Expertises des Systèmes d'information - Le mensuel du droit de l'informatique et du multimédia - Octobre 2016 - n°417 - 333

intervalles suffisamment irréguliers. De
tels «bots» peuvent contribuer à la diffusion de rumeurs, de fausses accusations,
ou d'informations non vérifiées, notamment en «retweetant» automatiquement.
Bien des utilisateurs le font déjà sans
confirmation des faits ou de la crédibilité
de la source. Des outils comme Retweet,
Tweetadder ou TweetReach, déjà utilisés
pour accroître un réseau d'amis ou la
popularité d'une personne, d'une organisation ou d'un produit, pourraient amplifier la diffusion.
Les réseaux sociaux en ligne(23) sont
donc menacés par les «bots» sociaux
liés à des comptes dont les comportements imitent les utilisateurs humains
avec des intentions malveillantes(24).
Ainsi, un «botnet social» se rapporte à un
groupe de «bots» sociaux sous le contrôle
d'un «bot herder», qui collaborent dans
un but malveillant, en imitant les interactions des utilisateurs légitimes, afin
de réduire le risque individuel de détection. En outre, il est montré par J. Zhang
et al. (2016) que le recours à un «botnet
social» est plus avantageux et plus efficace pour la distribution de «spams»(25)
et pour des opérations d'influence, avec
des effets potentiellement néfastes.
Des «bots» sociaux ont déjà été employés
pour infiltrer le discours politique, voler
des informations personnelles, répandre
de fausses informations et manipuler le
marché boursier. Parmi les possibilités,
il faut souligner la capacité de cyberattaques, posant des problèmes de sécurité, en même temps que la capacité d'influence, en montant des opérations contre
des groupes d'opposition politiques ou
dissidents, des sociétés cotées en bourse,
etc. Selon certaines évaluations, plus
de la moitié des détenteurs d'un compte
Twitter seraient en réalité des «bots».
De tels écosystèmes présentent des défis
à relever et de nouvelles dimensions
pour émuler, en plus du contenu, l'expression de sentiments, en visant à changer les comportements. Leur détection
est un axe important de recherche, alors
que le test de Turing reste encore un outil
essentiel(26).

LES «BOTS» SOCIAUX
À LA MANŒUVRE
Le nouveau défi à relever pour
ces «bots» tient au fait qu'une information
peut devenir très populaire ou largement
approuvée par un grand nombre, indépendamment de son exactitude, pour

exercer une influence significative, voire
considérable, du seul fait de la loi d'action
de masse(27), et de surcroît, sans limite territoriale, dans le monde entier.
De plus en plus des faits sont rapportés
concernant les «bots» sociaux avec des
conséquences négatives, comme par
exemple, sur la stabilité des marchés(28),
avec des réclamations et la nécessité de
réagir à des signaux impropres ou à de
fausses rumeurs(29). D'autres ont eu pour
but de renforcer ou d'affaiblir artificiellement un soutien politique(30).
Il faut s'attendre à des manoeuvres
d'influence, alimentées par de fausses
informations ou des propos calomnieux, avec comme conséquences des
dommages sociaux ou politiques causés
par des «bots» sociaux. Certaines pourraient alors être en mesure de menacer les fondements démocratiques, par
exemple, en initiant de graves troubles ou
en mettant des élections sous influence.
Selon B. Solis (2012), l'influence numérique en ligne peut être définie comme «la
capacité de causer un effet, de changer le
comportement, et de conduire à des résultats mesurables en ligne». Un cadre peut
être établi en trois dimensions que sont
la portée, liée à la popularité, à la proximité et à la bonne volonté ; la résonance,
du fait de la fréquence, de la période et
de l'amplitude des signaux ; et la pertinence, liée à l'autorité, à la confiance et à
l'affinité. Ce cadre peut être employé par
les «bots» sociaux pour disposer de stratégies efficaces, en modulant l'ensemble de
ces critères.

STRATÉGIES
D'INFILTRATION DES
«BOTS» SOCIAUX
Selon Y. Boshmaf, et al. (2013), l'infiltration par un «bot» social sur Facebook
serait liée au fait que plus de 20% des
utilisateurs acceptent aléatoirement des
demandes de nouveaux amis et que plus
de 60% acceptent ces demandes de la part
de comptes avec au moins un contact. Il a
aussi été montré par J. Zhang et al. (2016)
que de simples mécanismes automatisés
peuvent infiltrer avec succès les réseaux
sociaux comme Twitter, et C.A. Freitas et
al. (2015) indiquent qu'ils sont capables
de produire des contenus crédibles et
d'adopter de bonnes stratégies d'infiltration et d'influence.
En se fondant sur les émotions et sur
la contagion(31), certains «bots» sociaux

EXPERTISES OCTOBRE 2016

évasifs seraient donc en mesure de toucher
l'inconscient collectif en infiltrant(32) des
populations, par des manœuvres ayant
pour objectif d'affecter leur perception.
Les résultats déboucheraient sur une
situation chaotique, au sens théorique du
terme, tant elle serait à la fois prévisible
et imprévisible, dans un but clairement
dirigé vers la déstabilisation d'un groupe,
d'une société, d'un Etat, etc(33).

DÉTECTION DES
«BOTS» SOCIAUX
Un des grands défis pour la détection
des «bots» sociaux est qu'ils sont de
plus en plus sophistiqués pour rendre
floue la frontière comportementale entre
le «bot» et l'humain. Ils sont déjà capables
de trouver des informations sur l'Internet et dans des bases de données, pour
émuler le comportement humain : activités, profil, messages et conversation
en direct, etc., et notamment de rechercher des personnes influentes et des
contenus intéressants, à l'aide d'indices
de popularité et de mots-clés. Suite à la
détermination d'un contenu approprié,
un «bot» social est alors en mesure d'apporter des réponses en langage naturel.
Il lui faudra ensuite disposer d'une identité, en prenant celle d'une personne
légitime, pour en reproduire au mieux le
comportement.
La communauté scientifique s'est maintenant engagée dans la conception
de méthodes avancées pour être en
mesure de détecter automatiquement
les «bots» sociaux ou, en tout cas, de
permettre la distinction entre un humain
et un «bot». Diverses approches pour la
détection des «bots» sociaux sont vues
dans la littérature scientifique. E. Ferrara
et al. (2016), en propose trois. L'une se
fonde sur l'étude des liens des utilisateurs
légitimes en ayant recours au graphe
du «botnet social». L'autre s'appuie sur une
plateforme sociale d'essai de Turing ayant
une capacité d'évaluation des nuances
d'ordre conversationnel et des anomalies.
La dernière repose sur des caractéristiques de plusieurs classes : réseau,
utilisateurs, amis, temporalité, contenu
et sentiment. Alors qu'Alvisi et al. (2013)
ont d'abord identifié le besoin de techniques de détection complémentaire,
il nous paraît préférable d'envisager
la combinaison d'approches multiples
au vu de difficultés liées au fait que

333

Table des matières de la publication Expertises des Systèmes d'information - Le mensuel du droit de l'informatique et du multimédia - Octobre 2016 - n°417