Tableau de bord d’intelligence utilisateur et d’analyse de groupe

Introduction

Le système d’intelligence utilisateur et d’analyse de groupe fournit des informations complètes, fondées sur les données, sur la santé de votre communauté Telegram, le comportement de ses membres et l’efficacité de la modération. Cette plateforme d’analyse avancée va bien au-delà du simple comptage des messages : elle offre une analyse comportementale approfondie, des profils d’évaluation des risques, des capacités de surveillance en temps réel et des ventilations statistiques détaillées, afin d’aider les administrateurs à prendre des décisions de modération éclairées.

Contrairement aux statistiques de groupe basiques, qui ne présentent que des indicateurs de surface, le tableau de bord Intelligence et Analyses utilise des techniques avancées de science des données pour mettre en évidence des tendances, identifier les problèmes potentiels avant qu’ils ne s’aggravent et fournir des renseignements exploitables sur les utilisateurs individuels comme sur la dynamique globale de la communauté. Le système combine l’analyse des données historiques, les flux d’événements en temps réel et la modélisation prédictive des risques afin d’offrir une vue complète de l’état opérationnel de votre communauté.

Cet ensemble de fonctionnalités comprend des rapports d’intelligence sur chaque utilisateur (présentant les schémas comportementaux, l’historique des infractions et les scores de risque de spam), des tableaux de bord de statistiques au niveau du groupe (affichant les indicateurs agrégés, la répartition des infractions et les tendances d’engagement), des flux de sanctions en direct (des flux en temps réel des actions de modération dans tous vos groupes) et un accès à l’API publique pour une intégration programmatique avec des outils externes.

Fonctionnement

Rapports de renseignements sur les utilisateurs

Le système User Intelligence conserve des profils comportementaux détaillés pour chaque utilisateur de votre communauté. Lorsque vous recherchez un utilisateur précis par nom, identifiant ou ID Telegram, le système récupère l’intégralité de son historique d’interactions, notamment les messages envoyés, les infractions reçues, la durée des sanctions, les schémas d’appartenance aux groupes et les scores de risque calculés.

Le rapport de renseignements commence par une évaluation complète du risque de spam calculée par l’algorithme AI Spam Intelligence. Cette note (de 0,0 à 1,0) reflète la probabilité statistique que l’utilisateur soit un spammeur ou un acteur malveillant, sur la base de plusieurs signaux comportementaux, notamment le taux d’infraction, les niveaux de confiance associés aux violations, les caractéristiques du profil et les schémas d’engagement.

Sous le score de risque, le système affiche des statistiques détaillées sur les violations, avec des indicateurs de confiance (moyenne, médiane, 95e percentile), le taux de violations à forte confiance, les types de violations les plus fréquents et les raisons de violation les plus courantes. Ces statistiques aident les administrateurs à comprendre non seulement qu’un utilisateur a enfreint les règles, mais aussi avec quel degré de certitude ces violations ont été détectées et quels schémas caractérisent son comportement problématique.

L’historique complet des violations apparaît sous forme de liste chronologique indiquant chaque infraction avec son horodatage, le type de violation (pornographie, contenu sexuel, langage toxique, spam, badwords, etc.), le niveau de confiance (0,0-1,0) et la raison détaillée expliquant ce qui a déclenché la détection. Cette transparence permet aux administrateurs d’évaluer si les violations correspondent à de véritables problèmes ou à de potentiels faux positifs.

Tableau de bord des statistiques de groupe

Le tableau de bord des statistiques de groupe fournit des informations agrégées sur l’état général de votre communauté et l’efficacité de la modération. Le système calcule et affiche plusieurs catégories d’indicateurs :

Les indicateurs de vue d’ensemble incluent le statut du groupe (autorisé/non autorisé), le nombre total de membres, le nombre d’administrateurs, la vérification de la présence du bot, ainsi que le fait que le groupe dispose ou non d’une photo de profil et d’un lien d’invitation correctement configurés.

Les indicateurs d’activité affichent le nombre total de messages envoyés dans l’historique du groupe, le nombre total de violations détectées, le temps total de sanction appliqué (en minutes) et la relation entre ces chiffres, qui indique le niveau global de conformité de la communauté.

