ChildSafeAds Shared Task 2026: Commercial Content in Child-Facing YouTube Videos

Imaginez que vous vous asseyez pour regarder une vidéo sur la construction d'une cabane dans un arbre ou la résolution d'une énigme mathématique complexe. Le créateur s'adresse directement à vous, partageant des conseils et des anecdotes d'une voix amicale et familière. Soudain, sans aucune rupture dans le flux, il mentionne une marque spécifique de colle ou une nouvelle application, expliquant pourquoi c'est l'outil parfait pour la tâche. Pour de nombreux enfants et adolescents, ce mélange fluide de divertissement et de vente est difficile à repérer. Contra à une publicité télévisée traditionnelle qui interrompt l'émission avec un jingle sonore, ce type de publicité se cache à l'intérieur même du contenu. Parce qu'elle ressemble et sonne comme le reste de la vidéo, les jeunes spectateurs ne réalisent souvent pas qu'on leur vend quelque chose. Cette confusion n'est pas seulement un léger désagrément ; c'est une préoccupation juridique et éthique. Les lois dans de nombreux endroits exigent que lorsqu'une personne est payée pour promouvoir un produit, elle doit clairement informer le public. Pourtant, dans le monde vaste et chaotique de la vidéo en ligne, ces avertissements sont souvent absents, enfouis dans de longues descriptions ou écrits dans un langage trop subtil pour qu'un enfant puisse le comprendre.

Les chercheurs s'inquiètent depuis longtemps du fait que les systèmes actuels de surveillance de ces vidéos ne sont pas assez performants. Ils reposent souvent sur les propres étiquettes de la plateforme vidéo, que les créateurs sont censés ajouter lorsqu'ils ont un partenariat rémunéré. Cependant, une nouvelle étude suggère que le fait de se fier uniquement à ces étiquettes permettrait de manquer un nombre énorme de messages commerciaux. Pour comprendre l'ampleur réelle du problème, une équipe de chercheurs issus d'universités des Pays-Bas a créé une nouvelle façon d'analyser les données. Ils ont conçu une tâche partagée, une sorte de défi organisé pour les informaticiens, afin de voir si des machines pouvaient identifier ces arguments de vente cachés et déterminer ce qui ne va pas avec eux. L'objectif n'était pas seulement de trouver les publicités, mais de comprendre ce qu'elles vendaient et si elles enfreignaient les règles conçues pour protéger les jeunes.

L'équipe a commencé par rassembler une collection massive de clips vidéo. Ils n'ont pas examiné chaque vidéo sur Internet, mais se sont concentrés sur un outil spécifique appelé SponsorBlock. Il s'agit d'un projet communautaire où des spectateurs réguliers marquent le début et la fin exacts des segments de parrainage dans les vidéos afin que d'autres puissent les ignorer. Les chercheurs ont pris ces marqueurs soumis par les utilisateurs comme point de départ, sachant que si un spectateur humain ressentait le besoin de sauter une partie, il s'agissait probablement d'un message commercial. Ils ont collecté 3 360 de ces segments provenant de près de mille chaînes différentes qui sont populaires auprès des adolescents. Pour chaque segment, ils ont rassemblé tout ce qui était disponible : les mots prononcés dans le clip, le titre de la vidéo, le nom de la chaîne et les liens que le créateur a mis dans la boîte de description. Ils ont même suivi ces liens jusqu'aux sites web réels où les produits étaient vendus. Cela a créé un ensemble de données riche où un système informatique pouvait lire une courte transcription, ou creuser plus profondément dans les détails de la vidéo et la page du produit, pour rendre un jugement.

