Comment les annonceurs doivent contrer les fake news au lieu de les alimenter

Grâce au programmatique, les annonceurs alimentent involontairement la propagation de fausses actualités.Ils devraient prendre des mesures pour inverser la tendance.

"Facebook a le devoir moral de faire de l'authenticité une priorité", selon Jon Snow, journaliste chez Channel Four. La chaîne d'actualité Channel Four s'est attaquée au réseau social dénonçant sa réticence à en démordre avec les fake news lors du festival de la télévision à Edimburgh. 

Citant un faux bulletin d'information selon lequel le pape aurait déclaré son soutien à Donald Trump pour la course à la présidence, ce post a engagé un million d'utilisateurs lorsqu'il a été partagé sur Facebook.

Cependant Facebook n'est pas le seul acteur qui doit agir concernant ces contenus fictifs. Grâce au programmatique, les annonceurs alimentent involontairement la propagation de fausses actualités.Ils devraient prendre des mesures pour inverser la tendance, en endiguant le fondement de ces fausses informations à la source, et assurer ainsi que la réputation de leur marque ne soit pas compromise par un contenu trompeur.

Comment l'écosystème digital relaie-t-il de fausses informations et comment les annonceurs peuvent-ils s'assurer de ne pas être associé à un contenu inapproprié? 

Facebook et les autres réseaux sociaux contribuent à l'apparition de fake news, car ces plateformes permettent une diffusion rapide du contenu auprès d'une large audience et ce à moindre coût avec une réglementation minime.

Plus le contenu est controversé plus il reçoit de l'attention. Après les élections présidentielles, qui ont eu lieu aux  Etats-Unis, Buzzfeed a révélé que les fake news sur Facebook ont considérablement surpassé l'engagement des véritables informations.

Lorsque les audiences des réseaux sociaux cliquent en masse sur les liens de sites contenant des contenus corrompus, les publicités programmatiques délivrées sur ces sites génèrent des revenus pour l'éditeur ce qui, à l'exception de motivations politiques qui sont occasionnelles, est la raison principale de la propagation des fake news.

Facebook affirme qu'il est déjà en train d'agir, notamment en bloquant les pages qui partagent à plusieurs reprises des fake news sur la plateforme, en plus de bloquer les publicités qui sont liées à des fake news et qui affichent des logos d'éditeurs à côté des liens partagés.

Les annonceurs ont également leur rôle à jouer en empêchant que leur publicités ne soient associées à du contenu illicite. En effet, cela peut signifier que d'une part, l'annonceur finance la création de faux contenu mais en plus cela donne l'impression qu'il croit et approuve l'histoire.

Un sondage BrightRoll révèle que 96% des annonceurs sont inquiets par les fake news dans l'environnement de la publicité programmatique, mais cette préoccupation n'est pas assez grande pour qu'ils abandonnent le programmatique et ainsi les revenus que cela apporte en terme de reach, d'efficacité et de ciblage. Lorsque les marques choisissent la publicité programmatique, elles sacrifient inévitablement un certain contrôle sur l'emplacement publicitaire et elles doivent ainsi mettre en place des mesures supplémentaires afin d'éviter que ces publicités apparaissent à côté d'un contenu indésirable.

 Des solutions émergentes pour contrer les fake news

 Au fur et à mesure que les problèmes liés au détournement de publicités se banalisent, une abondance d'acteurs spécialistes de la brand safety commence à apparaître, tous promettant de protéger les marques contre de mauvaises associations avec des contenus douteux.

 Malheureusement, la majorité de ces fournisseurs s'appuient sur des techniques dépassées et inefficaces telles que le filtrage de mots clés, qui ne garantit pas la brand safety. Par exemple, une fausse actualité concernant l'acteur Scott Baio et rapportant qu'il avait été tué dans un accident d'avion, comprenait des mots-clés tels que «avion», «golf» et «Mar-A-Lago» ce qui a attiré les marques de tourisme et de voyage, et se sont retrouvées associées à un canular.

 De même, les techniques telles que la protection par le nom de domaine (blacklisting) ne sont efficaces que si la solution est suffisamment complète pour éliminer tous les sites à risque. Certaines «solutions» de blacklisting reposent sur l'hypothèse que toutes les fake news existent sur des sites web de mauvaise qualité tels que les forums de potins, de sorte que le blocage de ces types de sites permettra de garder les marques dans un environnement sécurisé, mais ce n'est pas nécessairement le cas. Parfois, les fake news sont relayées en toute bonne foi par des sites d'informations de renom.  Par exemple, la nouvelle annonçant que le fondateur de la bière Corona avait offert 2 millions d'euros à chaque résident de son village d'origine a été relayée par The Independent et The Metro - entre autres - avant que cela ne se révèle être faux. Dans ce cas-ci, c'est une histoire assez inoffensive est mais la situation illustre bien le fait que les fake news peuvent être aussi relayées sur des sites premium.

Le machine learning au service de la brand safety

Heureusement, l'industrie voit maintenant apparaître l'émergence d'outils plus avancés qui utilisent le machine learning et le ciblage sémantique pour résoudre ce problème. 

Il existe naturellement un scepticisme quant à l'utilisation d'algorithmes pour identifier les fake news. Il y a tellement de différentes définitions du terme fake news; du contenu entièrement fabriqué à de véritables actualités relayées de manière biaisée dans un but précis, comment les machines peuvent-elles distinguer le vrai de la fiction? 

 Les machines ont un énorme avantage sur les humains pour repérer les fake news. En raison du volume total de contenu, elles peuvent analyser beaucoup plus que n'importe quel humain peut lire au cours de sa vie. Les machines peuvent identifier des modèles et des groupes de mots associés aux fake news. 

 Ces solutions utilisent des algorithmes de machine learning pour interpréter le contenu de la page, en déterminant sa véritable signification et son contexte. Elles peuvent identifier quels éléments de texte sont pertinents et analyser les relations entre les mots et les phrases à l'aide d'un algorithme sémantique.

 Les classifications sémantiques sont couplées avec des modèles d'identification par mot-clé pour assurer une précision accrue et permettant ainsi d'intégrer des normes fournies par l'IAB. Cette analyse de contenu se déroule à un niveau pre-bid, de sorte que le contexte du contenu est compris avant que toute enchères de manière programmatique ne soient lancées. 

 L'utilisation de ces outils par les marques permet de cibler ou d'éviter toute catégorie spécifique. Alors que les marques veulent rester à jour et acheter des impressions sur les sujets d'actualité, la plupart souhaitent également éviter des contenus très controversés, qu'ils soient faux ou authentiques - pour éviter d'écarter une trop grande partie de leur audience. Les marques peuvent également créer des catégories personnalisées permettant d'éviter des sites susceptibles de générer des fake news.

 S'attaquer à la question des fake news nécessite donc un effort commun de la part de plusieurs groupes, y compris les annonceurs, les gouvernements et les plateformes telles que Facebook. Pour le moment, les annonceurs peuvent contrer les contenus douteux en mettant en œuvre des technologies pre-bid de machine learning afin de comprendre le contenu d'une page. Cela leur permettra de profiter des nombreux avantages qu'offre le programmatique sans risque d'atteinte de la brand safety d'une marque en permettant également d'éviter l'épidémie mondiale de fake news.