Les indicateurs d’efficacité de la modération calculent le taux de sanctions pour 1 000 messages (montrant à quelle fréquence la modération intervient par rapport à l’activité), la durée moyenne des sanctions (indiquant la gravité typique des violations) et le nombre moyen de messages par membre (indicateur d’engagement).

L’analyse temporelle affiche l’activité sur des périodes récentes (7 derniers jours, 30 derniers jours), montrant les tendances en matière de violations et de schémas de sanction afin d’aider à déterminer si votre communauté devient plus ou moins problématique au fil du temps.

La répartition des violations classe toutes les violations par type (contenu pornographique, contenu sexuel, langage toxique, spam, violations linguistiques, grossièretés, insultes, menaces, badwords, messages transférés, médias interdits, liens d’invitation, bots non autorisés) avec le nombre exact pour chaque catégorie. Cette répartition révèle quelles règles sont le plus souvent enfreintes, ce qui éclaire les décisions visant à renforcer ou à assouplir certaines restrictions.

Flux de sanctions en direct

Le flux de sanctions en temps réel utilise des abonnements WebSocket pour diffuser les événements de modération au moment où ils se produisent dans tous les groupes où votre bot est actif. Cette vue en direct affiche les 20 sanctions les plus récentes à l’échelle du système (et pas seulement dans vos propres groupes), avec l’utilisateur sanctionné, le type de violation, la raison détaillée, le score de confiance et l’horodatage.

Le flux se met à jour instantanément lorsque de nouvelles violations se produisent n’importe où dans l’écosystème surveillé, offrant une fenêtre en temps réel sur l’activité de modération en cours. Cette transparence aide les administrateurs à :

• Surveiller les campagnes de spam actives touchant plusieurs communautés
• Observer le processus de décision du bot en temps réel
• Identifier les utilisateurs qui enfreignent les règles dans plusieurs groupes
• Voir quels types de violations sont actuellement les plus courants
• Vérifier que le système de modération fonctionne activement

Chaque entrée de sanction est cliquable, ce qui vous permet de générer en un seul clic un rapport User Intelligence complet sur l’auteur de la violation. Vous pouvez ainsi enquêter rapidement lorsque vous repérez des schémas préoccupants dans le flux.

Accès à l’API publique

Le système User Intelligence expose un point de terminaison d’API REST public qui permet à n’importe qui de consulter les scores de spam d’utilisateurs Telegram en fournissant leur ID utilisateur. L’API renvoie le score de spam (0,0-1,0) et la catégorie de niveau de risque (Faible, Moyen, Élevé, Critique) au format JSON, sans authentification requise.

Cette API publique permet des intégrations tierces, en donnant à d’autres développeurs de bots, chercheurs ou modérateurs de communautés la possibilité d’intégrer les données de renseignement à leurs propres outils et flux de travail. La documentation de l’API inclut des exemples de code dans plusieurs langages (cURL, JavaScript, Python) montrant comment effectuer des requêtes et analyser les réponses.

Bien que le score de spam soit public, les historiques détaillés des violations et les analyses comportementales restent privés, visibles uniquement par les administrateurs des groupes dont l’utilisateur recherché est membre. Cet équilibre en matière de confidentialité fournit des informations de risque utiles à l’écosystème Telegram au sens large, tout en protégeant la vie privée de chaque utilisateur.

Configuration

Accéder aux renseignements utilisateur

Pour consulter les rapports de renseignements d’un utilisateur individuel :

1. Accédez à la section « Renseignements utilisateur » depuis le menu principal de votre panneau
2. Sélectionnez l’onglet « Renseignements utilisateur » (premier onglet)
3. Utilisez l’interface de recherche pour trouver des utilisateurs par :
   • Nom complet ou correspondance partielle du nom
   • Identifiant Telegram (avec ou sans le symbole @)
   • ID utilisateur Telegram (numérique)
4. Cliquez sur un utilisateur dans les résultats de recherche pour consulter son rapport de renseignements complet
5. Examinez son score de spam, ses statistiques d’infractions et l’historique complet de ses infractions

La fonction de recherche couvre tous les utilisateurs des groupes dont vous êtes administrateur, ce qui vous permet d’enquêter sur tout membre de la communauté dont le comportement vous préoccupe.

