Comment créer un outil de suivi des affirmations et de la désinformation sur YouTube

Le problème résolu

Les fact-checkers peuvent fouiller les plateformes textuelles, mais la vidéo reste largement opaque. Les affirmations sont répétées avec des formulations légèrement différentes sur des dizaines de chaînes, et documenter leur propagation impose de regarder des heures de vidéo. Les chercheurs ont besoin de transcriptions consultables, d'une correspondance sémantique pour les paraphrases et d'une trace vérifiable de chaque occurrence.

Ce que doit inclure votre première version

• ■Surveillance d'un ensemble défini de chaînes
• ■Recherche sémantique des paraphrases d'une affirmation, pas seulement de la formulation exacte
• ■Une chronologie montrant la première apparition et la propagation
• ■Des citations avec liens horodatés pour vérification
• ■Des preuves exportables pour les rapports et publications

Comment le construire, étape par étape

1. 01

   Collecter les transcriptions

   Résolvez les chaînes concernées et traitez par lot leurs vidéos sur votre période. Continuez à surveiller les nouvelles vidéos si l'étude est en cours.

2. 02

   Vectoriser les segments

   Créez des embeddings pour chaque paragraphe de transcription afin de retrouver les propos de sens similaire.

3. 03

   Rechercher l'affirmation

   Vectorisez plusieurs formulations de l'affirmation, récupérez les passages similaires et faites confirmer par un relecteur ou un LLM ceux qui la formulent réellement.

4. 04

   Construire la chronologie

   Classez les correspondances confirmées par date de publication et exportez-les avec la chaîne, la citation et le lien horodaté.

Code de démarrage

Cette idée repose sur le modèle « Recette 2 : surveiller des chaînes et alerter à chaque nouvelle vidéo ». Remplacez par vos propres chaînes, prompts et stockage.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

WATCHLIST = ["@somechannel", "@anotherchannel"]
KEYWORDS = ["your brand", "competitor"]
seen = set()  # persist this in a database in production

for handle in WATCHLIST:
    latest = requests.post(f"{API}/channels/resolve", headers=HEADERS,
                           json={"handle": handle, "limit": 10}).json()
    for video in latest["items"]:
        if video["video_id"] in seen:
            continue
        seen.add(video["video_id"])
        t = requests.post(f"{API}/transcribe", headers=HEADERS,
                          json={"video": video["video_id"]}).json()
        text = t.get("data", {}).get("transcript", {}).get("text", "").lower()
        hits = [k for k in KEYWORDS if k in text]
        if hits:
            print(f"ALERT {video['title']}: {hits}")

Pourquoi ça vaut la peine de le construire

Les organisations de fact-checking et les groupes de recherche gagnent en rapidité et en preuves vérifiables. Les équipes trust & safety et les sociétés de veille médias paieront pour des outils qui couvrent la vidéo.

Erreurs à éviter

• ✕Prendre les correspondances automatiques pour des conclusions : faites toujours confirmer par un humain avant publication.
• ✕Ne rechercher que des expressions exactes : les affirmations mutent, utilisez la recherche sémantique avec plusieurs formulations.
• ✕Perdre la provenance : conservez l'identifiant de la vidéo, l'horodatage et la date de collecte pour chaque citation.

Questions sur cette idée