Contenu

Vous êtes iciAccueil » Économie » Une


Plus efficace que Tripadvisor

Economie._Tripadvisor.jpg

Economie._Tripadvisor.jpg

Umberto Grandi, chercheur à l’Institut de Recherche en Informatique de Toulouse, a conçu un algorithme de réputation non manipulable, basé sur des avis de gens qui nous sont proches. Le Tripadvisor de demain ?

8 mars 2017 imprimer en PDF

Qui n’a jamais choisi un restaurant ou l’hôtel de ses prochaines vacances sous l’influence d’un commentaire Tripadvisor publié sur internet ? Incroyable quand on pense que nos choix sont alors dictés par des commentaires anonymes, dont on ne peut pas vérifier la véracité ! C’est ce constat qui a conduit Umberto Grandi à mener des recherches sur ce thème avec Paolo Turrini de la Warwick university (UK). 

« Nous avons pensé que, plutôt que de nous baser sur l’avis de n’importe qui, il valait mieux nous fonder sur l’avis de ceux qui nous sont proches sur les réseaux sociaux, » explique le chercheur. « Ainsi, si je vais sur Facebook pour demander à mes amis quel est le meilleur restaurant, ils me donneront leurs conseils et je leur ferai confiance car je connais leurs goûts culinaires. » 

Mais ce n’est pas le seul avantage. En réalité l’algorithme mis au point par Umberto Grandi permet surtout d’éviter d’être trompé par des « avis d’utilisateur» diffusés contre rémunération par des agences de e-réputation, et qui améliorent artificiellement le classement d’un établissement. « Nous nous sommes rendu compte que les systèmes de réputation actuels comme Tripadvisor sont vulnérables, car très ouverts à ces faux avis qui faussent les classements en ligne», détaille-t-il. 

Des faux avis moins rentables

Umberto Grandi démontre qu’une « attaque » de faux avis devient très coûteuse lorsqu’on utilise son algorithme. «On ne peut pas soudoyer les proches de tous les internautes. Dès lors, les retours sur investissement d’un avis manipulé deviennent dérisoires», décrit le chercheur.   

Proposé uniquement dans des cercles restreints, l’algorithme d’Umberto Grandi est plus difficile à attaquer. « En effet, il faudrait pour cela connaître le réseau et le positionnement de ses membres : une combinaison difficile à trouver. »

Noter les fournisseurs  

Le travail de recherche d’Umberto Grandi a aussi des applications, hors de l’univers du tourisme et de la restauration. Dans le monde de l’entreprise par exemple, on peut imaginer un système de notation des fournisseurs industriels par plusieurs sociétés. Sur Internet, le grand public pourrait aussi noter des vendeurs sur e-bay, des chansons proposées sur Spotify, ou des films sur Netflix...    

Mais l’enjeu de ces algorithmes, qui garantissent des systèmes de réputation fiables et non manipulables, va bien au-delà de la simple amélioration de nos prises de décision. 

En effet, nous confions désormais nos choix de consommation à des logiciels d’intelligence artificielle. « C’est le cas avec les bots développés par Google Home ou Amazon (Alexa) qui doivent décider chaque jour à qui acheter ce qu’on leur commande. Face à eux, les « vendeurs » sont aussi des logiciels d’intelligence artificielle qui font tout ce qu’ils peuvent pour fausser ou améliorer leur réputation. Dans ce contexte, le service ne pourra être correct que si les bots disposent de systèmes de réputation non manipulables. »

 

Umberto Grandi

Maître de conférences à l’Université Toulouse Capitole, responsable pédagogique du Master Miage Systèmes d’informations innovants, Umberto Grandi effectue ses recherches dans le cadre de l’Institut de Recherche Informatique de Toulouse (IRIT). Ses travaux portent principalement sur les liens entre intelligence artificielle et économie.



Empêcher la triche





Pour aller plus loin

Le blog d’Umberto Grandi (en italien)

A network-based rating system and its resistance to bribery, Umberto Grandi et Paolo Turrini, International Joint Conference on Artificial Intelligence, 2016.

Learning agents for iterative voting, Stéphane Airiau, Philip Studzinski Perotto  et Umberto Grandi, International Conference on Algorithmic Decision Theory, 2017.

 
Universit� Toulouse 1 Capitole