Consulter les statistiques du groupe

Pour accéder au tableau de bord analytique de votre groupe :

1. Accédez à la page de gestion de votre groupe depuis le panneau
2. Sélectionnez l’onglet « Statistiques »
3. Choisissez le sous-onglet « Statistiques du groupe »
4. Consultez les métriques complètes affichées dans plusieurs sections :
   • Vue d’ensemble (statut, membres, configuration du bot)
   • Activité (messages, infractions, sanctions)
   • Efficacité de la modération (taux, moyennes, engagement)
   • Activité récente (tendances sur 7 et 30 jours)
   • Principales infractions (répartition par type)
   • Horodatages (dernière activité, dernière mise à jour)

Les statistiques se mettent à jour en temps réel à mesure que de nouvelles données arrivent, afin que vous disposiez toujours de métriques à jour.

Accéder aux statistiques des utilisateurs dans les groupes

Pour consulter les membres les plus actifs d’un groupe spécifique :

1. Sur la page de gestion de votre groupe, sélectionnez l’onglet « Statistiques »
2. Choisissez le sous-onglet « Statistiques des utilisateurs »
3. Utilisez la fonction de recherche pour filtrer les utilisateurs par nom, identifiant, ID ou contenu de la bio
4. Consultez la liste des 50 utilisateurs les plus actifs, classés par nombre de messages
5. Chaque carte utilisateur affiche :
   • Avatar (si disponible)
   • Nom et identifiant
   • Nombre total de messages dans ce groupe
   • Horodatage de la dernière activité
6. Cliquez sur n’importe quel utilisateur pour consulter son rapport de renseignements complet

Cette fonctionnalité permet d’identifier les membres les plus engagés de votre communauté et de repérer des schémas d’activité inhabituels (par exemple, des utilisateurs avec un très grand nombre de messages mais sans engagement visible peuvent être des bots de spam).

Surveiller le flux de sanctions en direct

Pour suivre les événements de modération en temps réel :

1. Accédez à « Renseignements utilisateur » depuis le menu principal du panneau
2. Sélectionnez l’onglet « Sanctions en direct »
3. Observez le flux des infractions récentes, qui affiche :
   • Avatar et nom de l’utilisateur
   • Type d’infraction et raison détaillée
   • Score de confiance
   • Horodatage (temps relatif écoulé)
   • Indicateur d’état de connexion (affichant l’état de santé du WebSocket)
4. Cliquez sur n’importe quelle entrée de sanction pour consulter le rapport de renseignements complet du contrevenant

Le flux se reconnecte automatiquement si la connexion est perdue, garantissant une surveillance continue.

Utiliser l’API publique

Pour accéder par programmation aux scores de spam des utilisateurs :

1. Accédez à l’onglet « Renseignements utilisateur » → « Documentation API »
2. Consultez l’URL et le format du point de terminaison API
3. Copiez les exemples de code fournis dans le langage de votre choix :
   • cURL (ligne de commande)
   • JavaScript (fetch API)
   • Python (bibliothèque requests)
4. Remplacez l’ID utilisateur de l’exemple par l’ID que vous souhaitez interroger
5. Exécutez la requête pour recevoir une réponse JSON contenant :
   • spam_rating: Score numérique (0,0-1,0)
   • risk_level: Chaîne de catégorie (Faible/Moyen/Élevé/Critique)

L’API est soumise à une limitation de débit afin d’éviter les abus, tout en autorisant des volumes de requêtes raisonnables pour les cas d’utilisation légitimes.

Scénarios concrets

Scénario 1 : Enquêter sur de nouveaux membres suspects

Un administrateur de communauté remarque que plusieurs nouveaux membres rejoignent le groupe simultanément et se demande s’ils font partie d’une opération de spam coordonnée. À l’aide de la recherche de renseignements utilisateur, l’admin consulte le profil de chaque nouveau membre.

