Contexte et objectifs
DraftKings, opérateur de paris sportifs en ligne, a mis en place un système d’intelligence artificielle destiné à identifier les clients dont les paris sont susceptibles d’être perdants. Selon le New York Times, l’entreprise exploite les historiques de mise de chaque utilisateur pour entraîner un modèle de machine learning capable de repérer ces profils. Une fois identifiés, les joueurs reçoivent des publicités ciblées qui les incitent à revenir sur la plateforme, même si les mises sont prévues comme perdantes. Cette pratique s’inscrit dans le cadre de la publicité comportementale en ligne, où les annonces sont personnalisées à partir des données collectées sur l’utilisateur.
Mécanismes d'entraînement du modèle
Le processus repose exclusivement sur des données de première partie : les paris, les montants misés, les fréquences de jeu et les résultats associés. Aucun achat de données tierces n’est mentionné, ce qui rend la collecte interne suffisante pour alimenter le modèle. Bien que la nature exacte de l’algorithme ne soit pas détaillée, il s’agit typiquement d’un classificateur supervisé (par exemple régression logistique ou arbres de décision) entraîné à prédire la probabilité de perte future à partir de variables historiques. L’article souligne que l’IA fonctionne comme une « boîte noire », limitant la visibilité des ingénieurs sur les attributs les plus déterminants. Cette opacité pousse les développeurs à accumuler davantage de points de données afin d’améliorer la précision du modèle, créant ainsi un cercle de collecte accrue.
Impacts sur la vie privée et risques de sécurité
Le ciblage des joueurs perdants amplifie les risques liés à la publicité comportementale. Les données de paris, déjà sensibles, sont utilisées pour générer des profils à forte valeur commerciale. L’EFF indique que ces informations sont ensuite vendues à des assureurs, des banques et même à des agences d’application de la loi telles que le CBP. Un appel d’information publié par ICE montre l’intérêt des autorités pour exploiter ces flux de données à des fins d’enquête. Ainsi, la même chaîne de collecte qui alimente le modèle de DraftKings alimente également le marché de la surveillance commerciale et gouvernementale. Le recours à l’IA accélère le traitement de volumes massifs, réduisant le temps entre la collecte et l’utilisation des données, ce qui rend les mécanismes de contrôle plus difficiles à appliquer.
Limites des réponses réglementaires
DraftKings affirme n’utiliser que des données de première partie, ce qui rend les régulations centrées sur l’interdiction du partage de données tierces insuffisantes. L’article de l’EFF préconise l’interdiction totale de la publicité comportementale en ligne, arguant que tant que les annonces restent personnalisées, l’incitation à collecter des données persistera. En l’absence de transparence sur les algorithmes employés et sans obligation de divulguer les critères de sélection, les utilisateurs ne peuvent pas évaluer le degré d’exploitation de leurs informations. Cette opacité constitue un obstacle majeur aux audits de conformité et aux évaluations d’impact sur la vie privée.
