Une heure de sommeil en plus rend les adultes 4 % plus attentifs
Dormir une heure de plus augmente l'attention de 4 % chez les adultes, selon une étude en accès libre.
SYNESIA est un projet européen gratuit qui fait deux choses : des outils pour retrouver, comparer et analyser les récits de désinformation, même écrits dans une autre langue, et des formations pour apprendre à les reconnaître.
SYNESIA, pour « Systemic Network for European Scrutiny & Information Architecture »
Vous apportez la matière : un lien, un PDF, un texte collé ou la page que vous lisez, grâce à l'extension du navigateur. Chaque outil affiche son résultat et dit ce qu'il ne sait pas. Un compte Mythodologie gratuit suffit.
Collez un texte : SYNESIA retrouve, parmi les documents versés par les membres, ceux qui racontent la même chose, y compris dans une autre langue.
Examiner une source, relever les affirmations d'un article, comparer deux versions d'un récit, repérer des publications presque identiques postées en rafale, remettre des événements dans l'ordre.
Modules de formation, jeux pédagogiques et défi hebdomadaire pour apprendre, en classe ou seul, à reconnaître les techniques de manipulation.
À chaque partage, le message se déforme. Les nuances disparaissent, les affirmations deviennent extrêmes et le contexte original se perd. L'Europe fait face à un défi sans précédent pour son écosystème informationnel.
Une animation scénarisée, sur des exemples inventés : rien n'y est analysé en direct. Ses quatre étapes montrent comment vous versez la matière (lien, PDF, texte collé, extension navigateur), comment le moteur de regroupement relie la même histoire d'une langue à l'autre (dans les pages versées par les membres, ou à défaut un corpus de démonstration intégré), puis, à partir de ce que vous fournissez, comment tracer la propagation d'une affirmation et repérer des publications probablement coordonnées (quasi-doublons, pics temporels).
La désinformation reste rarement dans un seul pays ou une seule langue. Ce globe animé illustre l'idée : chaque arc figure un narratif qui passe d'un pays à l'autre. Il ne montre aucune donnée : les arcs sont tirés au hasard entre une liste fixe de capitales, et aucun outil de Synesia ne l'alimente.
Le document cité existe, il est en accès libre, on peut le retrouver. Le saut entre ce qu'il dit et ce qu'on lui fait dire n'est écrit nulle part. Alors quelqu'un l'ouvre, met les deux phrases dans la même mesure et consigne ce qui a changé. Regrouper ces reprises d'une langue à l'autre et les mettre en ordre de date : Synesia ne le fait pas encore.
Exemple fabriqué pour la démonstration : aucun média, aucune revue, aucune étude, aucune personne réels. L'identifiant utilise 10.5555, le préfixe de test réservé par la DOI Foundation, et n'est volontairement pas un lien.
Traçabilité d'une citation, exemple fabriqué. Un quotidien fictif écrit que dormir une heure de plus augmente l'attention de 4 % chez les adultes. Un vérificateur ouvre le document cité, en accès libre, sous un identifiant fictif : le document dit qu'une heure de sommeil de plus est associée à +4 % d'attention chez 214 collégiens suivis six semaines, et ajoute qu'il ne peut pas exclure d'autres facteurs. Le chiffre est le même ; l'objet, la portée et le verbe ont changé, et la réserve est absente. Le vérificateur renseigne la relation : la source étaye partiellement. Sur une deuxième affirmation du même article, la même procédure donne : la source étaye. Synesia regroupe 24 articles citant ce document en quatre langues et les met en ordre sur onze jours : le verbe passe de « est associée à » à « prouve », la réserve tombe au communiqué de l'établissement et ne revient jamais, et la remontée relie la dernière reprise au document en sept sauts. Sur la chaîne, deux maillons sur quatre se résolvent ; l'article cite un autre article, sans identifiant. Sur les 24, la répartition est : étaye 7, étaye partiellement 9, n'étaye pas 4, contredit 1, indéterminable 3. Aucune de ces valeurs ne dit si l'affirmation est vraie. Dans cette section, la relation source-affirmation est renseignée par une personne ; un modèle du produit sait comparer une affirmation à un passage qu'on lui fournit, mais il ne distingue pas l'étayage partiel. Ce qu'il faut construire : un identifiant persistant sur chaque citation, l'accès libre au document cité, un registre public des rétractations, un communiqué qui n'ajoute rien à l'étude. Nécessaire, mais insuffisant.