Les rapports de renseignement révèlent que tous les nouveaux membres présentent :

• Des scores de spam supérieurs à 0,70 (risque élevé)
• Aucun identifiant Telegram (signal d’alerte pour les comptes de spam)
• Une appartenance à plus de 200 groupes, avec très peu de messages par groupe (caractéristique d’un bot)
• Des photos de profil NSFW (tactique de spam courante)

Grâce à ces informations, l’administrateur bannit préventivement les comptes avant qu’ils ne puissent publier du spam, évitant ainsi de perturber la communauté. Sans ces données de renseignement, l’admin aurait dû attendre l’apparition des premiers messages de spam avant d’agir.

Scénario 2 : Évaluer les signalements de faux positifs

Un membre de longue date de la communauté contacte les administrateurs en affirmant avoir été injustement réduit au silence pour avoir publié un message légitime. Les admins ne savent pas si le bot a commis une erreur ou si l’utilisateur conteste une mesure justifiée.

À l’aide du rapport de renseignements utilisateur, les administrateurs constatent :

• Score de spam : 0,15 (très faible, utilisateur de confiance)
• Une seule infraction sur un historique de 6 mois
• Niveau de confiance de l’infraction : 0,52 (limite, faible confiance)
• Type d’infraction : Analyse de sentiment - détection de grossièretés
• Raison détaillée : Le message contenait un mot ayant déclenché un faux positif

Le faible niveau de confiance et l’infraction unique appuient l’affirmation de l’utilisateur concernant un faux positif. Les administrateurs expliquent le processus de détection automatisée, précisent que la restriction n’a duré qu’une minute, et rassurent l’utilisateur en lui indiquant que sa réputation globale dans la communauté reste excellente (score de spam de 0,15).

Scénario 3 : Suivre l’efficacité de la modération

Une communauté a récemment renforcé plusieurs règles de modération et souhaite en évaluer l’impact. À l’aide du tableau de bord des statistiques du groupe, les administrateurs examinent :

• Taux de sanctions : passé de 2,5 à 4,8 pour 1 000 messages
• Durée moyenne des sanctions : stable à 3,2 minutes
• Nombre total d’infractions (7 derniers jours) : 45 (contre 28 la semaine précédente)
• Infraction principale : images NSFW (18 infractions)

Les statistiques montrent que l’analyse d’images plus stricte détecte davantage de contenus inappropriés (ce qui était attendu), mais que le taux de sanctions reste raisonnable (seuls 0,48 % des messages enfreignent encore les règles). Les administrateurs concluent que les nouveaux paramètres fonctionnent comme prévu, sans excès de modération.

Scénario 4 : Identifier des schémas de spam entre plusieurs groupes

En surveillant le flux en direct des sanctions, un administrateur remarque que les mêmes noms d’utilisateur apparaissent à plusieurs reprises, avec des infractions similaires (détection de schémas de spam, liens d’invitation), dans différents groupes à quelques minutes d’intervalle.

Ce schéma indique une campagne de spam coordonnée visant plusieurs communautés simultanément. L’administrateur consulte le rapport de renseignements utilisateur pour l’un des spammeurs, confirme un score de spam élevé (0,85+), puis recherche des noms d’utilisateur similaires afin d’identifier des comptes associés.

En bannissant proactivement ces comptes associés de ses propres groupes avant que la vague de spam ne les atteigne, l’administrateur empêche l’attaque au lieu d’y réagir après l’apparition du spam.

Scénario 5 : Optimisation des règles fondée sur les données

Une communauté de joueurs examine chaque mois les statistiques de son groupe afin d’optimiser les paramètres de modération. Les données de ce mois-ci montrent :

• Infraction principale : application des règles de langue (35 infractions)
• Deuxième : langage toxique (12 infractions)
• Infractions NSFW : 2

Le nombre élevé d’infractions liées aux règles de langue surprend les admins : ils découvrent que leur communauté est devenue plus internationale, avec des membres parlant plusieurs langues, alors que le bot continue d’appliquer une règle imposant l’anglais uniquement.

