Misinformation on Digital Platforms, Politics, and Algorithmic Bias — The Risks of Exclusion

Misinformation on Digital Platforms, Politics, and Algorithmic Bias — The Risks of Exclusion

par Dr. David Kyeu

Sciences humaines, sociales & pensée Médias & Information JBCTÉtudes des médiasJBCT5Désinformation et mésinformation
🎙 Dr. David Kyeu 👥 102 📅 10 octobre 2025 ⏱ 33 min 👁 28 📄 cours magistral 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

misinformationalgorithmic biasAfrican languagesdigital platformsexclusion

Résumé

Ce cours magistral, donné dans le cadre d’un cours d’études afro-américaines, examine comment la désinformation se propage sur les plateformes numériques en Afrique, en particulier dans les langues locales, et comment les biais algorithmiques contribuent à l’exclusion linguistique. Le professeur commence par une anecdote illustrative : une rumeur électorale diffusée en kikuyu, dagbani ou luganda, qui n’est pas vérifiée faute d’outils de fact-checking dans ces langues. Il définit ensuite la désinformation (partage involontaire) et la mésinformation (manipulation délibérée), puis explique que les algorithmes amplifient les contenus émotionnels, favorisant la propagation des fausses informations. Il cite des études montrant que la désinformation traverse les frontières linguistiques mais reste souvent confinée à une communauté linguistique (homophilie linguistique). Il aborde la dimension politique : lors des élections, des acteurs politiques utilisent les réseaux sociaux pour manipuler l’opinion, avec des messages adaptés par langue. Le rapport CIPESA 2025 est mentionné pour illustrer l’usage de deepfakes. Le professeur introduit le concept de ‘propagande computationnelle’ et souligne que les systèmes de modération sont majoritairement monolingues, laissant passer la désinformation en swahili, haoussa ou luganda. Il définit le biais algorithmique comme un héritage des biais des créateurs et des données, et explique que les langues africaines sont sous-représentées dans les jeux de données, ce qui entraîne des échecs de modération, des erreurs de traduction et une invisibilité computationnelle, concept appelé ‘apartheid algorithmique’. Il énumère les risques : déserts d’information, crises de santé publique aggravées (exemple d’Ebola en Ouganda), et manipulation politique accrue. Enfin, il propose six stratégies d’atténuation : construire de meilleurs ensembles de données, développer des modèles inclusifs, former des modérateurs locaux, auditer les algorithmes, mettre en place des politiques et régulations, et éduquer les citoyens dans leurs langues. Il conclut en insistant sur la nécessité de rendre l’inclusion linguistique centrale dans les discussions sur l’IA et la démocratie en Afrique.

305 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur certaine en mettant en lumière un problème souvent négligé : l’exclusion linguistique dans les systèmes numériques et ses conséquences politiques et sociales. L’argumentation est structurée et progressive : elle part d’un exemple concret, définit les concepts clés, présente des études de cas et des références académiques, puis propose des solutions. La force de l’argumentation réside dans la mise en évidence des mécanismes par lesquels les biais algorithmiques renforcent les inégalités existantes. Cependant, certaines affirmations auraient gagné à être plus nuancées, comme l’idée que les algorithmes sont intrinsèquement biaisés, et certaines références sont citées sans être clairement contextualisées. La dimension politique est bien traitée, mais on peut regretter un manque de données chiffrées précises pour étayer les propos.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est globalement bonne : le professeur cite des études récentes et des rapports institutionnels, et il prend soin de distinguer les concepts. Cependant, certaines sources sont mentionnées de manière vague (par exemple, ‘des études montrent’) sans donner les références complètes. La qualité des sources est correcte, avec des références comme Cariolle (2024) dans World Development, Chonka (2023) dans Media, Culture & Society, et le rapport CIPESA (2025). L’adéquation entre le titre et le contenu est bonne : le titre annonce clairement les thèmes abordés, et la vidéo les traite effectivement. On peut toutefois noter que le titre est en anglais alors que la vidéo est en anglais également, ce qui est cohérent. Aucun commentaire n’est fourni, donc aucune analyse des tendances du public n’est possible.

265 mots

Adéquation titre / contenu

Le titre correspond bien au contenu : la vidéo traite de la désinformation, de la politique et des biais algorithmiques en lien avec l'exclusion des langues africaines.

Qualité & fiabilité

7/10

Le cours s'appuie sur des références académiques récentes (Cariolle 2024, Chonka 2023, Shahid et al. 2025) et des rapports institutionnels (CIPESA 2025), mais certaines affirmations manquent de nuances et les sources ne sont pas systématiquement citées de manière exhaustive.

Moments clés

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

Sources citées

Sources concordantes

  • Cariolle, J. (2024). Misinformation technology: Internet use and political preferences in Africa. World Development, 177, 106358. — Étude citée sur l'impact de la désinformation sur la confiance dans les institutions
  • Chonka, P. (2023). Algorithmic power and African indigenous languages. Media, Culture & Society, 45(8), 1562–1579. — Article sur le pouvoir algorithmique et les langues africaines
  • Shahid, F., Elswah, M., & Vashistha, A. (2025). Think outside the data: Colonial biases and systemic issues in automated moderation pipelines for low-resource languages [Preprint]. arXiv. — Prépublication citée sur les biais coloniaux dans les pipelines de modération

Apport & nouveautés

Cette vidéo apporte un éclairage original sur l’intersection entre désinformation, politique et biais algorithmiques en Afrique, en mettant l’accent sur l’exclusion linguistique. Elle propose une synthèse accessible de travaux récents et offre des pistes concrètes pour remédier à ces inégalités. L’approche pédagogique, avec des exemples concrets et des questions de réflexion, en fait une ressource utile pour les étudiants et les chercheurs.

Pour aller plus loin :

126 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une qualité correcte, mais un niveau technique moyen et une fiabilité globale modérée. Cela reflète un cours de vulgarisation universitaire qui s'appuie sur des sources sérieuses mais qui reste accessible à un large public.

Fiabilité 7/10