Ici, la relation source ↔ affirmation est renseignée par une personne. Un modèle du produit sait comparer une affirmation à un passage qu'on lui fournit (étaye, contredit, indéterminable), mais il ne va pas chercher la source à votre place, et il ne voit pas l'étayage partiel, qui est le cas le plus fréquent.
Ce que l’article affirme, face à ce que la source citée dit vraiment.
Dormir une heure de plus augmente l'attention de 4 % chez les adultes, selon une étude en accès libre.
« Chez les 214 collégiens suivis pendant six semaines, en mars et avril, une heure de sommeil de plus est associée à +4 % d'attention. Nous ne pouvons pas exclure que d'autres facteurs expliquent cet écart. »
Chez les 214 collégiens suivis, une heure de sommeil de plus est associée à +4 % d'attention.
Nous ne pouvons pas exclure que d'autres facteurs expliquent cet écart. absente de l'article
Dormir une heure de plus augmente l'attention de 4 % chez les adultes.CONDITION SUPPRIMÉE
corail = mot modifié ou maillon manquant, jamais « faux »
Le document ne dit pas « augmente » : il dit « est associée à », chez 214 collégiens, sur six semaines, et il ajoute une réserve que l'article ne reprend pas.
Même procédure, deux résultats.
Deux textes défendent la même position sur le même fait. Dans chacun, on relève les entrées de trois listes de mots publiées, ramenées à 1000 mots. Ce qui diffère n'est pas la position, c'est ce que le texte vous laisse pour vérifier.
Listes de mots, statistiques de surface et identification de langue : code publié du module Influence de Synesia (stores/influence.ts). Aucun modèle entraîné, aucune mesure d'exactitude : ce module n'est pas un détecteur et ne porte pas de badge de statut outil.
Le vote du 12 août sur la zone à faibles émissions a été programmé de façon à limiter la participation.
Textes fictifs. Aucun score de véracité n'est calculé.
Détection de registre, textes fictifs. Deux textes défendent la même position sur un vote programmé en août. Le texte A écrit en registre assertif : majuscules, points d'exclamation, emoji, et les entrées des listes alarmiste et suspicieuse. Le texte B écrit en registre traçable : un numéro de délibération, une heure, un décompte de voix, des chiffres, une citation, et les entrées de la liste de nuance. Les relevés sont ramenés à 1000 mots parce que les deux textes n'ont pas la même longueur. Le relevé porte sur des entrées présentes dans trois listes de mots publiées, sur quatre langues, sans syntaxe, sans lemmatisation, sans négation et sans ironie. Où ce relevé se trompe : une alerte de sécurité civile authentique sature la liste alarmiste ; une déformation d'étude parfaitement polie ne déclenche aucune alarme ; une colère légitime a le registre d'un faux. Un relevé de registre ne dit pas si un texte est vrai, et ne le dira pas. Aucun score de véracité n'est calculé. Nécessaire, insuffisant : il faut aussi des bases de fact-checking ouvertes, la lecture latérale enseignée en classe, et des collectifs qui vérifient à plusieurs.
URGENT 🚨 Le vote sur la zone à faibles émissions est passé le 12 AOÛT. En pleine trêve estivale, quand personne ne suit. C'est évidemment volontaire. On nous cache la vérité : l'objectif était d'éviter le débat. Interdit d'en parler dans les grands médias, forcément. Réveillez-vous. Scandale total !! Partagez avant que ça disparaisse.
