuée,
il crée des règles de grammaire qui permettront au système de classer chaque com-
mentaire dans l’une ou l’autre des catégories.

11
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

1.8 Travaux connexes

• Les auteurs de [CRC15] proposent une typologie de plusieurs méthodes d’évaluation
de la véracité émergeant de deux catégories principales: les approches de repères
linguistiques (avec apprentissage automatique) et les approches d’analyse de réseau,
pour la détection des fausses nouvelles.

• Les auteurs de [GM17] présentent une approche simple pour la détection de fausses
nouvelles en utilisant un classificateur Bayesien naïf. Cette approche est testée par
rapport à un ensemble de données extraites des messages d’actualités Facebook. Ils
proclament pouvoir atteindre une précision de 74%.

• Les auteurs de [ATS17] proposent un modèle détection de fausses nouvelles qui

utilise l’analyse n-gram et les techniques d’apprentissage automatique en comparant
deux techniques d’extraction de caractéristiques différentes et six techniques de clas-
sification différentes. Les expérimentations menées montrent que les meilleures per-
formances sont obtenues en utilisant la méthode d’extraction des caractéristiques
dite (TF-IDF). Le classiffieur utilisé est la machine à vecteurs de support linéaire
(LSVM), qui a donné une précision de 92%.

• Les auteurs de [Sau18] décrivent Comment les utilisateurs des réseaux sociaux peu-
vent s’assurer de la vérité des informat, comment les critères du vrai et du faux
se définissent. Ils décrivent aussi les mécanismes qui permettent leur validation et
le rôle des journalistes ou ce qu’il faut attendre des chercheurs et des institutions
officielles.

• Les auteurs de [MKC18] proposent plusieurs stratégies et types d’indices relevant de

différentes modalités (texte, image, informations sociales). Ils explorent également
l’intérêt de combiner et fusionner ces approches pour évaluer et vérifier l’information
partagée.

12
 Chapitre 1. État de l’art sur: la détection des fausses nouvelles

1.9 Conclusion
Dans ce chapitre, les différents concepts des fausses nouvelles ont été présentés. Nous
avons vu leur signification, caractéristiques ainsi que les différents modèles utilisés pour
leur détection. L’application du Data Mining dans le Web et particulièrement l’Opinion
Mining a permis d’apporter des solutions intéressantes a ce problème. Dans le chapitre
suivant, nous allons nous concentrer précisément sur les méthodes d’apprentissage au-
tomatique et choisir la méthode qui convient le mieux au problème de détection des
fausses nouvelles.

13
 2

Chapitre
Machine Learning
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Types de Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Apprentissage supervisé . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Apprentissage non supervisé . . . . . . . . . . . . . . . . . . . 25
2.3.3 Apprentissage semi-supervisé . . . . . . . . . . . . . . . . . . 25
2.3.4 Apprentissage par renforcement . . . . . . . . . . . . . . . . . 25
2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.1 Introduction

L
es fausses nouvelles en ligne et les rumeurs étant souvent réduites mais de grandes
conséquences. Les traitements par les techniques linguistiques traditionnelles et
d’incorporation tel que le sac à mots ou le n-gram constituent une bonne approche pour
leur détection et analyse. Cependant, ceci n’est pas suffisant pour extraire les fausses nou-
velles, vu l’évolution continue de la langue utilisée ainsi que les limites présentés par ces
méthodes pour la prise en charge de plusieurs aspects tel que les relations entre les mots et
certaines caractéristiques relatives au réseaux sociaux tel que l’url, auteur, le temps,...etc.
Pour en remédier, les techniques d’apprentissage automatique, sont des algorithmes puis-
sants d’intégration du langage naturel, utilisés dans la détection de fausses nouvelles et
même dans la détection des rumeurs ou des satires. Dans ce chapitre, nous allons voir
dans un premier temps, la description, les types et la modélisation de l’apprentissage
automatique ainsi que ses méthodes les plus utilisées dans les systèmes de détection des

14
 Chapitre 2. Machine Learning

fausses nouvelles et les différences majeures entre elles.

2.2 Description
Le Machine Learning, ou apprentissage automatique en français, est un sous-domaine
de l’intelligence artificielle (IA). Il a pour objectif de comprendre la structure des données
et de les intégrer dans des modèles qui peuvent être compris et utilisés pour tester d’autre
données. Le Machine Learning est né grâce aux technologies de reconnaissance de pattern
et à la théorie selon laquelle les ordinateurs peuvent apprendre sans être programmés pour
effectuer des tâches spécifiques (ex; classification, régression). Les chercheurs intéressés
par l’intelligence artificielle souhaitent vérifier si les ordinateurs pouvaient apprendre à
partir de données et s’adapter avec les nouvelles données [L17].

2.3 Types de Machine Learning

Les algorithmes de Machine Learning ne sont pas une nouveauté, mais ce n’est que
depuis peu qu’il est possible d’appliquer des calculs mathématiques complexes de plus en
plus vite au Big Data; (un ensemble très volumineux de données qui nécessite un nouvel
outil de gestion des bases de données). Le Machine Learning est aujourd’hui utilisé dans
de nombreux domaines, tel que le développement de véhicules autonomes, les systèmes de
recommandations en ligne (ex; Netflix et Amazon), l’analyse des sentiments des clients,
ou encore la détection de fraude [L17]. Les modèles d’apprentissage automatique peu-
vent être résumés comme suit: modèles supervisés, non-supervisés, semi-supervisé et par
renforcement.

2.3.1 Apprentissage supervisé

Ce type d’apprentissage utilise comme entrée des données qui sont étiquetés avec les
sorties souhaitées. L’algorithme apprend en comparant la sortie réelle de l’entrée avec
la sortie prédite, pour trouver des erreurs et modifier le modèle en conséquence jusqu’à
arriver au meilleur taux de reconnaissance. L’apprentissage supervisé utilise donc des
modèles pour prédire les valeurs d’étiquettes sur des données non-étiquetées dites données
de test [L17].

15
 Chapitre 2. Machine Learning

donnée non étiquité

C1
données
Entrainement Modele supervisé Prédiction

étiqitée C2

Figure 2.1: Schéma explicatif de l’apprentissage supervisé

L’apprentissage supervisé est le concept derrière plusieurs applications très courantes:

reconnaissance faciale de nos photos par les smartphones, filtres anti-spam des emails...etc.
Plus formellement, étant donné un ensemble de données D, décrit par un ensemble de
caractéristiques X, un algorithme d’apprentissage supervisé va trouver une fonction de
Mapping entre les variables prédictives en entrée X et la variable à prédire Y. La fonction
de Mapping décrivant la relation entre X et Y s’appelle un modèle de prédiction [L17]:

f :x æ Y
f (x) = y

Les caractéristiques X peuvent être des valeurs numériques, alphanumériques, des im-
ages...etc, quant à la variable prédite Y, elle peut être de deux catégories [Ben17]:

• Variable discrète: la variable à prédire peut prendre une valeur d’un ensemble
fini de valeurs (qu’on appelle des classes). Par exemple, pour prédire si un mail est
un spam ou non, la variable Y peut prendre deux valeurs possible:

Y œ {spam , non ≠ spam}

• Variable continue: la variable Y peut prendre des valeurs dans un domaine con-
tinu. Pour illustrer cette notion, on peut penser à un algorithme qui prend en
entrée des caractéristiques d’un véhicule, et tentera de prédire le prix de ce dernier
(la variable Y).

