De nouvelles armes contre les faux avis du Net : « Les Algorithmes contextuels »

Un problème rencontré par beaucoup d’acteurs du web marketing dont l’attractivité repose sur les avis consommateurs : Comment garantir la véracité des avis consommateurs postés sur leurs plateformes ? De nouvelles méthodes innovantes et high-tech ouvrent de nouvelles perspectives

 

Chaque jour, nous découvrons des arnaques de plus en plus subtiles et recherchées : Faux avis auto-rédigés, faux avis de la concurrence, modération subjective des avis négatifs…
En France la législation créée ces dernières années est enfin en vigueur, avec jusqu’à 300 000€ d’amende et 1 à 2 ans de prison pour les gérants d’entreprises menant ce genre d’action. Malgré cela, on est toujours à un taux d’anomalie de presque 50% et très peu de sanctions ont été appliquées. Pour certaines entreprises digitales, les avis consommateur sont leur cœur de métier, le centre de leur activité. Nous pouvons citer Trip Advisor, qui affirme avoir publié 180 millions d’avis depuis la création du site en 2000.  Pour lutter contre les abus, l’entreprise s’est doté de systèmes informatiques dernier cri qui tracent et ciblent les anomalies. Certaines informations sont récupérées, telles que l’adresse IP, le navigateur, la taille de l’écran etc…

 

 

Ces systèmes préparent le terrain, avant qu’une équipe de 200 spécialistes en contenu vienne analyser les « suspects ».  Malgré toutes ces précautions, ça ne suffit pas, l’ASA (l’autorité britannique de régulation) a interdit à Trip Advisor d’utiliser des slogans tels que « trusted advice from real travelers» ce qui est un affront pour eux. Un autre site américain de recommandation en restaurants et bars, appelé « Yelp » rejette un quart de tous les avis postés sur son site, jugés soit faux soit inutiles. L’étape suivante est d’identifier précisément « les mensonges et les menteurs » en ligne. Selon Tom Meservy spécialiste des systèmes d’information, les menteurs mettent plus de temps que les autres à écrire des messages pourtant plus courts, et qu’ils modifient plus souvent.

 

Selon Andreas Munzel, jeune chercheur allemand : « Dans leur forme actuelle, les algorithmes ne peuvent pas être fiables à 100%, car ils se contentent généralement d’analyser uniquement le texte des avis ». Munzel propose une analyse contextuelle qui ferait appel à d’autres données complémentaires et plus spécifiques. Par exemple, examiner la cohérence des avis avec ce qui a déjà été publié à cet endroit, identifier l’auteur grâce à du ciblage, lire les avis qu’il a déjà publié (quand, où, comment). L’idée est de combiner de façon automatique les deux analyses : L’approche textuelle des algorithmes, et l’approche contextuelle et plus poussée qu’il préconise.

La norme Afnor co-créée par la DGCCRF est une très bonne solution, obligeant les acteurs à la transparence et à la vérification systématique. Mais hélas, cette norme n’est quasiment pas suivie par les acteurs du web, avec à peine une dizaine d’entreprises en France étant certifiés.

avis_internaute_brad_pict_fotolia

 

Leave a Reply

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *