La méthode basée sur la grammaire égale ou surpasse l'IA dans l'analyse de paternité d'œuvres.

Une nouvelle étude de l'Université de Manchester remet en question l'hypothèse selon laquelle l'IA complexe produit toujours de meilleurs résultats pour les tâches d'analyse linguistique. Les chercheurs dirigés par le Dr Andrea Nini ont développé LambdaG, une méthode basée sur la grammaire pour la vérification de paternité qui offre des performances comparables ou supérieures à celles des systèmes d'IA avancés.

Comment fonctionne LambdaG

LambdaG analyse les modèles grammaticaux plutôt que de s'appuyer sur des modèles d'apprentissage automatique à grande échelle. Il construit un profil statistique des styles d'écriture individuels en mesurant des caractéristiques telles que :

• L'utilisation des mots fonctionnels (comme "il", "de", "le")
• La structure des phrases
• Les modèles de ponctuation
• D'autres habitudes grammaticales

Les chercheurs décrivent ces caractéristiques comme créant une signature comportementale distinctive pour chaque auteur, similaire à la façon dont les individus développent une écriture ou une démarche unique.

Résultats de performance

L'étude a testé LambdaG sur 12 ensembles de données d'écriture réels conçus pour refléter des scénarios pratiques :

• E-mails
• Messages sur des forums en ligne
• Avis de consommateurs

Dans la plupart des cas, LambdaG a atteint une précision plus élevée que plusieurs systèmes établis de vérification de paternité, y compris les approches basées sur des réseaux neuronaux. La méthode a égalé ou dépassé les principaux systèmes d'IA dans la plupart des ensembles de données de test.

Avantages clés par rapport aux systèmes d'IA

Alors que de nombreux systèmes actuels de vérification de paternité reposent sur des modèles d'IA complexes entraînés sur de vastes ensembles de données, LambdaG offre plusieurs avantages pratiques :

• Plus grande transparence : Montre quels modèles grammaticaux ont influencé les décisions, contrairement à de nombreux modèles d'IA qui fonctionnent comme des boîtes noires
• Coût de calcul inférieur : Ne nécessite pas les ressources informatiques importantes des grands modèles d'IA
• Explicabilité : Fournit des explications claires pour les conclusions, le rendant adapté à des contextes à enjeux élevés comme les enquêtes judiciaires

Applications potentielles

Les chercheurs identifient plusieurs cas d'utilisation pratiques pour cette méthode :

• Linguistique médico-légale
• Enquêtes criminelles
• Détection des abus en ligne
• Surveillance de l'intégrité académique

Le Dr Nini note : "Il y a une hypothèse croissante selon laquelle vous avez besoin d'une IA complexe pour résoudre des problèmes comme l'analyse de paternité, mais nos résultats montrent que ce n'est pas nécessairement le cas. En ancrant notre approche dans la science du fonctionnement réel du langage, nous pouvons obtenir des résultats tout aussi bons — et souvent meilleurs — tout en étant plus transparents."

L'étude a été publiée dans Humanities and Social Sciences Communications avec le DOI : https://doi.org/10.1057/s41599-025-06340-3.