Mémoire présenté en cotutelle : Université Laval, Québec, Canada, Maître en droit (LL. M.) et Université Paris-Saclay, Cachan, France, Master (M.). / La présente étude met en lumière le développement d'une nouvelle sorte d'institution à caractère judiciaire : le Facebook Oversight Board (ci-après « FOB »). Cet organe a pour fonction de trancher les litiges découlant de la modération de contenu des plateformes appartenant à l'entreprise multinationale Meta, Facebook et Instagram. Comme le FOB est une nouvelle initiative, l'inconnu persiste autour de son fonctionnement et du champ de sa compétence. Cet organe répond à certains besoins des utilisateurs des deux plateformes et de la population en général, mais en même temps il sert à Meta d'instrument de légitimation. D'ailleurs, il commence à y avoir un intérêt des gouvernements et des législateurs à l'égard de ce type d'instrument. La Commission européenne a récemment adopté une loi comprenant des dispositions inspirées de celles instituant le FOB. En plus d'examiner les caractéristiques de cet organe par l'étude des documents encadrant son organisation et son fonctionnement, ce mémoire analyse de manière critique son statut à la lumière des qualités essentielles d'un tribunal : l'indépendance et l'impartialité. / This study puts light on a new form of judicial institution: the Facebook Oversight Board (FOB). This institution's function is to solve disputes arising from content moderation on social media websites belonging to the multinational company Meta, Facebook and Instagram. Considering the FOB is a new initiative, mystery lingers around its operation and its scope. This institution meets some of the users' needs on both social media platforms as well as the general population's needs, but it also serves as a legitimization tool for Meta. Moreover, governments and legislators are starting to show interest towards this type of instrument. The European commission has recently passed legislation containing provisions resembling the FOBs. In addition to analyzing this institution's characteristics by studying the documents governing its structure and its operations, this thesis critically analyzes its status according to the essential qualities of a tribunal: independence and fairness.

Titre de l'écran-titre (visionné le 8 août 2023) / La pandémie de COVID-19 a été un sujet de discussion important sur les réseaux dans les dernières années. Le grand nombre de messages qui y ont circulé ont facilité la dissémination de fausses nouvelles au sujet des vaccins et ont contribué à la création d'un environnement d'échanges en ligne toxique. Cette réalité a mis en évidence l'importance de bien comprendre comment l'information circule à travers les discussions publiques en ligne, dans le but de faciliter la diffusion de messages positifs, tout en limitant la propagation de fausses nouvelles. Dans ce mémoire, une nouvelle méthode permettant d'extraire la structure de conversations en ligne au sujet de la COVID-19 est développée et présentée. Cette méthode est basée sur l'entraînement de modèles cachés de Markov, initialisés à partir d'une stratégie de biclustering d'importants attributs des messages. Cette méthode est mise en application sur un jeu de données de conversations Facebook en lien avec la COVID-19, ce qui permet de démontrer qu'elle parvient à extraire la structure des conversations de manière efficace, tout en identifiant les principaux thèmes des messages. De plus, on démontre comment le diagramme de transition des conversations extrait grâce à la méthode peut être utilisé pour simuler les impacts de différentes stratégies de modérations, ce qui permet de facilement développer et tester de nouvelles stratégies pour limiter la circulation de messages nocifs. Bien que la méthode présentée dans ce mémoire se concentre sur les conversations en lien avec la pandémie de COVID-19, elle demeure suffisamment générale pour pouvoir être appliquée sur des données obtenues lors de futures pandémies ou autres crises similaires, ou pour développer de meilleures pratiques de communication sécuritaires pour les communautés en ligne de manière générale. / The COVID-19 pandemic was an important topic of discussion on online social networks (OSNs). The large volume of messages exchanged has facilitated the spread of misinformation surrounding vaccines and created a toxic online environment. This has highlighted the importance of understanding how information flows in public online discussions in order to facilitate the dissemination of positive messages and factual information in the future. In this thesis, we propose a novel unsupervised method to discover the structure of online COVID-19-related conversations. Our method trains a Hidden Markov Model (HMM) initialized from a biclustering of the messages' features. We apply our method on Facebook conversations following COVID-19 news items, and show that it can effectively extract the conversation structure and discover the main themes of the messages. Furthermore, we demonstrate how the conversation graph discovered can be used to simulate the impact of different moderation strategies, which makes it possible to easily develop and test new strategies to limit the spread of harmful messages. Although our work in this thesis focuses on the COVID-19 pandemic, the methodology is general enough to be applied to handle communications during future pandemics and other crises, or to develop better practices for online community moderation in general.