La vérification automatique des affirmations est un champ de recherche riche de plus d'une décennie : la sélection des affirmations méritant vérification a été formalisée par des systèmes comme ClaimBuster (Hassan et al., 2017), et la vérification contre un corpus d'évidence dispose de référentiels établis comme FEVER (Thorne et al., 2018). Porter ces tâches en direct, sur de la parole spontanée et avec un résultat attendu en quelques secondes, n'ajoute pas une exigence : cela change la nature du problème, car chaque maillon de la chaîne hérite des erreurs du précédent et le temps de les corriger n'existe pas.
De la parole aux affirmations vérifiables
Le flux commence par la transcription en continu, segmentée en énoncés à mesure qu'elle arrive, avec la ponctuation et les frontières de phrase reconstruites à la volée. L'étape qui décide de tout vient ensuite : séparer les affirmations factuelles des opinions, des prévisions et de la rhétorique. « Le chômage est à 6 % » se vérifie ; « le chômage est inacceptable » non ; « le chômage remontera » se vérifiera, mais pas maintenant. Cette tâche de sélection, la check-worthiness de la littérature, est étudiée systématiquement dans des campagnes d'évaluation comparée comme CheckThat! (Barrón-Cedeño et al., 2020), et reste le goulet qualitatif de toute la chaîne : un faux négatif ici est une affirmation jamais examinée, un faux positif du calcul dépensé sur ce qui n'a pas de réponse.
De chaque affirmation sélectionnée, le système extrait entités, quantités, dates et l'intervalle de référence, car une donnée sans période ne se compare à rien : « à 6 % » par rapport à quand, mesuré par qui, selon quelle définition du chômage.
Les bonnes sources pour chaque type d'affirmation
La recherche d'évidence dépend du type d'affirmation. Une donnée statistique se confronte à la source officielle qui la produit, non à un article qui la rapporte ; une déclaration passée aux archives ; une référence normative au texte en vigueur. Un graphe des entités (personnes, organisations, lieux, mesures) permet de résoudre qui parle de quoi et de classer les sources par autorité, en donnant la priorité aux sources primaires sur les secondaires. La distinction n'est pas pédanterie documentaire : dans la vérification, la distance à la source primaire est une mesure du risque d'erreur accumulé.
Latence et fiabilité : séparer, non choisir
Chaque seconde gagnée augmente le risque de perdre du contexte ; chaque seconde dépensée rapproche le résultat de l'inutilité, car la conversation est déjà ailleurs. Le compromis ne se résout pas en choisissant un point sur la courbe, mais en séparant deux niveaux de service : un résultat préliminaire en quelques secondes, accompagné de sa confiance déclarée, et une vérification consolidée qui peut arriver après, quand les sources lentes ont répondu. Deux contraintes de présentation rendent cette architecture honnête : le préliminaire n'est jamais présenté comme définitif et, quand la vérification consolidée le contredit, la correction reçoit la même visibilité que le résultat initial. Une correction discrète après un verdict visible est, du point de vue de l'utilisateur, une forme d'erreur non corrigée.
Les sources sont le produit
Le système ne demande pas de confiance. Chaque résultat expose les sources consultées, l'étape qui relie l'affirmation à l'évidence et ce qui n'a pas pu être vérifié. Un jugement privé de cette chaîne serait une opinion automatisée, c'est-à-dire exactement l'objet qu'un système de vérification devrait combattre ; la traçabilité de l'évidence n'est pas une fonction premium, c'est la définition même du service.
Les limites, déclarées
Restent les cas difficiles : affirmations ambiguës, contexte manquant, sources autorisées en désaccord entre elles. Dans ces cas, le système expose le désaccord au lieu de le résoudre et signale l'ambiguïté au lieu de choisir une interprétation. C'est moins spectaculaire qu'un verdict, et c'est le seul comportement correct quand le temps disponible est celui d'un direct. C'est l'architecture sur laquelle Cryterio est construit : la partie difficile n'est ni la transcription ni la recherche, c'est de tenir séparé ce que l'on sait de ce que l'on est encore en train de vérifier, et de le dire à qui regarde.
Références : Hassan N. et al., « Toward Automated Fact-Checking: ClaimBuster », KDD 2017 · Thorne J. et al., « FEVER », NAACL 2018 · Barrón-Cedeño A. et al., « CheckThat! at CLEF 2020 », CLEF 2020.
Analytiko · 2 septembre 2026