Cet article propose un nouveau modèle utilisant des graphes de connaissances (GC) pour la vérification automatisée des informations sur la COVID-19 en indonésien. Afin de surmonter les limitations de performance des méthodes existantes d'inférence en langage naturel (NLI) basées sur l'apprentissage profond, nous nous concentrons sur l'amélioration des performances du NLI en exploitant les GC comme connaissances externes. Le modèle proposé se compose de trois modules : un module de faits, un module NLI et un module de classification. Il traite les informations des GC et les relations sémantiques entre les prémisses et les hypothèses données pour obtenir le résultat final. En utilisant l'ensemble de données de vérification des informations sur la COVID-19 en indonésien et le GC COVID-19 en indonésien, nous avons obtenu une précision de 0,8616, démontrant l'efficacité de l'utilisation des GC.