Ainsi, la catégorie de la variable prédite Y fait décliner l’apprentissage supervisé en deux

sous catégories:

• La classification

16
 Chapitre 2. Machine Learning

• La régression

1. Algorithmes de classification: quand la variable à prédire est discrète, on parle

d’un problème de classification. Les algorithmes de classification ont pour objectif
de prédire à quelle classe appartient une donnée (ex; un email est un spam ou non).
Quand les valeurs de la variable prédite Y dépasse deux éléments, on parle de clas-
sification multi-classes. L’exemple suivant illustre les deux types de classifications
[Ben17].

Exemple:

Dans l’image ci-dessus, les ronds en bleu représentent la classe des mail non-spam,
et les croix rouges peuvent représenter des spam. Par contre, l’image à droite est
une classification multi-classes , car nous avons trois classes possibles: les triangles,
les croix et les carrés.

Figure 2.2: classe binaire vs multiple-classes

[Ben17]

Parmi les algorithmes de classification, on retrouve : machine à vecteurs de support,

réseaux de neurones, réseaux bayésiens, arbre de décision, foret aléatoires,...etc.

• Arbre de décision [Abd19]

Les arbres de décision cherche à exploiter une représentation hiérarchique de la
structure des données sous forme des séquences des tests en vue de la prédiction
d’une classe, tel que chaque donnée entrante est décrite par un ensemble de
variables qui sont testées dans les nœuds de l’arbre. Donc, les tests s’effectuent
dans les nœuds internes et les décisions sont prise dans les nœuds feuilles.

17
 Chapitre 2. Machine Learning

Avantages:

(a) La rapidité d’entraînement par rapport à d’autre méthodes;

(b) Passage simple et facile aux règles;

(c) Une précision comparable à d’autres méthodes.

Inconvénients:

(a) Il n’existe pas pas un troisième choix entre le oui et le non;

(b) Applicable aux données symboliques seulement.

• Réseaux bayésiens [Abd19]

Le réseau bayésien cherche à déterminer, P(H/X), la probabilité de vérification
de H après l’observation de X. En utilisant le théorème de Bayes.

P (H|X) = [P (X|H) .P (H)] |P (X)

tel que:

– X: des données non-étiquetée.

– H: l’hypothèse; X appartient à la classe C.

– P(H/X): probabilité d’appartenance de X à la classe C.

– P(H): la probabilité d’apparition de la classe C dans la population.

– P(X): la probabilité d’apparition de l’attribut X dans la population .

– P(X/H): probabilité d’apparition de chaque valeur des attributs de X

dans les attributs des échantillons appartenant à la classe C:
1 2
P (X|H) = P Ai = V i |H
– Ai i ème attribut de X et V i sa valeur.

Avantages:

(a) Une méthode simple et moins coûteuse en temps de calcul.

(b) Prise en charge d’une nouvelle donnée ne nécessitant pas de refaire tous
les calculs.

Inconvénients:

(a) Nécessite l’indépendance entre les attributs ce qui est rare dans la réalité.

18
 Chapitre 2. Machine Learning

(b) Applicable aux données symboliques (catégoriel) seulement, ce qui néces-

site une normalisation pour les données numériques.

• Le réseau de neurones [Abd19]

Un réseau de neurones artificiel est définie par ses neurones et leurs inter-
connexions. Sa structure est spécifiée par le nombre d’entrées, de sorties, de
noeuds et comment sont inter-connectés et organisés. Ces derniers forment une
couche où il n’y a pas des connexions intermédiaires. Il utilise des variables
qualitatives ou quantitatives.

Figure 2.3: Réseau de neurones

[Mar20]

Avantages:

(a) Utilisation des variables qualitatives ou quantitatives, mais résultat meilleur

pour les derniers;
(b) Utilisation pour la classification et la régression;
(c) Traitement des problèmes non-structurés, sans aucune information au préal-
able.
(d) Pas de nécessité pour l’indépendance entre les variables.
(e) Pas de problème avec des données incomplètes ou bruitées.

Inconvénients:

(a) L’ordre de présentation des données entrantes est important;

(b) Nécessité de l’encodage des données catégorielles;
(c) Sensibilité aux minimas locaux;

19
 Chapitre 2. Machine Learning

(d) Ambiguïté de leur fonctionnement, ce qui empêche de choisir la meilleure

structure adaptée face a un problème donné.

• Machine à vecteurs de support (SVM)

L’SVM est une technique d’apprentissage supervisé introduite par Vladimir
Vapnik au début des années 90. Cette technique classifie les données d’une
base linéairement, en cherchant un hyperplan qui sépare le mieux ces données
en deux classes. Elle est appliquée dans la détection faciale, catégorisation de
texte et hypertexte, classification des images et la bio-informatique [Abd19].

Figure 2.4: Machine à vecteurs de support

[Gan18]

Le problème ici est de savoir comment tracer cette droite?

Figure 2.5: Hyperplan séparateur

[Gan18]

20
 Chapitre 2. Machine Learning

On va choisir tout simplement la droite qui maximise l’écart entre les deux
classes. Dans l’exemple suivant, on prend le carré rouge le plus proche du cer-
cle bleu puis, on trace une droite qui maximise la distance entre eux de sorte
que la droite soit exactement au milieu et que la généralisation de l’algorithme
soit optimale.

Figure 2.6: Meilleure Hyperplan séparateur

[Gan18]

Cet hyperplan séparateur est représenté par l’équation suivante:

H(x) = wT x + b

Où:

– w est un vecteur qui représente la pente de la droite séparant les exemples

des deux classes.

– b est un terme représentant le décalage de cette droite.

– H(x) représente la distance entre le point x et la droite de séparation et

appelée fonction de décision; si elle est positive l’exemple x appartient à
la classe positive, si elle est négative il appartient à la classe négative.

Il reste toujours un problème: que faire lorsque notre jeux de données n’est pas
linéairement séparable?

Dans ce cas, la méthode SVM utilise une astuce appelée Noyau.

21
 Chapitre 2. Machine Learning

Astuce du noyau l’idée est d’appliquer une transformation sur nos don-
nées pour pouvoir les séparer linéairement. L’algorithme transforme l’espace
d’entrée, en un espace de dimension supérieure, appelé espace de redescription,

Figure 2.7: Astuce du noyau

[Gan18]

L’hyperplan séparateur aura donc la fonction suivante:

h(x) = wt ú „(x) + b (2.1)

Où „ est une fonction qui donne la projection de l’exemple x dans l’espace de

redescription.
2
Les valeurs de w et b optimums sont celles maximisant la marge w2
:
et bien classant les exemples des deux classes. pour les déterminer, on doit
donc résoudre le problème quadratique suivant:

Y
ÎwÎ2
_ 1
_
_
_
_
Minimiser 2
]
sous contraintes (2.2)
_
_
_
_
_
[ yi (wT xi + b) Ø 1 ’i = 1..n

Où xi représente l’exemple numéro i et yi sa classe égale à +1 ou ≠1. n étant

le nombre d’exemples d’entraînement.

