Amazon utilise diverses technologies d'intelligence artificielle , telles que l'apprentissage automatique, les systèmes linguistiques avancés et les réseaux neuronaux spécialisés, pour identifier et supprimer les avis sur son site. Elle cherche ainsi à s’assurer de la fiabilité des commentaires publiés.
L'entreprise souligne l'importance d'une interaction facile sur sa plateforme permettant aux consommateurs d'exprimer leurs évaluations des produits et de contribuer aux décisions éclairées des futurs acheteurs.
« Que se passe-t-il lorsqu'un client soumet un avis ? Avant d'être publié, Amazon utilise l'intelligence artificielle pour analyser ledit avis ou commentaire à la recherche d'indicateurs de risque permettant de détecter que cet avis pourrait être frauduleux", a expliqué l'entreprise sur son blog.
Amazon a veillé à ce que la grande majorité des avis dépassent les normes d'authenticité les plus élevées et soient publiés immédiatement. Cependant, ils prennent plusieurs mesures si un éventuel avis frauduleux est détecté.
Si Amazon détermine que l'avis est faux, il agit rapidement pour le bloquer ou le supprimer et prendre des mesures supplémentaires si nécessaire.
Ces mesures incluent la révocation des « privilèges » des clients pour publier des avis, le blocage des comptes des individus contrevenants et même l'introduction de poursuites judiciaires contre les parties impliquées.
Comment l'IA est intégrée
La société affirme utiliser les dernières avancées dans le domaine de l'intelligence artificielle pour arrêter et bloquer les faux avis, les évaluations manipulées, les comptes clients frauduleux et autres abus avant que d'autres clients ne s'en rendent compte.
Les modèles d'apprentissage automatique ( ML ) analysent une multitude de données, notamment si le vendeur a investi dans la publicité (ce qui peut aider à générer un certain nombre d'avis supplémentaires), les rapports d'abus soumis par les clients, les modèles de comportement ou l'historique des avis, entre autres. autres facteurs.
De plus, des modèles de langage avancés (Large Language Model – LLM) sont utilisés conjointement avec d'autres techniques de traitement du langage naturel pour analyser les anomalies qui pourraient indiquer qu'un avis est faux ou est incité, par exemple par la fourniture d'une carte-cadeau, d'un produit gratuit. ou une autre forme de remboursement.
Les réseaux de neurones graphiques (GNN) sont également utilisés pour analyser et comprendre des relations complexes et des modèles de comportement afin de détecter et de traiter les délinquants.
"La différence entre un avis authentique et un faux n'est pas toujours évidente", a expliqué Josh Meek , responsable de l'équipe de prévention de la fraude et des abus chez Amazon.
« Par exemple, un produit peut rapidement accumuler plusieurs avis parce qu'un vendeur a investi dans la publicité ou a proposé un excellent produit à un prix compétitif. Ou encore, un client peut penser qu'un avis est faux parce qu'il contient des erreurs grammaticales », a-t-il ajouté.
Il s'agit d'un point crucial pour la détection des faux avis, car, afin de procéder à une évaluation correcte d'un avis, il faut prendre en compte les informations relatives au type de client qui rédige l' avis , ainsi que le type de client. du produit en cours d'examen.
La combinaison de technologie et d'analyse de données d' Amazon permet d'identifier plus précisément les faux avis en regardant au-delà des indicateurs superficiels d'abus pour identifier des relations plus profondes entre les comportements offensants possibles.
"Les faux avis induisent intentionnellement les clients en erreur en leur fournissant des informations qui ne sont pas impartiales, authentiques ou parfois non destinées au produit ou au service examiné", a ajouté le responsable.
En 2022, Amazon a observé et bloqué de manière proactive plus de 200 millions d’avis suspectés d’être faux sur ses boutiques à travers le monde.