De jour en jour, les technologies évoluent et permettent d’automatiser de nombreuses actions. Si les avis clients sur le web sont importants pour les consommateurs, c’est parce qu’ils sont rédigés par d’autres internautes. Le retour d’expérience d’un ou plusieurs utilisateurs va conforter l’individu dans sa volonté ou non d’acheter un produit. Cependant, il existe une autre manière de créer des avis sur internet : découvrez l’influence des robots sur les avis clients.
Avec l’évolution de l’intelligence artificielle, il est aujourd’hui envisageable de former des robots pour rédiger de faux avis clients. Ceux-ci s’inspirent de véritables avis, déposés au préalable par les internautes. Ce constat, partagé par des chercheurs américains de l’université de Chicago, vise à mettre en garde les sites e-commerce. Il les invite à redoubler de vigilance en ce qui concerne les avis clients postés.
Le Deep Learning mis en cause
Pour mettre au point cette technologie, des robots sont munis d’un réseau neuronal profond. Ils sont programmés pour rédiger une multitude de faux avis. Ceux-ci qui s’inspirent d’avis réels, recueillis sur différentes plates-formes d’avis en ligne. L’apprentissage automatique est facilité car les avis sont déposés par les utilisateurs. Ils contiennent d’abord peu de caractères, mais aussi un vocabulaire simple.
Ainsi, les avis générés par les robots sont bien souvent crédibles et parfois même plus convaincants que ceux qui sont publiés par de véritables internautes. L’influence des robots sur les avis clients est non négligeable. Malheureusement, les outils sémantiques déployés par les plate-formes d’avis en ligne n’ont aucun impact sur ces faux avis et sont à l’heure actuelle, incapables de les détecter.
Toutefois, les faux avis créés par les robots ne sont pas infaillibles et peuvent être pointés du doigt par d’autres outils. La mise en place de nombreux filtres et d’une analyse complète des avis clients peut permettre de déceler le vrai du faux. L’idéal pour contrer ces pratiques serait de croiser les données de géolocalisation avec des informations relatives au client, afin de vérifier la cohérence entre les différentes données recueillies.