Sur la base de cette analyse fondée sur les données, ils désactivent l’application des règles de langue, reconnaissant que leur communauté a naturellement évolué vers le multilinguisme. Les statistiques les ont aidés à identifier une règle qui n’était plus adaptée à la composition actuelle de leur communauté.

Bonnes pratiques

Audits réguliers des renseignements

Planifiez des examens hebdomadaires ou mensuels des principaux indicateurs de renseignement :

• Consultez le tableau de bord des statistiques de groupe pour repérer les tendances
• Passez en revue les principaux contrevenants dans les statistiques utilisateur
• Analysez la répartition des types d’infractions pour identifier des schémas
• Surveillez les taux et les durées de sanction

Des audits réguliers vous aident à détecter les problèmes émergents à un stade précoce et à vérifier que les paramètres de modération restent adaptés à l’évolution de votre communauté.

Enquêter sur les anomalies

Lorsque vous remarquez des schémas inhabituels dans les données, enquêtez immédiatement :

• Une hausse soudaine des infractions peut indiquer une attaque de spam ou des paramètres mal configurés
• Des notes de spam inhabituellement élevées pour des utilisateurs connus et fiables peuvent indiquer des faux positifs
• Un grand nombre de messages avec peu d’engagement peut indiquer la présence de bots
• Des distributions inhabituelles des niveaux de confiance des infractions peuvent révéler des problèmes systématiques de détection

Les données de renseignement vous aident à repérer ces anomalies ; l’enquête vous aide à les comprendre et à les traiter.

Utiliser les renseignements pour les appels de bannissement

Lorsque des utilisateurs demandent à être débannis ou contestent des restrictions, utilisez les rapports de renseignement pour prendre des décisions éclairées :

• Passez en revue l’historique complet de leurs infractions (pas seulement le dernier incident)
• Examinez les scores de confiance (les infractions à faible confiance peuvent être des faux positifs)
• Vérifiez la note de spam (0,2 ou moins indique généralement un utilisateur légitime)
• Tenez compte des schémas d’infractions (incident isolé ou problèmes répétés)

Une évaluation des appels fondée sur les données garantit des décisions de modération cohérentes et équitables.

Partager les informations avec les coadministrateurs

Utilisez les tableaux de bord de statistiques comme outil de communication au sein de votre équipe de modération :

• Faites une capture d’écran des statistiques hebdomadaires pour les partager dans le chat des administrateurs
• Discutez des tendances et déterminez si les paramètres doivent être ajustés
• Coordonnez les réponses aux nouveaux schémas de spam
• Constituez une mémoire collective sur la dynamique de votre communauté

La transparence au sein de votre équipe favorise une meilleure modération collective.

Utiliser l’API publique pour les intégrations

Si vous gérez plusieurs communautés ou utilisez des outils de modération supplémentaires, intégrez l’API publique :

• Interrogez les notes de spam avant d’accepter de nouveaux membres
• Faites des recoupements avec des bases de données externes de spam
• Créez des tableaux de bord personnalisés combinant des données issues de plusieurs sources
• Automatisez les décisions de modération en fonction du risque

L’API permet des flux de travail avancés allant au-delà de l’interface web.

Surveiller périodiquement le flux en direct

Intégrez la consultation du flux des sanctions en direct à votre routine d’administration habituelle :

• Vérifiez ponctuellement que l’application des règles fonctionne correctement
• Identifiez rapidement les campagnes de spam coordonnées
• Suivez les types d’infractions actuellement les plus fréquents
• Vérifiez que les scores de confiance correspondent à la qualité réelle du contenu

Le flux en temps réel offre une vision de la situation que les statistiques différées ne peuvent pas fournir.

Intégration avec les autres fonctionnalités

Socle de l’AI Spam Intelligence

Les rapports User Intelligence apportent la transparence qui rend l’AI Spam Intelligence fiable. Lorsque l’AI expulse automatiquement un utilisateur dont le score de spam dépasse 0,75, les administrateurs peuvent consulter le rapport d’intelligence afin de comprendre précisément pourquoi ce score a été calculé et vérifier que la décision était appropriée.