22
 Chapitre 2. Machine Learning

Ce système dit primal est résolu par la méthode de Lagrange en le transformant

en un problème dual introduisant les multiplacateurs de Lagrange:

Y
_ qn 1 qn qn
_
_
_
_
M aximiser L(–) = k=1 –k ≠ 2 i=1 j=1 –i –j yi yj < „(xi ), „(xj ) >
]
_ Avec
_
_
_ qn
_
[ –i Ø 0 et k=1 –k yk = 0
(2.3)

Le problème de cette formulation est qu’elle implique un produit scalaire entre

vecteurs dans l’espace de redescription, de dimension élevée, ce qui est coûteux
en termes de calculs. Pour résoudre ce problème, on utilise une astuce connue
sous le nom de Kernel Trick, qui consiste à utiliser une fonction noyau, qui
vérifie:

K(xi , xj ) =< „(xi ), „(xj ) > (2.4)

L’expression de l’hyperplan séparateur en fonction de la fonction noyau :

n
ÿ
h(x) = –kú yk K(xk , x) + b (2.5)
k=1

Plusieurs noyaux sont utilisés dans la littérature:

– Noyau linéaire: si les données sont linéairement séparables, on n’a pas

besoin de changer d’espace, et le produit scalaire suffit pour définir la
fonction de décision:

k(xi , xj ) = xtj ú xj (2.6)

– Noyau polynomial: si les données ne sont pas linéairement séparables,

le noyau polynomial élève le produit scalaire à une puissance naturelle d :

k(xi , xj ) = ((xtj ú xj ) + c)d (2.7)

23
 Chapitre 2. Machine Learning

– Noyau RBF: les noyaux RBF Radial Basis functions sont des noyaux
qui peuvent être écrits sous la forme : K(xi,x j)=f(d(xi,x j)) où d est une
métrique sur x et f est une fonction dans <.
Un exemple des noyaux RBF est le noyau Gaussien :

|x≠y|2
k(x, y) = e (2.8)
≠
2ú“ 2

Encore deux problèmes: que faire lorsque on a plusieurs classes?

Multiple-classes: les méthodes des machines à vecteur support multiple-
classe, réduisent le problème multi-classes à une composition de plusieurs hy-
perplans permettant de tracer les frontières de décision entre les différentes
classes. Ces méthodes décomposent l’ensemble des exemples en plusieurs sous
ensembles représentant chacun un problème de classification binaire. Pour
chaque problème un hyperplan de séparation est déterminé par la méthode
SVM binaire. On construit lors de la classification une hiérarchie des hyper-
plans binaires, qui est parcourue de la racine jusqu’aux feuilles pour décider de
la classe d’un nouvel exemple [Abd19].
Avantages de la méthode SVM:

(a) Utilisation des données qualitatives et quantitatives;

(b) Grande précision de prédiction;
(c) Meilleur fonctionnement sur les datasets de taille réduite.

Inconvénients:

(a) Temps d’entraînement long avec les bases volumineuses;

(b) Moins efficace sur les jeux de données contenant du bruits.

2. Algorithmes de régression: un algorithme de régression permet de trouver un

modèle pour permettre d’estimer la valeur d’une donnée qui ne faisait pas partie
des données d’entraînement et (non pas la classifier). Donc on prend comme entrée
une variable continue (et non pas discrète). Les algorithmes de régression peuvent
prendre plusieurs formes, en fonction du modèle qu’on souhaite construire. La
régression linéaire est le modèle le plus simple: il consiste à trouver la meilleure
droite qui s’approche le plus des données d’apprentissage. La fonction de prédiction
sera donc une droite [Ben17].

24
 Chapitre 2. Machine Learning

2.3.2 Apprentissage non supervisé

Ce type d’apprentissage utilise comme entrée des données non-étiquetées, de sorte

que l’algorithme d’apprentissage trouve tout seul des points communs entre ses don-
nées. L’objectif de l’apprentissage non supervisé peut être aussi simple que de décou-
vrir des modèles cachés dans un ensemble de données, mais il peut aussi avoir un ob-
jectif d’apprentissage des caractéristiques, qui permet à la machine intelligente de dé-
couvrir automatiquement les représentations nécessaires pour classer les données brutes.
L’apprentissage non-supervisé est principalement utilisé en matière de clusterisation, procédé
destiné à regrouper un ensemble d’éléments hétérogènes sous forme de sous groupes ho-
mogènes ou liés par des caractéristiques communes. (ex; le système peut recommander
un livre ou un film à un utilisateur en fonction des goûts d’utilisateurs partageant des
caractéristiques communes) [L17].

2.3.3 Apprentissage semi-supervisé

Ce type d’apprentissage utilise à la fois des données étiquetées et non-étiquetées pour

s’entraîner. En règle générale, une petite quantité de données étiquetées est utilisée avec
une grande quantité de données non-étiquetées. Pour cause, les données non étiquetées
sont moins chères et plus faciles à obtenir. Ce type d’apprentissage peut être utilisé
avec des méthodes comme la classification, la régression et la prédiction. L’apprentissage
semi-supervisé est utile quand les coûts associés à l’étiquetage sont trop élevés pour per-
mettre un processus d’apprentissage entièrement étiqueté. Par exemple il est utilisé pour
identifier le visage d’une personne sur une Webcam [L17].

2.3.4 Apprentissage par renforcement

Ce type d’apprentissage multiplie les tentatives pour tenter de découvrir quelles actions
apportent les plus grandes récompenses. Ce type d’apprentissage regroupe trois princi-
paux composants: l’agent (qui apprend ou prend les décisions), l’environnement (tout ce
avec quoi l’agent interagit), et les actions (ce que peut faire l’agent). L’objectif était que
l’agent choisisse les actions qui maximisent les récompenses attendues sur une période
donnée. L’agent atteindra ce but plus rapidement en suivant des règles bien établies.
L’objectif de l’apprentissage par renforcement est donc d’apprendre les meilleures règles

25
 Chapitre 2. Machine Learning

[L17].

2.4 Conclusion
Dans ce chapitre, nous avons vu la description et le principe de fonctionnement des
différents types de l’apprentissage automatique, ainsi que les définitions, les avantages
et inconvénients des algorithmes de l’apprentissage supervisé les plus utilisées dans la
détection des fausses nouvelles.
Dans le chapitre suivant, nous allons présenter la conception de notre solution pour le
problème.

26
 3

Chapitre
Conception du système

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Architecture générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Architecture détaillée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1 Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.2 Apprentissage: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.1 Introduction

D
ans ce chapitre nous aborderons une description générale de notre système, en met-
tant en évidence son coté conceptuel du pré-traitement qui constitue une étape
fondamentale avant la mise en oeuvre de notre système, ensuite nous détaillerons chaque
phase en citant les principaux algorithmes et techniques utilisées dans chacune des phases.

27
 Chapitre 3. Conception du système

3.2 Architecture générale

Notre système se base sur l’utilisation du Machine Learning pour détecter les Fake
News. Le système prend en entrée une base brute de commentaires et leurs caractéristiques
et la transforme en une base de caractéristiques utilisable par la phase d’apprentissage.
Cette transformation est appelée pré-traitement, elle effectue une série d’opérations telles
que le nettoyage, le filtrage et l’encodage. La base pré-traitée est subdivisée en deux
partie; une pour l’entraînement et l’autre pour le test. Le module d’entraînement utilise
la base d’entraînement et un algorithme d’apprentissage pour fournir un modèle de dé-
cision qui est appliqué sur la base de test. Si le modèle est accepté, c-à-d a pu at-
teindre un taux de reconnaissance acceptable, il sera conservé et utilisé par le mod-
ule d’utilisation et l’entraînement se termine. Dans le cas contraire, les paramètres de
l’algorithme d’apprentissage sont révisé dans le but d’améliorer le taux de reconnaissance.

Figure 3.1: Architecture générale

3.3 Architecture détaillée

Dans ce qui suit, nous détaillons chacune des phases de notre système.

