Cette étude propose un effort collaboratif utilisant des outils d'IA pour résoudre la difficulté de distinguer les contenus générés par l'homme des deepfakes, due à la prolifération des modèles génératifs. Grâce à DeepFakeDeLiBot, un chatbot de consultation optimisé pour la détection de deepfakes, nous démontrons que la résolution de problèmes en groupe améliore significativement la précision de l'identification des paragraphes générés par la machine par rapport aux efforts individuels. Bien que l'utilisation de DeepFakeDeLiBot n'améliore pas significativement la performance globale, elle améliore la dynamique de groupe grâce à une participation accrue, à la recherche de consensus et à une fréquence et une diversité accrues des énoncés basés sur l'inférence. De plus, les participants qui appréciaient fortement l'efficacité de la collaboration de groupe ont également bénéficié des performances de DeepFakeDeLiBot. Cela souligne le potentiel des chatbots de consultation pour favoriser une dynamique de groupe interactive et productive tout en garantissant la précision de la détection collaborative de deepfakes.
