Un modèle mathématique pour réduire la polarisation des opinions

Dans le cadre de ses recherches, Frank Valencia, membre de l'équipe COMETE de l’Inria au LIX de l’École polytechnique, applique, à l’aide des mathématiques, des méthodes formelles à des modèles économiques et de sciences sociales, afin d’analyser, et potentiellement de modifier, la formation de croyances, le consensus et la polarisation en ligne.

« Le rôle des réseaux sociaux est relativement paradoxal. D’un côté, le monde est plus interconnecté, nous avons un meilleur accès à l'information et aux différentes opinions », constate-t-il. « Mais, de l’autre, il ne faut pas oublier le fait qu’ils peuvent façonner les opinions des utilisateurs à une échelle sans précédent, donnant lieu à une large polarisation. Mon objectif était de trouver des modèles permettant d’analyser ce phénomène et d’utiliser mon expérience des méthodes formelles pour adapter des modèles économiques et statistiques qui avaient déjà abordé des problèmes similaires »

L'objectif principal de son modèle est d'expliquer le phénomène de formation de croyances sous l'effet des biais cognitifs. Il en identifie trois formes :

• Le biais d'autorité, ou la tendance à être plus facilement influencé par l'opinion d'une figure d'autorité ou d'un influenceur.
• Le biais de confirmation, ou la tendance à rechercher, interpréter, favoriser et rappeler des informations qui confirment ou appuient ses propres croyances ou valeurs antérieures.
• Le biais de l'effet de retournement de situation, selon lequel le fait de montrer aux gens des preuves qui démontrent qu'ils ont tort est souvent inefficace, et peut finir par se retourner contre eux, les amenant à défendre encore plus fermement leur position initiale.

Son modèle montre comment ce phénomène peut, à son tour, conduire à une polarisation, entraînant ainsi des fractures au sein de la société. Ses résultats montrent déjà que les réseaux sociaux peuvent être conçus différemment, en ajustant les algorithmes en fonction des biais qui auront un impact sur le flux d'influence et produiront ainsi des résultats différents, avec moins de polarisation.

Reste que souvent, peu importe l'objet de la discussion, certains individus retirent du plaisir d'embêter les autres et c'est là le but de leur activité. L'algorithme peut ou non leur faciliter la tâche.

Pour l'article complet : Réseaux sociaux : La modélisation mathématique peut-elle contribuer à réduire la polarisation des opinions ?

A Multi-agent Model for Polarization Under Confirmation Bias in Social Networks - https://hal.archives-ouvertes.fr/hal-03095987

Visiter inria.fr