28
 Chapitre 3. Conception du système

3.3.1 Pré-traitement

Notre objectif est d’extraire les meilleures caractéristiques permettant de détecter une
Fake News. On commence par le pré-traitement des données du dataset brute qui sont
subdivisées en trois catégories: les données textuelles, les données catégorielles et les
données numériques qui représentent respectivement: le texte de la nouvelle, la source
de la nouvelle avec son auteur enfin la date et le sentiment dégagé par la nouvelle. Le
pré-traitement de chaque catégorie est effectué à travers un ensemble d’opérations:

Figure 3.2: Pré-traitement

• Données textuelles: représentent le texte brute rédigé par l’auteur et pré-traité

par les opérations suivantes:

– Nettoyage: consiste à éliminer les mots vides tel que a, about, am, you, are...
et les caractères spéciaux tel que !, ?, :, ;, , ... et toute information non utile,
dans notre cas il s’agit des chiffres dans le texte.

– Steaming: consiste à transformer les mots utiles en des racines par exemple,
les mots actor, acting , reenact sont tous transformés en la même racine act.

– Encodage: transformer l’ensemble des mots du commentaire en un vecteur

numérique en passant par deux étapes: la combinaison des deux techniques:
sac à mots et N-gram, puis l’application de la méthode TF-IDF sur le résultat.

29
 Chapitre 3. Conception du système

ú Sac à mots: dans ce modèle, le texte est représenté sous forme de vecteur
contenant ses mots, sans tenir compte de leur ordre, mais en gardant la
multiplicité. Cette technique est principalement utilisée pour calculer dif-
férentes mesures qui caractérisent le texte par exemple, le mot le plus
répété dans l’ensemble des documents c-à-d le dataset appelé corpus. Mais
le problème ici est que, un mot qui se répète dans tout le corpus ne veut
pas dire qu’il est vraiment important ou il caractérise un document pré-
cis. Pour résoudre ce problème, la fréquence du terme est pondérée par
l’importance du document dans le corpus. Dans notre système nous avons
utilisé la méthode TF-IDF [AZ12].
TF-IDF (Term Frequency-Inverse Document Frequency) est une mesure
statistique permet d’évaluer l’importance d’un terme contenu au sein d’un
document, dans un corpus. Le poids augmente proportionnellement au
nombre d’occurrences du mot dans le document. Cette méthode est utilisée
dans des moteurs de recherche pour apprécier la pertinence d’un document
à une requête [AZ12].
Plusieurs formules de calcul ont été proposé pour cette méthode. Dans
notre travail nous avons utilisé la formule suivante:
TF(t) = Nombre d’apparition du terme t dans le document (n) / Nombre
total de termes dans le document, en gardant la multiplicité de chaque
terme (k).
n
T˙F t =
k
IDF(t)= Nombre totale des documents (D)/ Nombre des documents citant
ce terme (Ḋt ).

IDF˙ t = log D
Ḋt
ú N-gram: dans cette technique, le texte est représenté sous forme de vecteur
contenant des blocs de mots, en tenant compte de leur ordre, et en gardant
la multiplicité [AZ12].

• Données catégorielles: représentent dans notre étude la source et l’auteur. Le

pré-traitement de ces données passe par deux étapes:

– Nettoyage: consiste à éliminer les caractères spéciaux et la transformation

30
 Chapitre 3. Conception du système

des lettres en minuscules.

– Encodage: pour les source nous avons utilisé une simple numérotation tel que
dans l’exemple de la figure suivante:

Figure 3.3: encodage de la source

Pour les auteurs, nous avons créé un encodage spécial et évité d’utiliser la
numérotation simple, car l’inconvénient de cet encodage est que, les algo-
rithmes d’apprentissage peuvent considérer que la source ’1’ et la source ’2’
sont proches, alors qu’en réalité ça peux être faux. Pour cette raison nous avons
créé notre propre encodage pour convertir le nom de l’auteur en numérique,
de telle sorte que les auteurs de la même source soient proches entre eux par
rapport aux auteurs des autres sources.

Nous avons créé alors une liste contenant deux champs le premier pour la source
et le deuxième pour ses auteurs, puis nous avons remplacé chaque auteur par
son numéro d’index en rajoutant la somme des tailles des sources précédentes
plus un. La figure suivante illustre un exemple où:

ú T: nombre des auteurs de la source (taille).

ú ik : indice de l’auteur numéro k.

31
 Chapitre 3. Conception du système

Figure 3.4: Calcul des indices des auteurs

Figure 3.5: Exemple de l’encodage des auteurs

• Données numériques: représentent la date de dépôt du commentaire et le sen-

timent dégagé par le texte. Puisque la date est déjà une valeur numérique nous
l’avons seulement découpée en trois valeurs uniques: jour, mois et année. Pour le
sentiment dégagé par la nouvelle, nous avons calculé la somme des degrés des mots.

Selon les experts chaque mot a un degré de sentiment qui permet de le classer en
trois classe [PL08]:

– Si le degré est inférieur à 0, le sentiment est négatif.

– Si le degré est supérieur à 0, le sentiment est positif.

32
 Chapitre 3. Conception du système

– Si le degré est 0, le sentiment est neutre.

Voici un échantillon de la liste des mots et leurs degrés que nous avons utilisé pour
calculer le sentiment dégagé par chaque information.

Figure 3.6: Degrés des mots

3.3.2 Apprentissage:

il regroupe deux modules, l’entraînement et la validation utilisant chacun une partie

de la base des caractéristiques subdivisée en deux parties, base d’entraînement et base
de test. Le module d’entraînement utilise la base d’entraînement pour fournir un modèle
de décision tandis que le module de validation utilise la base de test pour mesurer la
performance du modèle fourni.

• Entraînement: pour entraîner notre modèle, nous avons choisis l’algorithme que
nous avons déjà présenté dans le chapitre précédent; la machine à vecteurs de sup-
port, pour deux raison:

1. Parce qu’il donne les meilleures résultats au niveau du Texte Mining [ATS17].

2. Pour utiliser la valeur de la fonction de décision comme un degré de confiance

pour la classification des nouvelles. Une valeur positive de la fonction de déci-
sion désigne en même temps une nouvelle vraie ainsi que son degré de vérité
et vise versa, une valeur négative de la fonction de décision désigne une fausse
nouvelle ainsi que son degré de faux.

33
 Chapitre 3. Conception du système

On calcule donc, lors de l’entraînement le maximum et le minimum de la fonc-

tion de décision. Lors de l’utilisation le degré de vérité ou de faux est calculé
par la fonction suivante:

Y
_
] Dec > 0 p = Dec
ú 100
M axdec
(3.1)
_
[ Sinon p= Dec
M indec
ú 100
Où:

– Dec: est la valeur de la fonction de décision.

– M axdec et M indec : représentent les valeurs maximales et minimales de la

fonction de décision.

– p: est le pourcentage de vérité ou de faux.

La figure suivante illustre cette idée:

Figure 3.7: Degré de confiance de la classification des nouvelles

Le résultat de l’entraînement est un modèle ou pattern, qui représente l’analyse des

données et leur transformation en informations utiles, en établissant des relations
entre elles. Plusieurs métriques sont utilisées pour estimer la qualité du modèle qui
se basent sur les valeurs suivantes:

1. VP: les exemples positifs classés correctement.

2. FP: les exemples positifs mal classés .

34
 Chapitre 3. Conception du système

3. VN: les exemples négatifs classés correctement.

4. FN: les exemples négatifs mal classés.

– Précision: proportion des exemples positifs correctement classés dans l’ensemble

des exemples positifs.

VP
P = (3.2)
V P + FP

– Rappel: proportion des exemples positifs correctement classés VP par rapport

aux exemples classés positifs (VP +FN).

VP
R= (3.3)
V P + FN

– Fmesure: moyenne harmonique de la précision et du rappel. Elle mesure la

capacité du système à donner toutes les solutions pertinentes et à refuser les
autres.

