Détection du spam
par IA à 3 niveaux
Trois niveaux de détection — règles par mots-clés, un filtre IA local rapide et une analyse IA plus poussée pour les cas incertains — examinent chaque message, et chaque décision est consignée pour que vous puissiez la vérifier.
- Taux de détection élevé
- Réponse instantanée
- Peu de faux positifs
Comment ça marche
Filtres à base de règles
Des motifs regex et des heuristiques rapides bloquent le spam évident sur-le-champ.
- Correspondance de motifs regex
- Détection des phrases de spam connues
- Contrôle des URL en liste noire
- Analyse de l'encodage des caractères
Modèle d'IA local
Un modèle d'apprentissage automatique embarqué analyse les motifs de message, le comportement des membres et le contexte.
- Analyse des motifs comportementaux
- Détection des séquences de messages
- Score de réputation des membres
- Classification selon le contexte
Analyse IA dans le cloud
Pour les cas limites, notre LLM cloud avancé apporte une compréhension fine.
- Compréhension du langage naturel
- Classification de l'intention
- Prise en charge multilingue
- Apprentissage continu
Ce qu'elle bloque
Pourquoi 3 niveaux ?
Les systèmes de détection à une seule couche se heurtent à un compromis de fond. Notre approche à 3 niveaux le résout.
- Niveau 1 traite l'essentiel du spam avec une latence quasi nulle.
- Niveau 2 intercepte du spam supplémentaire grâce à l'analyse comportementale.
- Niveau 3 gère le spam le plus sophistiqué qui subsiste.
Pourquoi les règles seules cessent de suffire
| Défi | Règles de mots-clés seules | Analyse par IA |
|---|---|---|
| Spam inédit | Laisse passer tout ce qui n'a pas été explicitement listé à l'avance | Juge le sens et l'intention, si bien qu'une arnaque jamais vue se lit malgré tout comme une arnaque |
| Texte déguisé | Mis en échec par les v.i.p e.s.p.a.c.é.s, les homoglyphes et le texte incrusté dans les images | Lit à travers le déguisement comme le ferait un humain — y compris le texte à l'intérieur des images via l'OCR |
| Contexte | Juge chaque message isolément, si bien que les cas limites deviennent des coups de dés | Pèse le message avec le contexte du compte — un nouveau venu qui lâche ses coordonnées se lit autrement qu'un habitué qui partage un lien |
| Entretien | Quelqu'un doit tenir les listes de mots-clés à jour indéfiniment | Continue d'apprendre des décisions et des signaux inter-groupes sans curation manuelle de listes |
Il continue d'apprendre — sur du trafic réel
Notre propre modèle entraîné
Un modèle de spam dédié, entraîné sur du trafic Telegram réel, attrape 97,9 % du spam avec seulement 0,07 % de faux positifs — et il répond en millisecondes, avant même qu'une IA plus lourde n'ait besoin de s'exécuter.
Mémoire des verdicts
Les verdicts confirmés sont mémorisés. Quand un quasi-doublon d'un spam connu apparaît — même reformulé ou rembourré d'emojis — il est bloqué instantanément, sans nouvel appel IA et sans délai.
Protection inter-groupes
Un spammeur attrapé dans une communauté est connu de toutes les communautés. Les signaux de détection sont partagés entre les groupes, si bien qu'une campagne qui a échoué une fois ne repart pas de zéro chez le voisin.
Mode test pour les admins
Activez le mode test et le bot modère les propres messages des admins comme s'ils étaient de simples membres. Publiez vous-même du contenu limite et voyez exactement quelles règles se déclenchent — sans sanctionner personne.
Comment la détection à 3 niveaux tranche sur un message
Chaque message traverse les niveaux dans l'ordre, du moins coûteux au plus coûteux. Le niveau 1 applique des motifs regex, des phrases de spam connues, des recherches d'URL en liste noire et des contrôles d'encodage de caractères — le spam évident est intercepté ici sans le moindre appel à un modèle. Ce qui n'est pas clairement tranché passe au niveau 2, un classifieur de texte qui tourne sur nos propres serveurs et note le message sur son contenu, son contexte et le comportement récent de l'expéditeur, sans aucune requête à une API externe par message. Seuls les cas réellement limites — une petite part du trafic — remontent au niveau 3, un LLM dans le cloud qui lit le message pour en saisir l'intention et le langage déguisé. Le pipeline s'arrête dès qu'un niveau est certain.
Ordonner les contrôles de cette façon garde le cas courant rapide et le cas coûteux rare : un groupe actif n'attend pas un LLM pour chaque ligne. Le seuil entre « agir » et « laisser passer » est à vous de régler, et cela en vaut la peine : un réglage plus strict attrape davantage de promotion limite mais signalera de temps à autre un vrai membre enthousiaste, tandis qu'un réglage plus souple en laisse passer davantage. Comme chaque décision — quel niveau a réagi, le score, l'action prévue — est inscrite au journal, vous ne cherchez jamais à deviner pourquoi un message a été retiré, et vous pouvez commencer en mode Surveillance pour observer le pipeline avant qu'il ne touche qui que ce soit.
Questions fréquentes
Quelle est la précision de la détection de spam par IA ?
Le pipeline en couches — règles, notre propre modèle entraîné et un classifieur IA pour les cas difficiles — attrape environ 97,9 % du spam avec à peu près 0,07 % de faux positifs sur du trafic réel. Et vous n'avez pas à nous croire sur parole : le bot démarre en mode surveillance, vous pouvez donc observer ses décisions sur votre propre groupe avant qu'il n'agisse sur quoi que ce soit.
Fonctionne-t-il dans ma langue ?
Oui. La détection est multilingue, y compris les écritures CJK, le texte translittéré et les messages en langues mêlées. L'OCR lit aussi le texte à l'intérieur des images, si bien que le spam caché dans des images est attrapé de la même façon.
Que se passe-t-il quand l'IA se trompe ?
Le membre sanctionné reçoit un avis courtois dans sa propre langue et un lien de recours privé. Un arbitre IA examine le cas avec le contexte du groupe ; les erreurs manifestes sont annulées automatiquement en quelques secondes et la réputation du membre est rétablie.
Dois-je configurer quoi que ce soit ?
Non. La détection fonctionne d'emblée avec des réglages par défaut judicieux. Si vous le souhaitez, vous pouvez ajuster la sévérité, ajouter vos propres règles de mots-clés et utiliser le mode test pour éprouver d'abord les seuils sur vos propres messages.
Fonctionnalités connexes
Découvrez d'autres façons dont Telm peut aider votre communauté