Les chercheurs ont ensuite défini trois tâches spécifiques pour les systèmes informatiques. Premièrement, le système devait décider quel type d'offre était fait. Le créateur vendait-il un objet physique comme un jouet, un service numérique comme un jeu, ou tout autre chose ? Deuxièmement, le système devait catégoriser le produit. S'agissait-il de nourriture, de mode, de conseils de santé, ou peut-être de quelque chose de risqué comme les jeux d'argent ? Enfin, et c'est le plus important, le système devait agir comme un chien de garde juridique. Il devait signaler tout problème potentiel, tel qu'une affirmation qui semble trop belle pour être vraie, un manque de clarté pour dire « ceci est une publicité », ou une incitation directe pour qu'un enfant achète quelque chose dès maintenant. Les chercheurs ont conçu la tâche de manière à ce que les équipes puissent choisir la quantité d'informations à utiliser. Certains systèmes pourraient ne lire que la transcription, ce qui est peu coûteux et facile à obtenir. D'autres pourraient parcourir les sites web liés, ce qui est beaucoup plus coûteux et chronophage. Cela a permis aux chercheurs de voir si l'effort supplémentaire de collecte de données entraînait de meilleurs résultats.

Lorsque l'équipe a analysé les données qu'elle avait collectées, elle a découvert une réalité frappante. Près de la moitié des vidéos de leur collection, soit précisément 45,5 pour cent, n'utilisaient pas l'étiquette officielle de « promotion payée » fournie par la plateforme vidéo. Cela signifie que si les régulateurs ou les parents ne regardaient que cette étiquette spécifique, ils passeraient à côté de presque la moitié du contenu commercial ciblant les jeunes. L'étude a également révélé que l'identification de ces publicités est difficile pour les ordinateurs. Bien que les systèmes aient été assez bons pour déterminer quel type de produit était vendu, ils ont eu beaucoup de mal avec les indicateurs juridiques. Les ordinateurs étaient souvent en désaccord entre eux sur le fait de savoir si une divulgation était suffisamment claire ou si une affirmation était trompeuse. Ce désaccord souligne que la compréhension de la nuance du langage et du contexte, surtout lorsqu'il s'agit de protéger les enfants, est un défi complexe que les machines ne parviennent pas encore parfaitement à résoudre.

Les chercheurs ont utilisé des modèles d'intelligence artificielle avancés pour créer les étiquettes de leur ensemble de données, travaillant étroitement avec des experts juridiques pour affiner les règles. Ils n'ont pas simplement deviné ; ils ont itéré sur leurs définitions, vérifiant des échantillons et ajustant la manière dont ils demandaient à l'ordinateur de réfléchir. Par exemple, ils ont restreint la définition de « l'exhortation directe », qui signifie presser un enfant d'acheter quelque chose, pour s'assurer que l'ordinateur ne signale que le langage qui exerce réellement une pression sur l'enfant, plutôt qu'une simple suggestion générique de cliquer sur un lien. Même avec ces étapes prudentes, les modèles informatiques ont encore commis des erreurs. Dans l'ensemble de test, deux modèles puissants différents étaient d'accord sur l'ensemble exact des indicateurs juridiques dans moins de la moitié des cas. Cela suggère que, bien que la technologie puisse aider à scanner des milliers de vidéos, elle ne peut pas encore remplacer le jugement humain pour déterminer si une publicité est véritablement sûre pour un jeune public.

L'étude conclut que la surveillance du contenu destiné aux enfants nécessite plus que la simple recherche d'étiquettes officielles. Elle exige un examen plus approfondi du contenu lui-même, des liens fournis et du langage spécifique utilisé. Les chercheurs ont rendu leurs données et les règles de la tâche publiques, invitant d'autres scientifiques à construire de meilleurs systèmes. Ils ont souligné que leur travail est un point de départ pour la recherche, et non une solution finale. L'ensemble de données qu'ils ont créé est un instantané d'un moment précis, et présente des limites. Il ne comprend que les vidéos où quelqu'un a déjà marqué un parrainage, et repose sur des liens qui étaient encore fonctionnels lorsqu'ils ont été vérifiés. Il n'inclut pas les vidéos qui étaient purement commerciales ou les chaînes qui n'ont pas passé leur filtrage pour l'attrait des adolescents. Malgré ces limites, leur travail offre une image claire du paysage actuel : une vaste quantité de contenu commercial passe entre les mailles des systèmes de surveillance actuels, souvent sans les avertissements clairs que la loi exige. La voie à suivre consiste à construire des outils capables de comprendre le contexte aussi bien qu'ils comprennent les mots, afin de garantir que le monde numérique reste un espace sûr pour que les enfants apprennent et jouent sans être vendus à leur insu.