2úP úR
F = (3.4)
P +R

• Validation: consiste à mesurer la capacité du modèle a reconnaître des nouveaux

exemples. Pour cela, on écarte dès le départ une partie des exemples pour les
utiliser pour le test du modèle. La base des caractéristiques est alors subdivisée en
deux parties, une partie d’entraînement et une partie de test. Son utilité consiste a
éviter le sur-apprentissage, c-à-d tester le modèle sur la même base d’entraînement.
La subdivision n’est pas faite au hasard mais selon un échantillonage particulier
[PLH09]:

1. Holdout method: le dataset de taille n est subdivisé en deux partie, la pre-

mière généralement de 60% ou plus: apprentissage, et la deuxième de 40%:
test.

35
 Chapitre 3. Conception du système

2. K-fold cross-validation: le dataset est subdivisé en m parties, m-1 parties

pour l’apprentissage et une pour le test. Cette opération est répétée m fois
et à chaque fois on obtient un taux de reconnaissance. À la fin on calcul la
moyenne et l’écart types de ces taux pour estimer la performance du modèle.

3. Leave-one-out cross-validation: le dataset est subdivisé en m partie tel

que m=k exemples où k représente le nombre d’exemples total de la base. À
chaque opération l’apprentissage se fait sur k-1 et le test sur l’exemple qui
reste. C’est un cas particulier de la validation croisée.

• Révision des paramètres: cette opération a pour objectif d’améliorer le modèle,

avec le tuning ou le réglage des paramètres de la machine à vecteurs de support et
de changer la variante de validation croisée ou la valeur de k au cas de k-folds cross
validation. Il existe de nombreux paramètres de l’svm mais, les plus important sont:

– Cost: ce paramètre désigne l’optimisation de l’svm pour éviter de mal classer

les données d’entraînement. Pour des valeurs élevées de C, l’optimisation
choisira un hyper-plan à plus petite marge, inversement, une très petite valeur
de C amènera l’optimisation à rechercher un hyper-plan de séparation à plus
grande marge.

– Gamma: ce paramètre définit jusqu’où l’influence d’une seule donnée d’entraînement

atteint, avec des valeurs faibles une signification «loin» et des valeurs élevées
une signification «proche».

– degré: ce paramètre présente le dégrée du noyau.

– Epsilon: ce paramètre détermine la tolérance du critère de terminaison. C’est

le taux d’erreur permis.

3.3.3 Utilisation

C’est la dernière phase et la plus importante dans notre système. Après être arrivé
au meilleur taux de reconnaissance, ou après avoir construit le meilleur modèle dans la
phase précédente, nous devons l’utiliser sur des nouvelles informations non étiquetées, et
le modèle nous permet de prédire la classe de la nouvelle si elle est fausse ou vraie avec
un degré de confiance comme suit:

36
 Chapitre 3. Conception du système

Figure 3.8: Utilisation

3.4 Conclusion
Ce chapitre a décrit la conception de notre système et il a présenté la démarche suivie
dans ses différentes phases. Dans le chapitre suivant, nous allons décrire le fonctionnement
de notre application mettant en oeuvre le système proposé.

37
 4

Chapitre
Implémentation et résultats
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2 Outils utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Logiciels utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.2 Langages utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.3 Bibliothèques utilisées . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.4 Struts 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.5 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3 Application: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4 Résultats et discussion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.1 Pré-traitement: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.4.2 Apprentissage: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.1 Introduction

L
’implémentation d’un système informatique, désigne sa réalisation et sa mise en oeu-
vre, pour passer à l’interaction avec les utilisateurs. L’objectif de ce chapitre est de
présenter les outils (les logiciels, les langages, les bibliothèques et les données utilisés dans
notre système, ensuite nous aborderons l’application, puis nous discuterons les résultats.

38
 Chapitre 4. Implémentation et résultats

4.2 Outils utilisés

4.2.1 Logiciels utilisés

Dans notre travail nous avons utilisé l’environnement Eclipse pour la phase du pré-
traitement et le logiciel Weka pour l’entraînement et la validation. Pour l’utilisation nous
avons créé une application Web, en intégrant le Weka et le Framework 1
Struts2 dans
l’environnement Eclipse IDE pour Java EE Developers.

• Eclipse: c’est un logiciel qui vise à développer un environnement de production de

logiciels libre qui soit extensible, en s’appuyant principalement sur Java [Bur05].

Figure 4.1: Eclipse

• Eclipse IDE pour Java EE Developers: c’est un logiciel pour les développeurs
Java créant des applications JavaEE et Web [Bur05].

• Weka: c’est un logiciel d’apprentissage automatique Open Source approuvé, à

travers lequel on peut accéder à des applications de terminal standard ou une API
Java. Il est largement utilisé pour l’enseignement, la recherche et les applications
1
Framework désigne un ensemble cohérent de composants logiciels structurels, qui sont utilisés pour
modéliser l’architecture des logiciels applicatifs et des applications Web.

39
 Chapitre 4. Implémentation et résultats

industrielles, il contient aussi un accès à des boîtes bien connues telles que Scikit-
Learn, R et Deeplearning4j [HDW94] .

Figure 4.2: Weka

4.2.2 Langages utilisés

Dans notre travail nous avons le langage Java en premier lieu pour le pré-traitement
de la base ensuite pour l’application web nous avons intégré le Framework Struts2 qui
englobe les langages: HTML, CSS et JavaScript pour l’interface, ainsi que le langage
JavaEE pour le traitement.

• Java: c’est une technique informatique développée initialement par Sun Microsys-
tems puis acquise par Oracle. C’est un langage de programmation orienté objet qui
regroupe plusieurs logiciels, frameworks, bibliothéques, ...etc [AGHH00].

• JavaEE: (Java Entreprise Edition) est une évolution du Java destinée à une utili-
sation "côté serveur" pour un système d’information de l’entreprise [JCNE+ 14].

• HTML: HyperText Markup Language, c’est un langage de balisage conçu pour

représenter les pages Web, permettant d’écrire de l’hyper-texte et de structurer
sémantiquement la page [HA98].

40
 Chapitre 4. Implémentation et résultats

• CSS: Cascading Style Sheets, c’est un langage qui décrit la présentation des docu-
ments HTML et XML [Mey04].

• JavaScript: c’est un langage de programmation de scripts principalement employé

dans les pages Web avec les technologies HTML et CSS [JMT09].

4.2.3 Bibliothèques utilisées

Dans chaque phase de notre travail nous avons eu besoin d’intégrer quelques biblio-
thèques, d’abord, en pré-traitement où nous avons utilisé deux bibliothèques Analyzer et
Porter, ensuite dans la deuxième phase nous avons entraîner les données de notre dataset
avec l’algorithme de la machine à vecteurs de support en utilisant la bibliothèque LibSvm
que nous avons intégré dans Weka. A la fin, à l’étape de l’utilisation nous avons fait appel
à WhatsMate Translation API pour traduire les informations entrées par les utilisateurs
en anglais.

• Analyzer: une annexe de la bibliothèque Apache Lucene, les analyseurs gèrent le

travail d’analyse du texte en un vecteur de token, il existe plusieurs analyseurs qui
se différencient de leurs fonctions, nous avons choisis standard analyzer qui élimine
les caractères spéciaux et les numéros et même quelques mots vides [Ana].

Figure 4.3: Algorithme Analayzer en java

41
 Chapitre 4. Implémentation et résultats

• Porter: un des algorithmes les plus connus pour le steaming d’un mot c’est a dire
le transformer à son radical en supprimant ses préfixes et suffixes, développé par
Julie Beth Lovins en 1968 et Martin Porter en 1980 [Wil06].

