AGATTA est une solution automatisée d’observation et de classification des contenus publicitaires et promotionnels en faveur des jeux d’argent et de hasard (JAH), assistée par intelligence artificielle (IA) et apprentissage automatique supervisé.
SITUATION ACTUELLE ET BESOINS
En France, la vente de services de jeu d'argent et de hasard (JAH) aux mineurs est interdite, tant dans les points de vente physiques qu'en ligne et la publicité en faveur des JAH est régulée afin de protéger les mineurs et les joueurs excessifs. Cependant, en 2022, un adolescent de 17 ans sur dix (11,6 %) avait effectué au moins un pari sportif au cours des 12 mois précédents (Eroukmanoff, 2023). En 2023, 3,4 % des joueurs annuels pratiquaient un jeu à risque modéré et 1,5 % un jeu excessif, selon l’Indice canadien du jeu excessif(Eroukmanoff, 2024).
Or, l'impact de la publicité sur les pratiques de jeu a été démontré, avec un effet « dose-réponse » entre l'exposition à la publicité et la participation aux jeux d'argent, ainsi qu'un risque accru de préjudice avec l’intensification des engagements(Gainsbury et al., 2016). La publicité sur Internet est un facteur prédictif fort de l'impact de la publicité perçu par les joueurs sur leurs pratiques de jeu (Syvertsen et al., 2022). La promotion sur les réseaux sociaux est susceptible d’aggraver les troubles liés aux JAH chez les joueurs à risque modéré ou souffrant déjà de problèmes de jeu (McGrane et al., 2023).
En outre, le marketing des JAH en ligne est particulièrement abondant et viral et le monitoring des communications commerciales peut être bridé par leur rapide renouvellement.
FONCTION PRINCIPALE
AGATTA est un système assisté par IA pour identifier les publicités et les thèmes qu’elles exploitent dans le paysage numérique relatif aux JAH, en prêtant une attention particulière à ceux qui seraient incompatibles avec le principe de protection des mineurs et de prevention du jeu excessif.
Cette solution a été créée en 2025 à des fins d’observation et d’analyse des contenus publicitaires diffusés en France dans le secteur des JAH. L’analyse de contenu s’appuie sur un socle de critères déduits de la recherche internationale, dont la détection et la catégorisation sont améliorées par apprentissage automatique (machine learning).
Ce projet a été réalisé avec le soutien financier du Fonds de lutte contre les addictions (FLCA).