La délibération n° 2026-214 a été adoptée le 12 août à 18 h 40, par 23 voix sur 61 sièges ; le compte rendu est consultable en mairie. Selon le recensement de l'observatoire départemental des mobilités, la mesure semble concerner environ 18 % du parc local ; la commune, cependant, avance 12 %. Certains élus contestent donc le calendrier : « un vote d'août réduit la participation », note le rapport. Reste à vérifier si les dérogations seront accordées.
0 220 entrées pour 1000 mots
Les deux textes défendent la même position. Ce qui change, c'est ce qu'ils vous laissent pour vérifier.
54 mots / 79 mots. Chaque relevé est ramené à 1000 mots.
Listes de mots, statistiques de surface et identification de langue : code publié du module Influence (stores/influence.ts). Aucun modèle entraîné, aucune mesure d'exactitude.
Rien n'est collecté en continu : vous fournissez la matière (un lien, un PDF, un DOCX, un texte collé, ou la page courante via notre extension). Un modèle multilingue retrouve ensuite, d'une langue à l'autre, les textes les plus proches du vôtre par le sens, parmi ceux que les membres ont versés.
Les membres versent la matière à la main : lien, PDF, DOCX, texte collé, extension. Veille Google News à la demande. Pas de collecte programmée ni de connecteur social.
Extraction d'affirmations par un modèle de langage auto-hébergé, avec un repli par motifs de mots-clés FR/EN (la méthode est indiquée avec chaque résultat). La similarité compare votre texte aux narratifs versés : une distance sémantique, pas un niveau de menace. Aucun détecteur de manipulation.
Le moteur de regroupement est réel (embeddings multilingues, regroupement hiérarchique) : il réunit les pages versées par les membres quand elles racontent la même histoire, d'une langue à l'autre, et tourne sur un corpus de démonstration intégré tant qu'il n'y en a pas. Rien n'est suivi dans le temps.
Chaque outil affiche son résultat à l'écran, avec ce qu'il sait et ce qu'il ignore. Aucune alerte, aucun rapport automatisé, aucun envoi par email ou webhook.
Que vous debunkiez une affirmation virale, enquêtiez sur une campagne coordonnée, ou enseigniez l'éducation aux médias en classe, Synesia vous donne les outils.
"Je dois suivre comment un narratif climatosceptique se propage des groupes Telegram russophones aux groupes Facebook français."
"Une affirmation virale se propage dans 4 langues. Je dois trouver la source originale et tracer comment elle a été déformée."
"Je veux que mes étudiants comprennent comment fonctionne la désinformation, avec des simulations interactives qu'ils peuvent essayer eux-mêmes."
"Nous suivons un narratif autour d'une élection et voulons en garder un dossier documenté : quelle page a été publiée où, qui l'a versée et quand, et ce que disent réellement les sources citées."
Synesia se construit en toute transparence. Voici notre parcours du prototype à la plateforme européenne complète.
Recherche sur les embeddings cross-lingues, architecture de pipeline NLP, algorithmes de clustering de narratifs, prototype initial avec 4 moteurs d'analyse.
Construction de la plateforme web, assemblage du consortium à 6 pays, développement du module éducatif, et obtention du financement Creative Europe (sélectionné en 2026).
Monitoring en direct dans 6 pays, ateliers de formation avec journalistes et éducateurs, premiers rapports publics de renseignement, accès API pour les partenaires.
Publication open-source des outils principaux, extension à 12+ langues, partenariat avec les institutions UE, intégration avec les réseaux de fact-checking existants.
Un partenariat européen réunissant des expertises en éducation aux médias, fact-checking, journalisme d'investigation et recherche en IA, appuyé par 13 partenaires associés qui étendent le réseau à 13 pays.
La désinformation ne s'arrête pas aux frontières. Nous non plus. Nous construisons une coalition européenne ouverte de chercheurs, journalistes, éducateurs et technologues.
ou écrivez-nous à contact@mythodologie.fr
SourcesMIT, Vosoughi, Roy & Aral, Science (2018). Columbia & Inria, Gabielkov et al., "Social Clicks", SIGMETRICS (2016). Stanford History Education Group (2021).