L’historique des infractions, les statistiques de confiance et l’analyse comportementale présentés dans les rapports d’intelligence constituent les données brutes qui alimentent l’algorithme de calcul du risque de l’AI. Cette intégration crée une boucle fermée : l’AI prend des décisions à partir des données, et les administrateurs peuvent auditer ces décisions en consultant ces mêmes données.

Complément à la modération manuelle

Si les systèmes automatisés gèrent l’application courante des règles, les données d’intelligence aident les administrateurs à prendre des décisions nuancées dans les cas limites :

• Les scores de spam limites (0,60-0,74) peuvent justifier des avertissements plutôt que des expulsions
• Les infractions à faible niveau de confiance peuvent mériter une seconde chance
• Les utilisateurs ayant un bon historique à long terme mais des infractions récentes peuvent être accompagnés plutôt que sanctionnés

Le système d’intelligence fournit le contexte qu’une automatisation pure ne peut pas offrir.

Renforcement de la détection des tendances

Les rapports d’intelligence individuels montrent les tendances au niveau des utilisateurs, tandis que les statistiques de groupe révèlent les tendances à l’échelle de la communauté :

• De nombreux utilisateurs enfreignant la même règle peuvent indiquer que cette règle est trop stricte
• Des taux d’infraction élevés à des moments précis indiquent quand les campagnes de spam ont lieu
• L’évolution de la répartition des types d’infractions montre comment les tactiques de spam changent au fil du temps

La combinaison de ces deux perspectives offre une vision complète des tendances.

Validation de la configuration des fonctionnalités

Utilisez les statistiques pour vérifier si vos paramètres de fonctionnalités fonctionnent comme prévu :

• Si la détection NSFW génère de nombreuses infractions, c’est qu’elle repère du contenu (elle fonctionne)
• Si l’analyse des sentiments n’affiche aucune infraction malgré des échanges toxiques, le seuil est peut-être trop élevé
• Si la détection du spam laisse passer du spam évident, le seuil est peut-être trop strict

Une validation fondée sur les données garantit que les fonctionnalités sont configurées de manière optimale pour votre communauté.

Utilisation avancée

Analyse des corrélations

Les administrateurs avancés peuvent corréler différentes métriques afin d’en tirer des enseignements :

• Taux de sanction vs niveau d’activité : Les groupes très actifs avec de faibles taux de sanction ont des cultures saines
• Confiance de violation vs type de violation : Des violations NSFW à faible confiance peuvent indiquer un seuil trop sensible
• Score de spam utilisateur vs nombre de groupes rejoints : Les utilisateurs présents dans de nombreux groupes avec des scores de spam élevés sont probablement des spammeurs professionnels
• Schémas temporels : Des violations regroupées à certaines heures peuvent indiquer des campagnes de spam ciblées

Recherchez ces corrélations pour comprendre les schémas plus profonds dans la dynamique de votre communauté.

Analyse de cohortes à l’aide des statistiques utilisateur

Suivez des cohortes d’utilisateurs spécifiques afin de comprendre l’état de santé de la communauté :

• Nouveaux membres (inscrits au cours des 30 derniers jours) : Quel pourcentage accumule des violations ?
• Principaux contributeurs (nombre élevé de messages) : Ont-ils de faibles scores de spam ?
• Membres inactifs (aucune activité récente) : Reviennent-ils ou quittent-ils la communauté ?

L’analyse de cohortes révèle si votre communauté parvient à retenir des membres de qualité et à intégrer avec succès les nouveaux venus.

Analyse de la distribution de la confiance des violations

Le rapport d’intelligence indique la moyenne, la médiane et le 95e percentile de la confiance. Utilisez ces indicateurs pour comprendre la qualité de la détection :

• Moyenne élevée + médiane élevée (toutes deux >0.7) : Détections solides et fiables
• Moyenne faible + 95e percentile élevé : Détections généralement faibles, avec quelques cas ponctuellement solides
• Écart-type élevé (grand écart entre la moyenne et le percentile) : Qualité de détection incohérente

Ces schémas vous aident à évaluer si les paramètres de modération produisent des résultats fiables.