Figure 4.4: Algorithme Porter en java

• SMO: L’optimisation minimale séquentielle inventée par John Platt en 1998 chez
Microsoft Research, un algorithme pour résoudre le problème de programmation
quadratique (QP) qui se pose lors de la formation des machines à vecteurs de support
(SVM) [Pla98].

• LibSvm: est une bibliothèque de machine learning open source populaire, dévelop-
pée à la National Taiwan University, écrite en C ++ avec une API C. LibSvm implé-
mente l’algorithme d’optimisation minimale séquentielle (SMO) pour les machines à
vecteurs de support (SVM), prenant en charge la classification(one-classe/binaire/multi-
classes) et la régression [CL11].

42
 Chapitre 4. Implémentation et résultats

Figure 4.5: LibSvm en java

• LIBLINEAR: implémente des SVM linéaires et des modèles de régression logis-

tique formés à l’aide d’un algorithme de descente de gradient [CL11].

• WhatsMate Translation API : une API Rest qui permet aux applications de
traduire facilement des textes d’une langue à une autre [Wha].

Figure 4.6: WhatsMate Translation API en java

43
 Chapitre 4. Implémentation et résultats

4.2.4 Struts 2

Un Framework qui permet de construire des applications Web Java EE respectant le

modèle d’architecture MVC (Modèle-vue-contrôleur) [Baa17].

4.2.4.1 Modèle-vue-contrôleur:

Paradigme de construction d’IHM, composé de trois types de modules ayant trois

responsabilités différentes: les modèles, les vues et les contrôleurs [Baa17].

• Modèle: c’est l’ensemble des actions, les données à afficher. C’est les java beans,
les servlets, les bases de données.

• Vue: c’est l’aspect graphique du système. L’utilisateur interagit avec cette vue.
C’est les fichier JSP 2 .

• Controleur: c’est le traitement des requêtes du client fournis par Apache Tomcat,
c’est un des nombreux projets de l’Apache Software Foundation. Il implémente les
spécifications des servlets et des JSP du Java Community Process9, paramétrable
par des fichiers XML et des propriétés. Il comporte également un serveur HTTP.
C’est les Servlets, c’est une classe Java qui permet de créer dynamiquement des
données au sein d’un serveur HTTP. Ces données sont le plus généralement présen-
tées au format HTML, mais elles peuvent également l’être au format XML ou tout
autre format destiné aux navigateurs Web.
2
Code html qui encapsule du code java comme traitement, il peux integré le code css et java script
aussi. en étant un code html

44
 Chapitre 4. Implémentation et résultats

Figure 4.7: Modèle-vue-contrôleur

[Baa17]

4.2.5 Dataset

Comme n’importe quel système utilisant le Machine Learning, nous avons besoin d’un
dataset pour l’entrainer sur les données en utilisant ses algorithmes pour prédire la classe
des données de la base de test.
Le dataset de Fake News brute que nous avons utilisé et préparé, chaque information
a été transformée en un vecteur de caractéristiques et enregistrée dans un fichier CSV. Le
fichier est ensuite subdivisé en deux parties, une consacrée à l’entraînement et l’autre au
test et validation. Après la validation, nous somme passées à l’étape de l’utilisation qui
consiste à prédire la classe des nouvelles informations non étiquetées (vraie/fausse).
À notre connaissance, et d’après nos recherches un dataset publique pour les Fake
News contenant à la fois des fausses et vraies nouvelles contenant suffisamment de carac-
téristiques n’existe pas, ce qui nous a poussé à construire notre propre base. Nous avons
alors fusionné deux bases existantes "Getting Real about Fake News" contenant des fausses
nouvelles et "All the news" contenant les vraies nouvelles. Ces bases ont été obtenues du
site Kaggle qui est une plate-forme Web organisant des compétitions en science des don-

45
 Chapitre 4. Implémentation et résultats

nées. Les entreprises proposent des problèmes en science des données et offrent un prix
aux data-logistes obtenant les meilleures performances. L’entreprise a été fondée en 2010
par Anthony Goldbloom.

1. Getting Real about Fake News: contient du texte et des méta-données extraits
de 244 sites Web marqués comme fausse par le détecteur BS Detector Chrome de
Daniel Sieradski, extraites à l’aide de l’API webhose.io. Cette base contient environ
12,999 publications sur les réseaux sociaux, divisés en 20 colonnes ayant des types
différents; catégorielles, numériques et textuelles.

2. All the news: contient du texte et des méta-données extraits de New York Times,
Breitbart, CNN, Business Insider, Atlantique, Fox News, Talking Points Memo,
Buzzfeed News, National Review, New York Post, The Guardian, NPR, Reuters,
Vox et le Washington Post, récupérés à l’aide de BeautifulSoup et stockées dans
Sqlite, découpé en trois fichiers CSV distincts. Cette base contient du texte et des
méta-données subdivisés en 10 colonnes ayant des types différents; catégorielles,
numériques et textuelles.

Après avoir pré-traité les deux bases et testé les caractéristiques une par une jusqu’à
arrivé au meilleur taux de précision. Nous avons obtenu un dataset qui contient 900
publications fausses et 975 publications réelles. Les caractéristiques finales:

• 5 mots obtenus par la méthode sac à mots,

• 3 mots composés obtenus par la méthode N-gram,

• date: jour, mois et année,

• sentiment,

• source,

• auteur,

• classe: fausse ou vraie.

46
 Chapitre 4. Implémentation et résultats

4.3 Application:
Dans notre application Web nous avons quatre fenêtres principales représentant les
différentes taches effectuées pour la détection des fausses nouvelles à savoir: le pré-
traitement, l’entraînement, le test et l’utilisation.

Figure 4.8: Interface d’accueil de l’application

• Fenêtre de pré-traitement: c’est une fenêtre qui contient une brève description
de notre dataset et les étapes principales suivies pour le pré-traitement. Elle contient
aussi deux lien vers la source de dataset, pour mieux comprendre la description des
données, si l’utilisateur avait des données de la même structure, la fenêtre lui donnera
la main pour entrer les deux bases Fake et Real pour commencer le pré-traitement,
ensuite sauvegarder le résultat dans fichier CSV.

47
 Chapitre 4. Implémentation et résultats

Figure 4.9: Fenêtre de Pré-traitement

• Fenêtre d’entraînement: c’est une vue qui permet aux utilisateurs d’entraîner les
données et voir les performances du modèle (Rappel, Précision, Fmesure, Matrice
de confusion, taux correctes et incorrectes), en entrant un dataset ayant la même
structure que le notre, et en régalant les valeurs de SVM (Cost, gamma, kernel...).
L’utilisateur peut à la fin enregistrer le meilleur modèle obtenu.

48
 Chapitre 4. Implémentation et résultats

Figure 4.10: Fenêtre d’entraînement

49
 Chapitre 4. Implémentation et résultats

• Fenêtre de test: c’est une fenêtre qui permet aux utilisateurs de tester des modèles
sur des bases autres que celles utilisées lors de l’entraînement. L’utilisateur doit alors
fournir un modèle entraîné et une base contenant des nouvelles déjà classées pour
obtenir les performance du modèle sur cette base.

Figure 4.11: Fenêtre de test

• Fenêtre de l’utilisation: contrairement aux fenêtres précédentes destinées aux

utilisateurs connaissant le machine learning, c’est une fenêtre destinée à tout types
d’utilisateurs. L’utilisateur peut entrer une nouvelle avec ses caractéristiques sans
la classe et un modèle déjà entraîné pour obtenir la classe de la nouvelle vraie ou
fausse avec un degré de vérité.

