Le vandalisme dans l’information géographique volontaireDétection de l’IG volontaire vandalisée: Du concept à la détection non supervisée d’anomalie

Dans un contexte où le vandalisme de l’information géographique volontaire constitue une réelle menace pour la qualité des données, cet article propose une technique permettant de le détecter. Tout d’abord, nous examinons les différentes définitions du vandalisme, mettant en avant la complexité de cette notion. Une étude des cas déjà avérés de vandalisme dans OpenStreetMap (OSM) est présentée. Puis, nous expérimentons la détection du vandalisme des données OSM en utilisant une méthode de détection d’anomalie par classification non supervisée. L’analyse de nos résultats initiaux conduit alors à une discussion sur la pertinence de construire un corpus de vandalisme des données OSM utilisable dans un contexte de classification supervisée. Since vandalism is a serious matter for the quality of Volunteered Geographic Information, this paper aims at exploring machine learning techniques that enable its detection. First, a focus on the various definitions of vandalism highlights the complexity of this concept. This focus comprises a case study on proven vandals in OpenStreetMap (OSM). Second, we present an experimental vandalism detection on OSM data using a clustering-based outlier detection. The analysis of initial results leads to a discussion about the construction of an OSM vandalism corpus that would be useful in a supervised learning context.