Bonjour ! Vous avez une question ?

Naviguez sur le centre de support de Trustpilot pour trouver des infos sur les Google Seller Ratings, les Rich Snippets, les TrustBoxs, les avis produits, ainsi que des guides pour éditer vos avis et paramétrer votre compte.

Comment fonctionne notre logiciel de détection de fraude ?

Nous utilisons une combinaison robuste de processus automatisés et manuels pour protéger l'intégrité et la fiabilité de notre communauté d'avis en ligne. La clé de ces processus est notre logiciel qui détecte les faux avis, soutenu par notre équipe de conformité dédiée.

Logiciel personnalisé de Trustpilot

Pour rester fidèles à nos racines en tant que start-up tech innovante, quand Trustpilot a besoin d’un nouvel outil, nous trouvons généralement un moyen de le personnaliser ou de le créer en utilisant les compétences de notre équipe de spécialistes techniques.

Afin de détecter et supprimer les faux avis, nous avons mis en place une équipe dédiée à la construction et au perfectionnement de notre logiciel unique de détection de fraude. Jusqu'à présent, nous avons observé des résultats prometteurs, mais nous continuons de travailler dessus pour toujours l’améliorer.

De la même manière que Google ne communique pas ouvertement à propos de ses algorithmes, nous ne pouvons pas précisément révéler le fonctionnement de notre logiciel car cela irait à son encontre. Le fait de fournir tous les détails permettrait au petit nombre d'individus voulant déjouer notre système de trouver les outils dont ils ont besoin.

Cependant, nous pouvons vous dire ce que nous faisons et pourquoi nous croyons en ce que nous faisons.

La force des systèmes indépendants

Pour commencer, tous les avis sont traités de manière égale par notre logiciel. Le logiciel ne sait pas et ne prend pas en compte si une entreprise souscrit aux services de Trustpilot ou non. Conformément à notre engagement de fiabilité, nous pensons que c’est la meilleure manière d'effectuer ceci.

Le logiciel unique que nous avons créé fonctionne indépendamment et en continu (24h/24) sur notre plateforme et examine une grande quantité de paramètres comportementaux différents. Le système utilise ensuite un algorithme pour calculer la probabilité que l'avis soit faux. Ceci est représenté par un « fake score ».

Si le score d'un avis individuel est très haut, notre logiciel mettra automatiquement l'avis hors ligne et enverra un message pour notifier son auteur. À ce stade, aucun de nos employés n'est directement impliqué - tout est géré par le logiciel lui-même.

Pourquoi commencer par les facteurs comportementaux pour analyser les avis ?

Habituellement, les lecteurs d'avis inexpérimentés se concentrent sur le langage, le rythme et le ton de l'écriture - indicateurs linguistiques - pour déterminer la fiabilité des avis. En revanche, notre logiciel se penche sur les aspects comportementaux sur la base de données brutes. Il a été suggéré que les indicateurs linguistiques peuvent être la méthode la moins précise des deux méthodes** parce que les bons écrivains peuvent copier les expressions utilisées dans les avis authentiques dans le but d'induire en erreur les lecteurs.

Dans tous les cas, il faut toujours se pencher sur une gamme complète d’indicateurs. Nous ne supprimons jamais un avis sur la base d'un seul paramètre - c'est toujours plusieurs facteurs qui nous poussent à mettre les avis hors ligne.

Et même si le processus a tendance à être extrêmement précis, nous reconnaissons l'importance de donner aux auteurs la possibilité de nous contacter s'ils pensent qu'il y a eu un malentendu. Ceci arrive très rarement, mais parce que nous mettons les avis hors ligne au lieu de les supprimer quand notre système nous indique qu'ils sont faux, nous pouvons toujours les remettre en ligne ultérieurement.

Soutenir nos processus manuels

Pour vraiment s’assurer que nos processus sont robustes, nous armons les gens avec la technologie. En plus du logiciel entièrement automatisé de Trustpilot, notre équipe de conformité et nos agents de conformité spécialement formés, ont accès à des outils puissants pour les aider à analyser les comportements inhabituels ou à trouver des anomalies. Ces systèmes mettent en évidence des comportements inhabituels persistants en utilisant une plage de données.

Notre équipe peut utiliser ces facteurs pour enquêter et décider si les comportements exceptionnels indiquent des problèmes ou ont une explication logique. Ceci rentabilise les deux méthodes - la technologie signale les comportements inhabituels que l'oeil humain ne peut pas détecter, et notre équipe de conformité utilise ces éléments pour enquêter davantage.

Notre responsabilité

Nous prenons au sérieux notre responsabilité quant à maintenir la crédibilité des avis et nous enquêtons sur tous les cas qui nous sont signalés comme suspects.

Les membres de notre communauté qui veulent signaler des avis sur Trustpilot sont invités à contacter notre équipe de conformité à compliance@trustpilot.com. En savoir plus sur notre fonctionnalité "Whistleblower" ici.

* Voir : http://www.news.cornell.edu/stories/2011/07/cornell-computers-spot-opinion-spam-online-reviews

**Mukherjee, A.; Venkataraman, V.; Liu, B.; Glance, N. What Yelp Fake Review Filter Might Be Doing? International AAAI Conference on Web and Social Media, North America, jun. 2013. Disponible à : http://www.aaai.org/ocs/index.php/ICWSM/ICWSM13/paper/view/6006. Consulté le : 18 juillet 2016.

Commentaires

0 commentaire

Cet article n'accepte pas de commentaires.