Comparer aux données historiques

Suivez les métriques clés au fil du temps afin d’établir des références et d’identifier les tendances :

• Quel est votre taux de sanction normal pour 1 000 messages ?
• Quelle est la distribution habituelle des violations (quels types sont les plus fréquents) ?
• À quoi ressemble la distribution des scores de spam dans votre communauté ?

Une fois les références historiques établies, les anomalies deviennent immédiatement évidentes.

Stratification du risque

Classez les utilisateurs en niveaux de risque selon leurs scores de spam :

• 0.00-0.30 : Utilisateurs de confiance (vert)
• 0.31-0.60 : Utilisateurs normaux (jaune)
• 0.61-0.74 : Risque élevé (orange)
• 0.75+ : Risque élevé (rouge, expulsion automatique si AI est activée)

Appliquez des politiques de surveillance ou d’application différentes à chaque niveau. Par exemple, les utilisateurs présentant un risque élevé peuvent faire l’objet d’une escalade plus rapide vers des restrictions, tandis que les utilisateurs de confiance peuvent bénéficier d’un traitement plus indulgent pour les violations limites.

Implémentation technique

Le système User Intelligence fonctionne dans le cadre du microservice telegram_intelligence, qui maintient une base de données continuellement mise à jour de profils comportementaux dérivés des événements d’infraction, des statistiques de messages, des données d’appartenance aux groupes et des informations de profil.

Le calcul du score de spam utilise un modèle statistique combinant la théorie des probabilités bayésiennes avec des courbes de risque logistiques. L’algorithme pondère plusieurs facteurs, notamment le taux d’infractions (infractions / messages), les distributions de confiance (moyenne, médiane, percentile), la prévalence des types d’infractions, les signaux comportementaux (caractéristiques du profil, schémas d’appartenance aux groupes) et les facteurs de réputation (statut d’administrateur, niveaux d’engagement).

Les statistiques de groupe sont calculées au moyen de requêtes d’agrégation en base de données qui additionnent les infractions, le nombre de messages, les durées de sanction et d’autres métriques sur l’ensemble des événements enregistrés pour le groupe. Les requêtes utilisent une indexation et une mise en cache efficaces afin de garantir que les temps de chargement du tableau de bord restent rapides, même pour les groupes disposant d’un historique volumineux.

Le flux de sanctions en direct utilise des abonnements GraphQL via des connexions WebSocket, en diffusant en temps réel les événements de la table tg_punishments à mesure que de nouvelles lignes sont insérées. La requête d’abonnement inclut une limite (les 20 sanctions les plus récentes) et trie par horodatage de création décroissant afin d’afficher les derniers événements en premier.

Le point de terminaison public de l’API fournit une interface REST simple qui accepte des paramètres d’ID utilisateur et interroge la base de données d’intelligence pour obtenir le score de spam correspondant. La mise en forme des réponses suit les conventions JSON standard, avec des en-têtes CORS appropriés pour autoriser les requêtes cross-origin depuis des applications web.

Toutes les données d’intelligence sont stockées dans la base de données PostgreSQL avec des index appropriés sur les champs fréquemment interrogés (user_id, group_id, created_at, violation_type), garantissant une récupération rapide même lorsque l’ensemble de données atteint plusieurs millions d’enregistrements.

Confidentialité et gestion des données

Le système User Intelligence traite et stocke :

• Registres des infractions : type, horodatage, niveau de confiance, détails
• Statistiques des messages : décomptes par utilisateur et par groupe
• Appartenance aux groupes : groupes auxquels les utilisateurs appartiennent
• Informations de profil : statut NSFW, présence d’un identifiant, contenu de la bio (si analysée)
• Métriques calculées : scores de spam, statistiques de confiance

Toutes les données proviennent d’informations disponibles via l’API de Telegram ou sont générées par les actions de modération du bot. Le système n’accède pas directement au contenu des messages : il reçoit des rapports d’infraction provenant de systèmes d’analyse de contenu ayant déjà examiné les messages selon les paramètres de modération configurés.