50
 Chapitre 4. Implémentation et résultats

Figure 4.12: Fenêtre d’utilisation

Figure 4.13: Résultat de l’utilisation

51
 Chapitre 4. Implémentation et résultats

4.4 Résultats et discussion:

Pour obtenir le meilleur modèle de décision permettant de classer le mieux les nou-
velles, nous avons procédé à un tunning des paramètres dans nos deux phases de pré-
traitement et d’apprentissage.

4.4.1 Pré-traitement:

Dans cette phase nous avons essayé d’obtenir les meilleurs paramètres des deux tech-
niques sac à mot et n-gram qui donnent le meilleur taux de reconnaissance sur notre
base.

1. Sac a mots: pour cette technique nous avons aiguillé le nombre de mots les plus
fréquents pris de chaque commentaire. Cette opération est répétée plusieurs fois
jusqu’à arrivé au meilleure taux, en augmentant à chaque fois le nombre des mots
les plus fréquents. Sur le logiciel Weka et en utilisant la bibliothèque SM0, et avec
la validation croisée pour 10 parties, nous avons obtenues es résultats suivants:

Mots 3 5 7 10 15 20 25

T aux% 72.33 74.80 75.81 75.85 77.84 81.10 81.88

Tableau 4.1: Taux de reconnaissance en fonction du nombre de mots fréquent pour le sac
à mots.

Comme le montre la figure (4.1) le taux de reconnaissance augmente avec le nombre

de mots les plus fréquents, jusqu’à 25 mots, puis commence à diminuer, ce que nous
expliquons par le phénomène de sur-apprentissage.

52
 Chapitre 4. Implémentation et résultats

2. N-gram: pour cette technique, nous avons aiguillé le nombre de grams. Cette
opération a été aussi répétée plusieurs fois en augmentant la valeur du n à chaque
fois. Nous avons obtenu ces résultats:

n-grams 2-grams 3-grams 4-grams

T aux% 68.95 66.59 63.77

Tableau 4.2: Différents taux de reconnaissance des n-grams.

Après 2-grams le taux de reconnaissance a commencé à diminuer ce qui est très

logique, à cause de la petite taille du texte de la nouvelle; un bloc de mots de plus
de 2 ne va pas se répéter plusieurs fois dans la même nouvelle qui ne va pas dépassée
5 lignes au plus.

Nous nous somme arrêtées à 2-grams et nous avons procédé à l’aiguillage du nombre
de blocs de mots les plus fréquents k. Nous avons obtenu les résultats suivants:

k*(2-grams) 3*(2-grams) 5*(2-grams) 10*(2-grams) 25*(2-grams) 30*(2-grams)

T aux% 68.95 71.76 73.56 73.67 74.62

Tableau 4.3: Différents taux de reconnaissance des k*(n-grams).

Ici le taux a continué à augmenter sans dépasser le taux obtenu par la technique
sac à mots. Ceci est dû à notre avis à deux possibilités: soit la petite taille du texte
de l’information, soit l’incompatibilité des n-grams avec la méthode TF-IDF. Nous
avons pensé alors à combiner les deux techniques.

53
 Chapitre 4. Implémentation et résultats

3. Les autres caractéristiques:

Nous avons commencé par combiner 5 mots fréquents avec les 3*(2-gram) fréquents
ce qui nous a donné un taux de 52,30%. Ensuite, nous avons ajouté les autres
caractéristiques pour mesurer l’influence de chacune sur le taux de reconnaissance.
La figure suivante illustre les résultats:

Figure 4.14: Influence des différentes caractéristiques sur le taux de reconnaissance

Nous remarquons sur ce graphe que l’influence de la caractéristique "sentiment" sur le

taux de reconnaissance est presque négligeable, cependant la caractéristique "source"
l’a augmenté jusqu’à 89.27%, et "date" jusqu’à 96,24%. Alors que la caractéristique
auteur l’a poussé jusqu’à 100%, ce qui montre l’efficacité de l’encodage que nous
avons proposé.

4.4.2 Apprentissage:

Après le test des différents noyaux et leur tunning. Le tableaux suivant montre les
résultats obtenus par les différents noyaux.

Noyau Linière Gaussien Polynomiale

T aux 100% 99.73% 100%

Tableau 4.4: Valeur du taux par rapport au noyau.

54
 Chapitre 4. Implémentation et résultats

Il est clair que les noyaux linéaire et polynomiale donnent les meilleurs résultats. Le
noyaux linéaire est sans paramètres et plus rapide cependant, théoriquement il n’arrive
pas à modéliser les cas de chevauchement compliqué des deux classes. Par contre le
noyaux Gaussien permet de modéliser tout type de chevauchement mais son taux dépend
des paramètres C (Cost), ‘ et “.
Nous avons étudié l’influence des ces paramètres sur la précision de l’apprentissage.

• Influence au Cost C: le graphe suivant donne l’évolution du taux de reconnais-

sance en fonction de C.

On observe une augmentation rapide du taux jusqu’à la valeur de 150, puis un léger
ralentissement avec stabilisation aux alentours du taux de 82% puis une baisse à
partir de la valeur de C=500.

55
 Chapitre 4. Implémentation et résultats

• Influence de ‘: le graphe suivant donne l’évolution du taux de reconnaissance en

fonction de ‘.

Avec un C fixé à 300, le taux diminue en augmentant ‘ à partir de la valeur 0.001.

• Influence de “: le graphe suivant donne l’évolution du taux de reconnaissance en

fonction de “.

56
 Chapitre 4. Implémentation et résultats

Avec un C=100 et un ‘ = 0.001, le taux de reconnaissance augmente l’égermant

jusqu’à la valeur de 0.001, puis une stabilisation aux alentours du taux 82% puis on
observe une baisse rapide à partir de la valeur de “ = 0,01.

Les paramètres optimaux du noyaux Gaussien sont donc les suivants:

Paramètres Cost “ ‘

V aleur 300 0.001 0.0001

Tableau 4.5: Valeurs optimales des paramètres du noyau Gaussien

4.5 Conclusion
Nous avons détaillé dans ce chapitre les différents outils utilisés pour la mise en oeuvre
de notre proposition ainsi que les résultats obtenus et leur discussion, Nous avons montré
qu’une représentation du texte des nouvelles par une combinaison des techniques de sac à
mot et N-gram avec un encodage adéquat des auteurs et le noyaux Gaussien de la méthode
SVM donnent des taux de reconnaissance très élevés.

57
 Conclusion Générale
C
e mémoire présente une méthode de détection des fausses nouvelles en utilisant la
machine à vecteurs de support, en essayant de déterminer les meilleures caractéris-
tiques et techniques permettant de mieux identifier une fausse nouvelle.
Nous avons commencé par étudier le domaine des fausses nouvelles, leur impact et les
méthodes de leur détection.
Nous avons ensuite conçu et implémenté une solution qui se base sur l’utilisation
des techniques de nettoyage, steaming, encodage par N-gram, sac à mots et TF-IDF
pour le pré-traitement des textes brutes des nouvelles, ensuite l’extraction des autres
caractéristiques permettant d’identifier une fausse nouvelle. À la fin nous avons appliqué
l’algorithme de la machine à vecteurs de support sur notre base de caractéristiques pour
construire un modèle permettant la classification des nouvelles informations.
A travers les recherches menées lors de cette étude, nous avons obtenus les résultats
suivants:

• les meilleure caractéristiques permettant de détecter une fausse information sont

par ordre: le texte, l’auteur, la source, la date et le sentiment.

• la démarche suivie a aboutit à un taux de reconnaissance atteignant jusqu’à 100%.

