Ce stage est proposé au sein de l'équipe de recherche
(https://recherche.ina.fr) de l'INA.

La confiance dans les médias est aujourd'hui fortement questionnée,
notamment en raison de la perception de biais politiques ou de
traitement inégal de l'information. Historiquement, la régulation des
médias audiovisuels en France impose un pluralisme interne à chacun
d'entre eux, ce qui se matérialise par un décompte du temps de parole
des invités politiques sur les antennes. Récemment, une décision du
Conseil d'État vient préciser le cadre de cette régulation et demande à
l'Arcom de tenir compte d'autres critères dans ses évaluations afin de
s'assurer que les diffuseurs « respectent l'exigence légale d'expression
pluraliste des courants de pensée et d'opinion ». En conséquence, il
faut maintenant considérer « la diversité des intervenants, des
thématiques et des points de vue exprimés » pour apprécier l'expression
du pluralisme. La notion de pluralisme dans ce contexte est encore mal
définie et doit donc nécessairement faire l'objet d'un travail plus
approfondi dans les disciplines des sciences humaines concernées (a
minima sociologie, sciences politiques, information & communication et
économie des médias) en lien avec le régulateur, les pouvoirs publics et
les diffuseurs.

L'objectif de ce stage est d'étudier la faisabilité d'une approche
quantitative en traitement du langage naturel pour mesurer la pluralité
des points de vues exprimés à l'antenne dans l'évocation de différents
sujets de société. Est-il possible de définir une (très probablement
plusieurs) métrique opérationnelle permettant de mesurer ce type de
pluralisme ?

Une première étape consistera à explorer la bibliographie de
l'extraction d'arguments (argument mining) et ses récentes évolutions
liées à l'arrivée des modèles de langue. En partant de quelques sujets
de société bien définis, nous pourrons expérimenter les approches les
plus prometteuses sur un corpus d'articles de presse en établissant de
façon empirique la liste des différentes opinions sur ces sujets. L'idée
est de mesurer la performance des algorithmes à extraire correctement
des points de vue différents sur un même sujet. Nous mettrons ensuite à
profit les ressources documentaires de l'INA pour constituer des corpus
audiovisuels traitant de ces sujets et nous aurons accès aux
transcriptions de ces contenus déjà réalisées avec Whisper. Nous devrons
alors adapter les approches testées sur la presse aux spécificités des
médias audiovisuels (langue orale vs. écrite, dialogue, erreurs de
transcription) et les évaluer. Nous prévoyons d'utiliser les deux types
de modèles de langues: discriminatifs de type Bert et LLMs génératifs
qui sont par ailleurs étudiés dans l'équipe au sein des projets
Pantagruel et ArGiMi.

La seconde étape du stage doit permettre de proposer plusieurs métriques
basées sur l'extraction d'arguments pour pouvoir comparer les médias
entre eux, voire les positionner par rapport à un point de référence.
Nous veillerons notamment à préférer des approches de continuum plutôt
que des métriques binaires, forcément trop manichéennes et réductrices.
Ces métriques seront testées sur un corpus large d'émissions de télé et
radio afin d'émettre un premier avis sur la faisabilité de leur mise en
place, leurs limites ainsi que les pistes de recherche en informatique
que nous aurons identifiées.

Ainsi les principales tâches envisagées sont les suivantes :

-   bibliographie et état de l'art
-   expérimentation et évaluation de quelques approches de
    caractérisation de la pluralité des arguments sur un corpus de
    presse écrite
-   adaptation de l'approche et expérimentations sur un corpus
    audiovisuel
-   proposition de métriques


Profil recherché:

-   Étudiant·e en dernière année d'un bac +5 dans le domaine de
    l'informatique et de l'IA
-   Forte appétence pour la recherche académique souhaitant poursuivre
    en thèse
-   Bonne compétences en programmation, maîtrise de Python et expérience
    dans l'utilisation de bibliothèques de ML/NLP (Sklearn, Pytorch,
    Transformers)
-   Capacité à effectuer des recherches bibliographiques
-   Intérêt pour les sciences sociales computationnelles et les enjeux
    médiatiques du débat politique / démocratique
-   Très bonne compréhension du français oral
-   Rigueur, synthèse, autonomie, capacité à travailler en équipe


Détails sur le stage disponibles sur cette page :
https://www.ina.fr/institut-national-audiovisuel/equipe-recherche/stages