Un texte problématique peut atteindre les acheteurs dans une image pourtant ordinaire. La modération OCR crée un chemin d’analyse pour ces mots, puis les relie à la décision de publication de la plateforme.
1. Identifier l’angle mort
Les règles appliquées au titre et à la description ne voient pas nécessairement les mots présents dans une photo, une capture d’écran, une étiquette ou un mème. Le vendeur peut alors publier un contenu que les contrôles textuels classiques ne rencontrent jamais.
L’OCR ne remplace pas l’analyse visuelle. Il ajoute un signal lorsque la politique dépend du texte lisible dans l’image.
2. Construire un pipeline OCR exploitable
Le pipeline doit gérer l’upload, la préparation de l’image, l’extraction du texte, la détection de la langue, l’analyse de modération et la décision finale. Chaque étape doit être liée à la version de l’asset.
Préparez des règles lorsque l’image est floue, recadrée, compressée, inclinée ou contient plusieurs scripts. Une absence de texte extrait n’est pas nécessairement une preuve d’absence de risque.
3. Relier le texte extrait à la politique
Le texte OCR doit être analysé avec une politique adaptée à la marketplace. Le même mot peut être une marque, une description produit, une insulte ou une instruction selon le contexte.
Enregistrez le texte extrait et les signaux nécessaires avec un accès contrôlé. L’équipe doit pouvoir expliquer la décision sans exposer inutilement toutes les données du vendeur.
4. Gérer les langues et les transformations
Les images peuvent mélanger alphabets, translittérations, abréviations, emojis et caractères visuellement proches. Testez la couverture réellement supportée et annoncez les limites.
La normalisation doit réduire les contournements sans transformer des noms ou des références légitimes en faux positifs.
5. Choisir les états de publication
Une image à faible risque peut être publiée après une analyse rapide. Un résultat incertain peut déclencher une attente, une correction ou une revue. La règle doit être visible dans le workflow.
Lorsqu’un vendeur remplace l’image, relancez l’analyse. Une ancienne approbation ne doit jamais autoriser automatiquement la nouvelle version.
6. Mesurer précision et coût
Suivez le texte extrait, les violations détectées, les violations manquées, les faux refus, la latence OCR, la file de revue et les retraits après publication.
Le coût dépend du volume d’images, des retries, de la revue et du nombre de cas incertains. Mesurez l’ensemble du parcours plutôt que le seul prix d’une requête OCR.
7. Intégrer Bodyguard dans la décision
Bodyguard peut fournir l’analyse du texte extrait et son contexte. La marketplace conserve la décision de publication, l’explication adressée au vendeur et l’application du retrait.
Définissez un contrat d’intégration : schéma, version d’asset, délai, fallback, catégories et événements enregistrés.
8. Vérifier le système sur des cas réels
Construisez un corpus de captures, photos, labels, textes partiellement visibles et variantes multilingues. Faites relire les faux positifs et mesurez le risque par catégorie.
L’OCR est utile lorsqu’il ferme un écart mesuré, pas lorsqu’il est ajouté sans savoir quelle surface ou quelle politique il doit protéger.
Sources
- Bodyguard — Image Moderation : https://www.bodyguard.ai/en/product/image-moderation
- Vue d’ensemble de l’API : https://www.bodyguard.ai/en/api