• l’analyse du sentiment dégagé par le texte est intéressante, toutefois elle serait plus
influente dans le cas de l’opinion mining.

• la méthode des N-gram donne un résultat meilleure que le sac à mots avec des bases
volumineuse et avec des textes de grandes tailles.

• la machine à vecteurs de support semble le meilleur algorithme pour détecter une

fausse information, car il a donné un meilleur taux de reconnaissance, et a permis
de donner à chaque information un degré de confiance pour sa classification.

• les paramètres influençant la machine à vecteurs de support sont par ordre: Cost
C, gamma “ et epsilon ‘.

58
 Toutefois, notre recherche n’a porté que sur un dataset de petite taille. a cause de la
conjoncture actuelle due a la pandémie du covid19, qui nous a empêché de profiter des
outils puissant de notre laboratoire d’informatique.
Le travail que nous avons réalisé pourrait être complété et poursuivi sous différents
aspects. Il serait pertinent d’étendre cette étude avec un dataset plus volumineux, et
d’évoluer son apprentissage supervisé par un autre en ligne pour une mise à jour continue
et intégration automatique des nouvelles fausses informations.
 Bibliography
[Abd19] Djeffal Abdelhamid. Cour de classification, 2019. http:
//abdelhamid-djeffal.net/index.php?p=1_18_Cours, Université de
Biskra. (pages 17, 18, 19, 20, 24).

[AGHH00] Ken Arnold, James Gosling, David Holmes, and David Holmes. The Java
programming language, volume 2. Addison-wesley Reading, 2000. (page 40).

[AHC19] Sajjad Ahmed, Knut Hinkelmann, and Flavio Corradini. Combining machine
learning with knowledge engineering to detect fake news in social networks-a
survey. In Proceedings of the AAAI 2019 Spring Symposium, volume 12, 2019.
(page 8).

[Ana] Class analyzer. https://lucene.apache.org/core/8_0_0/core/org/

apache/lucene/analysis/Analyzer.html. (page 41).

[ATS17] Hadeer Ahmed, Issa Traore, and Sherif Saad. Detection of online fake news
using n-gram analysis and machine learning techniques. In International
Conference on Intelligent, Secure, and Dependable Systems in Distributed
and Cloud Environments, pages 127–138. Springer, 2017. (pages 12, 33).

[AZ12] Charu C Aggarwal and ChengXiang Zhai. Mining text data. Springer Science
& Business Media, 2012. (page 30).

[Baa17] Soheib Baarir. Programmation Web: le framework Struts. Université Paris

ouest nentere la defense, 2017. (pages 44, 45).

[Ben17] Younes Benzaki. L’apprentissage supervisé machine learning, 2017. https://

mrmint.fr/apprentissage-supervise-machine-learning. (pages 16, 17,
24).

[BL12] Dominique Boullier and Audrey Lohard. Opinion mining et Sentiment anal-
ysis: Méthodes et outils. OpenEdition Press, 2012. (page 11).

60
[Bur05] Ed Burnette. Eclipse IDE Pocket Guide: Using the Full-Featured IDE. "
O’Reilly Media, Inc.", 2005. (page 39).

[Cha05] Malika Charrad. Techniques d’extraction de connaissances appliquées aux

données du web. Transformation, 56:5–2, 2005. (page 10).

[CL11] Chih-Chung Chang and Chih-Jen Lin. Libsvm: A library for support vector
machines. ACM transactions on intelligent systems and technology (TIST),
2(3):1–27, 2011. (pages 42, 43).

[CRC15] Niall J Conroy, Victoria L Rubin, and Yimin Chen. Automatic deception
detection: Methods for finding fake news. Proceedings of the Association for
Information Science and Technology, 52(1):1–4, 2015. (page 12).

[Gan18] Rohith Gandhi. Support vector machine — introduction to ma-

chine learning algorithms, 2018. https://towardsdatascience.com/
support-vector-machine. (pages 20, 21, 22).

[GM17] Mykhailo Granik and Volodymyr Mesyura. Fake news detection using naive
bayes classifier. In 2017 IEEE First Ukraine Conference on Electrical and
Computer Engineering (UKRCON), pages 900–903. IEEE, 2017. (page 12).

[HA98] Yih-Shiuan Hu and Tejwansh S Anand. Hypertext markup language (html)

extensions for graphical reporting over an internet, May 5 1998. US Patent
5,748,188. (page 40).

[HDW94] Geoffrey Holmes, Andrew Donkin, and Ian H Witten. Weka: A machine
learning workbench. In Proceedings of ANZIIS’94-Australian New Zealnd In-
telligent Information Systems Conference, pages 357–361. IEEE, 1994. (page
40).

[JCNE+ 14] Eric Jendrock, Ricardo Cervera-Navarro, Ian Evans, Kim Haase, and William
Markito. The java ee 7 tutorial, volume 1. Addison-Wesley Professional, 2014.
(page 40).

[JMT09] Simon Holm Jensen, Anders Møller, and Peter Thiemann. Type analysis
for javascript. In International Static Analysis Symposium, pages 238–255.
Springer, 2009. (page 41).
[L17] Bastien L. Machine learning définition fonctionnement et
secteurs d’application, 2017. http://www.artificiel.net/
machine-learning-definition. (pages 15, 16, 25, 26).

[Liu12] Bing Liu. Sentiment analysis and opinion mining. Synthesis lectures on human
language technologies, 5(1):1–167, 2012. (page 11).

[Mar20] Search Engine Marketing. Réseau de neurones artificiels :

quelles sont leurs capacités ?, 2020. https://www.ionos.
fr/digitalguide/web-marketing/search-engine-marketing/
quest-ce-quun-reseau-neuronal-artificiel/. (page 19).

[MBNL99] Sanjay Kumar Madria, Sourav S Bhowmick, W-K Ng, and Ee-Peng Lim.
Research issues in web data mining. In International Conference on Data
Warehousing and Knowledge Discovery, pages 303–312. Springer, 1999. (pages
9, 10).

[Mey04] Eric A Meyer. Cascading style sheets: The definitive guide. " O’Reilly Media,
Inc.", 2004. (page 41).

[MKC18] Cédric Maigrot, Ewa Kijak, and Vincent Claveau. Fusion par apprentissage
pour la détection de fausses informations dans les réseaux sociaux. Document
numerique, 21(3):55–80, 2018. (page 12).

[PL08] Bo Pang and Lillian Lee. Opinion mining and sentiment analysis foundations
and trends in information retrieval vol. 2, 2008. (page 32).

[Pla98] John Platt. Sequential minimal optimization: A fast algorithm for training
support vector machines. 1998. (page 42).

[PLH09] Refaeilzadeh Payam, Tang Lei, and Liu Huan. Cross-validation. Encyclopedia
of database systems, pages 532–538, 2009. (page 35).

[Sau18] Florian Sauvageau. Les fausses nouvelles, nouveaux visages, nouveaux défis.
Comment déterminer la valeur de l’information dans les sociétés démocra-
tiques? Presses de l’Université Laval, 2018. (page 12).
[VC12] G Vinodhini and RM Chandrasekaran. Sentiment analysis and opinion min-
ing: a survey. International Journal, 2(6):282–292, 2012. (page 11).

[Wha] Whatsmate translation api. https://www.whatsmate.net/

translation-api.html. (page 43).

[Wil06] Peter Willett. The porter stemming algorithm: then and now. Program, 2006.
(page 42).

[ZG20] Xichen Zhang and Ali A Ghorbani. An overview of online fake news: Charac-
terization, detection, and discussion. Information Processing & Management,
57(2):102025, 2020. (pages 5, 6, 9).