Cet article présente Debate-to-Detect (D2D), un nouveau cadre de détection de la désinformation qui surmonte les limites des méthodes de classification statique existantes pour lutter contre la prolifération de la désinformation sur les plateformes numériques. D2D est basé sur le débat multi-agents (MAD) et recadre la détection de la désinformation comme un débat contradictoire structuré. Chaque agent se voit attribuer un profil spécifique à son domaine et est soumis à un processus de débat en cinq étapes : remarques liminaires, réfutations, discussion ouverte, remarques finales et jugement. Au-delà de la simple classification binaire, il introduit un mécanisme d'évaluation multidimensionnelle qui évalue les arguments selon cinq dimensions : la factualité, la crédibilité de la source, la qualité du raisonnement, la clarté et les considérations éthiques. Les résultats expérimentaux obtenus avec GPT-4o sur deux ensembles de données démontrent des améliorations significatives des performances par rapport aux méthodes existantes. Des études de cas soulignent la capacité de D2D à affiner itérativement les preuves et à améliorer la transparence des décisions.
