Les filtres de pseudos doivent gérer deux risques : le sens interdit masqué par l’orthographe ou le formatage, et les noms légitimes qui contiennent par hasard une séquence bloquée. Une modération efficace combine normalisation, contexte, règles et revue.

1. Pourquoi un filtre de mots ne suffit pas

Un joueur peut contourner un filtre en ajoutant des chiffres, des séparateurs, des caractères similaires ou des espaces invisibles. Mais un blocage basé sur une séquence courte peut aussi rejeter un prénom, une marque ou un pseudo parfaitement légitime.

Le système doit donc évaluer le nom réellement présenté au joueur, pas seulement une version brute de la chaîne. La normalisation est nécessaire, mais elle ne doit pas effacer les différences qui rendent un nom légitime.

2. Définir les formes de contournement

Listez les transformations observées : substitutions de caractères, répétitions, ponctuation, translittération, espaces, emojis, mélange de scripts et variations linguistiques. Chaque transformation doit être testée sur des exemples autorisés et interdits.

Ne supposez pas qu’une règle de normalisation soit neutre. Une transformation qui rapproche un pseudo d’un terme interdit peut aussi rapprocher des noms légitimes de la même séquence.

3. Analyser le pseudo complet et sa surface

Le pseudo peut être affiché seul, associé à un avatar, présenté dans un lobby ou intégré à un message. La politique peut varier selon la persistance et la visibilité. Un nom visible pendant des années dans un profil mérite une vérification différente d’un identifiant temporaire de match.

Envoyez à l’analyse le contexte que la plateforme autorise : langue choisie, surface, catégorie de jeu et relation avec un autre joueur. Ne remplacez pas une politique claire par une inférence opaque.

4. Mettre en place des niveaux d’action

Tous les cas ne nécessitent pas un rejet immédiat. Vous pouvez autoriser, demander une correction, mettre en attente, envoyer en revue ou bloquer selon la gravité et la confiance.

Séparez la décision sur le pseudo de la sanction du compte. Un nom refusé ne constitue pas automatiquement une preuve suffisante pour suspendre son auteur.

5. Traiter les noms légitimes avec une revue adaptée

Conservez des exemples de faux positifs par langue, pays et catégorie de nom. La revue doit pouvoir expliquer pourquoi une séquence est problématique dans un contexte et innocente dans un autre.

Les règles de correction doivent être compréhensibles pour le joueur. Un message qui indique la catégorie de problème et propose une modification réduit les tentatives répétées et les tickets support.

6. Tester contre les attaques de contournement

Constituez un jeu de tests adversarial avec des variations d’orthographe, d’encodage et de formatage. Testez aussi les noms composés, les langues multilingues et les caractères visuellement proches.

Rejouez ces tests après chaque évolution de la politique ou du modèle. Une protection qui fonctionne sur une liste statique peut échouer dès qu’une communauté adopte un nouveau code.

7. Intégrer Bodyguard dans le workflow

L’API fournit une couche d’analyse du texte et du contexte. L’application doit néanmoins conserver le nom original, sa version, la décision de politique et l’action appliquée. Une nouvelle tentative de modification ne doit pas réutiliser l’approbation d’un ancien pseudo.

Définissez les cas dans lesquels l’analyse est synchrone et ceux qui peuvent passer par une file de revue. La décision produit doit rester visible et réversible.

8. Mesurer la qualité dans le temps

Suivez les noms bloqués, les corrections réussies, les appels, les faux positifs revus, les contournements confirmés, la latence et la charge de revue. Segmentez les résultats par langue et par surface.

Un bon indicateur n’est pas seulement le nombre de noms refusés. C’est la capacité à réduire les contournements sans augmenter les rejets injustifiés ni la friction d’inscription.

Sources

Share this article