What Grok Is Actually For — Interview w/ Akin Ünver

What Grok Is Actually For — Interview w/ Akin Ünver

par Akin Ünver

Sciences humaines, sociales & pensée IA & Société UBNumérique et technologies de l’information : thèmes générauxUBJTechnologies numériques et de l’information : aspects sociaux et éthiques
🎙 Akin Ünver 👥 6K 📅 4 août 2026 ⏱ 19 min 👁 316 📄 revue d'actualité 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

Grokfact-checkingperformative fact-checkingTurquiepolarisation

Résumé

Dans cette interview, Akin Ünver, professeur associé de relations internationales à l’Université Özyeğin, présente son projet de recherche sur les conséquences inattendues de l’utilisation de l’IA Grok comme outil de fact-checking sur X. Il explique que dans des contextes de régimes hybrides comme la Turquie, où la confiance dans les sources officielles est faible et polarisée, Grok est souvent invoqué de manière performative : les utilisateurs l’utilisent non pas pour clarifier les faits, mais pour humilier leurs adversaires et renforcer leur propre position. L’étude a collecté environ 100 000 tweets turcs mentionnant Grok, dont 19 668 fact-checks performatifs. Grâce à un topic modeling structurel et des analyses de séries temporelles, ils ont observé que ces fact-checks performatifs augmentent lors de périodes de contestation politique. Le résultat principal est que ces contenus reçoivent plus d’engagement (vues, réponses) mais significativement moins de likes, ce qu’ils appellent l’asymétrie d’approbation. Cela suggère que l’IA assistée au fact-checking peut paradoxalement accroître la confusion et la polarisation plutôt que de stabiliser les conversations. Ünver conclut en soulignant l’importance de revenir aux théories sociales classiques pour interpréter ces données et en appelant à des garde-fous pour préserver un espace informationnel sain.

194 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée car elle présente des résultats originaux issus d’une recherche en cours, avec une méthodologie détaillée (collecte de données, traitement, modélisation). L’argumentation est solide : l’intervenant explique clairement le contexte, la question de recherche, la méthode et les résultats, et propose une interprétation nuancée. Il souligne notamment le paradoxe de l’IA fact-checking qui peut aggraver la désinformation. Cependant, les résultats ne sont pas encore publiés dans une revue à comité de lecture, ce qui limite la validation par les pairs.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : l’intervenant est un chercheur universitaire, et la méthodologie est décrite avec précision. Cependant, aucune source externe n’est citée dans la vidéo, et les données ne sont pas accessibles publiquement. Le titre est adéquat car il reflète le contenu : il s’agit bien de comprendre l’usage réel de Grok. L’adéquation titre/contenu est donc bonne, sans impacter négativement la note.

164 mots

Adéquation titre / contenu

Le titre est pertinent : il interroge l'usage réel de Grok, et l'interview répond en présentant une recherche sur ses usages manipulateurs.

Qualité & fiabilité

7/10

L'interview présente une étude originale en cours, avec une méthodologie décrite (collecte de données, topic modeling, régressions). Les résultats sont préliminaires et non publiés, ce qui limite la vérifiabilité. Le chercheur est un universitaire reconnu, mais les sources précises ne sont pas citées dans la vidéo.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

  • Tech for Open Minds symposium — Lien fourni dans la description de la vidéo, renvoyant au symposium pour lequel l'interview a été réalisée.

Sources concordantes

Apport & nouveautés

L’apport original de cette interview est de mettre en lumière un phénomène peu étudié : l’utilisation performative de l’IA fact-checking sur les réseaux sociaux, qui peut aggraver la polarisation au lieu de la réduire. L’étude propose un concept novateur, l’asymétrie d’approbation, et utilise des méthodes computationnelles avancées (structural topic modeling, régressions) sur un jeu de données conséquent. Cela ouvre des pistes pour repenser les politiques de modération et le design des outils d’IA.

Pour aller plus loin :

  • Théorie de la spirale du silence — Pertinent pour comprendre comment la peur de l’isolement peut conduire à l’auto-censure, en lien avec le fait de “shamer les gens pour les faire taire”.
  • Désinformation — Concept central de l’étude, utile pour contextualiser les enjeux.
  • Analyse des sentiments — Méthode complémentaire pour étudier les réactions aux fact-checks performatifs.
  • Structural topic modeling — Méthode utilisée dans l’étude, avec une page Wikipédia en anglais.

148 mots

Profil radar

Le profil radar montre des scores élevés en quantité et qualité d'information, ainsi qu'en fiabilité, mais un niveau technique moyen. Cela indique une vidéo accessible mais riche en contenu, avec une méthodologie solide mais non détaillée pour un public non spécialiste.

Fiabilité 7/10

💬 Sur les 0 commentaires analysés, aucune tendance n'est observable.