Les méthodes d'apprentissage automatique sont les mieux adaptées pour attraper des menteurs, selon Science of Deception Detection

Les scientifiques ont révélé que les réseaux de neurones convolutionnels (CNN), un type d'algorithme d'apprentissage en profondeur, démontrent des performances supérieures par rapport aux approches conventionnelles d'apprentissage non machine lorsqu'elles sont utilisées pour détecter les mensonges et la tromperie.

Ils démontrent que l'IA et les méthodes basées sur l'apprentissage automatique ont le potentiel de fournir des prédictions précises si elles surmontent une limitation majeure – leur incapacité actuelle à tenir compte des différences culturelles, linguistiques et de genre entre diverses sociétés et populations.

Les chercheurs, basés à l'Université de Sharjah, aux Émirats arabes unis, ont signalé leurs résultats dans un article de revue publié dans la revue Systèmes experts avec des applicationsdans lequel ils présentent une analyse des techniques de détection de tromperie tirant parti de l'apprentissage automatique.

Leurs résultats suivent une recherche documentaire complète de diverses bases de données comme Google Scholar, Elsevier, ACM Digital Library, IEE Xplore et Springer, en utilisant le mot-clé « Deception Detection ».

Les articles de recherche sélectionnés pour l'analyse ont été publiés entre 2012 et 2023. Les auteurs visaient à extraire les connaissances de la littérature existante sur la détection de tromperie et de rationaliser les méthodes pour détecter les mensonges via l'apprentissage automatique, et les comparer aux approches conventionnelles d'apprentissage non machine.

« Notre objectif était de procéder à un examen complet des publications axées sur la prédiction informatique de la tromperie, en particulier en utilisant des approches ML (apprentissage automatique). Pour qu'un article soit inclus dans notre analyse, il a dû utiliser une approche basée sur la ML pour identifier la tromperie, utiliser des ensembles de données et être écrits en anglais », écrivent les scientifiques.

« Grâce à notre méta-analyse, nous avons identifié un total de 98 articles publiés qui répondaient à nos critères. Le premier document de notre analyse remonte à 2012, tandis que la publication la plus récente a eu lieu en 2023. Notamment, environ la moitié de ces articles ont été publiés en 2019 ou plus tard.

« Bien qu'il existe des documents de revue systématiques liés à la détection de tromperie basée sur l'IA, nous avons effectué une analyse complète de la détection de tromperie, offrant un aperçu clair des contributions et des limitations sur le terrain. »

La recherche de détection de tromperie a récemment attiré une attention considérable, car les scientifiques croient que l'étude des mensonges et pourquoi et comment les gens ont recours à la tromperie peuvent conduire à une compréhension objective du comportement humain.

Ils notent que la tromperie et les mensonges sont utilisés de manière interchangeable dans la littérature, qui classe le comportement trompeur en divers types en fonction de ses implications, allant de la nocive à des conséquences graves.

La revue approfondie des auteurs montre que les mensonges sont courants dans la vie quotidienne, et même les personnes qui prétendent être honnêtes « occasionnellement s'engager dans la tromperie, où la personne moyenne se trouve plusieurs fois par jour ». Les mensonges, soulignent les auteurs, peuvent aller de la tromperie pure et simple, « Je ne l'ai pas tué! » À des mensonges blancs inoffensifs, « cette tenue est belle », utilisée pour éviter des situations embarrassantes et maladroites.

Les auteurs glanent de leur examen qui se trouvent les mensonges sont le plus grand défi auquel sont confrontés le système juridique. « Montant des mensonges avec la vérité, ou vice versa, dans de telles situations peut avoir des répercussions importantes pour les individus impliqués et la société dans son ensemble », notent-ils.

L'étude de la tromperie et des mensonges, ajoutent-ils, est depuis longtemps un sujet d'intérêt pour les chercheurs préoccupés par leurs conséquences indésirables dans les sphères cliniques, éthiques et légales. Le corps de la littérature sélectionnée pour l'étude, selon les auteurs, utilise « diverses méthodes de collecte de données, types de données et techniques… révélateurs les différences dans les indices verbaux et non verbaux entre les mensonges et les vérités. »

La revue des auteurs souligne comment la recherche de tromperie repose également sur les signaux corporels, qu'ils appellent des «indices physiologiques», que les scientifiques ont utilisés pour distinguer les actions et les énoncés trompeurs et véridiques, tels que la taille des élèves, le mouvement des yeux, la position de la main, la fréquence cardiaque et ce que les gens écrivent ou disent.

La pléthore de la recherche et des mensonges de déception est volumineux, soulignent les scientifiques. Leur examen approfondi couvre tous les aspects des méthodes traditionnelles précédentes pour détecter la tromperie, y compris les instruments les plus couramment utilisés pour savoir si un individu disait la vérité, comme les polygraphes.

La littérature, ajoutent-ils, se sont appuyées sur une variété de bases de données, « comprenant généralement de courtes déclarations, des articles en ligne, des troubles de l'information, des entretiens et des indicateurs auxiliaires tels que les attributs d'électroencéphalographie (EEG), les annotations et les transcriptions. »

Les auteurs, tout en louant des méthodes traditionnelles pour détecter la tromperie, soulignent le rôle des études récentes utilisant l'IA et l'apprentissage automatique, qui ont rendu les menteurs et les faux cas plus efficaces qu'auparavant.

La science de la capture des menteurs et de la détection de tromperie, selon les auteurs, se penche de plus en plus sur l'IA et l'apprentissage automatique, qui peuvent analyser et interpréter différents types de données, démontrant un potentiel pour identifier avec précision les mensonges, les mensonges et les tromperies, même dans le domaine ou écrit.

L'étude ne se limite pas à une revue de la littérature. Les scientifiques triangulez leurs recherches sur plusieurs ensembles de données pour mesurer l'effet du genre sur le comportement de tromperie. Ils ont analysé 35 courtes vidéos pour déterminer l'influence de la variation linguistique sur le comportement trompeur, en plus d'un ensemble de données couvrant deux heures de séquences pour évaluer l'impact des variations linguistiques et culturelles dans la distinction entre les conversations véridiques et trompeuses.

Les auteurs constatent que les approches axées sur l'apprentissage automatique, par rapport aux performances des méthodes traditionnelles, réalisent une efficacité améliorée dans les mensonges et les actions ou les déclarations trompeuses.

Cependant, ils identifient certaines limites qui ont jusqu'à présent entravé les méthodes de détection de tromperie basées sur l'IA de l'obtention de la précision exacte. Selon eux, une limitation et une lacune majeures dans la recherche de détection de tromperie est le fait de ne pas tenir compte du rôle de la culture, de la langue et du genre et comment ils pourraient limiter «la généralisation des résultats à diverses populations».