Les protections de la vie privée incluent :

• Contrôle d’accès : seuls les administrateurs de groupe peuvent consulter les renseignements détaillés concernant les utilisateurs de leurs groupes
• Limitations de l’API : l’API publique ne fournit que le score de spam, pas l’historique détaillé des infractions
• Minimisation des données : les journaux d’infractions stockent le type d’infraction et le niveau de confiance, pas le contenu complet des messages
• Anonymisation : les statistiques agrégées ne révèlent pas l’identité des utilisateurs individuels

Les utilisateurs ne peuvent pas refuser l’analyse de leur comportement (cela permettrait aux spammeurs de contourner la détection), mais leurs historiques détaillés restent privés et accessibles uniquement aux administrateurs de leurs groupes. L’exposition limitée des données par l’API publique établit un équilibre entre la protection de la communauté (partage d’informations sur les risques) et la confidentialité individuelle (protection des détails des infractions).

Dépannage

« Impossible de trouver un utilisateur précis dans la recherche d’intelligence »

Causes possibles :

• L’utilisateur n’a interagi avec aucun groupe où votre bot est présent
• Recherche effectuée avec un format de nom/handle incorrect
• L’utilisateur a rejoint récemment et n’a pas encore été entièrement indexé

Solution : Les utilisateurs n’apparaissent dans la recherche que s’ils ont été actifs dans des groupes surveillés par le bot. Assurez-vous de rechercher le handle Telegram exact (essayez avec et sans le symbole @) ou l’ID utilisateur numérique. Les nouveaux utilisateurs peuvent mettre quelques minutes à être entièrement indexés après leur première activité.

« Les statistiques du groupe affichent zéro infraction malgré des violations connues des règles »

Causes possibles :

• Les infractions ont eu lieu avant l’ajout du bot au groupe
• La fonctionnalité qui aurait permis de détecter les infractions n’est pas activée
• Les infractions se produisent, mais ne sont pas correctement journalisées

Solution : Vérifiez que les fonctionnalités de modération pertinentes sont bien activées dans les paramètres. Consultez les rapports d’intelligence individuels des utilisateurs connus pour avoir enfreint les règles afin de vérifier que leurs infractions sont bien enregistrées. Les statistiques incluent uniquement les infractions détectées par le bot, et non les problèmes préexistants.

« Le flux de sanctions en direct affiche l’état “déconnecté” »

Causes possibles :

• Connexion WebSocket perdue en raison d’un problème réseau
• L’onglet du navigateur est resté inactif pendant une période prolongée
• Maintenance ou redémarrage du serveur

Solution : Le flux devrait se reconnecter automatiquement dans les 30 secondes. S’il reste déconnecté, actualisez la page. Vérifiez l’indicateur d’état de connexion : s’il affiche « connecté » mais qu’aucune sanction n’apparaît, cela peut indiquer une période sans aucune infraction (normal pendant les périodes calmes).

« Les scores de spam semblent plus bas que prévu pour des spammeurs évidents »

Causes possibles :

• Le spammeur n’a pas encore accumulé suffisamment d’infractions
• Les infractions ont des scores de confiance faibles
• Le spammeur présente des signaux de réputation positifs qui compensent les infractions

Solution : Les scores de spam reflètent une probabilité statistique fondée sur les données accumulées. Les nouveaux spammeurs ayant peu d’infractions n’auront pas de scores élevés tant qu’ils n’auront pas établi un schéma récurrent. Consultez leur rapport d’intelligence pour voir les scores de confiance : si les infractions ont une faible confiance (0.50-0.60), l’algorithme attribue correctement un risque plus faible. Le score augmentera à mesure que davantage d’infractions à forte confiance s’accumuleront.

« L’API publique renvoie une erreur ou une réponse vide »

Causes possibles :

• Format d’ID utilisateur invalide
• L’utilisateur n’a jamais interagi avec des groupes surveillés par le bot
• Limitation du débit déclenchée

Solution : Assurez-vous de fournir un ID utilisateur Telegram numérique valide, et non un nom d’utilisateur ou un handle. L’API ne renvoie des données que pour les utilisateurs qui ont été actifs dans des groupes où le bot fonctionne. Si vous effectuez de nombreuses requêtes, ralentissez pour éviter les limites de débit (maximum 100 requêtes par minute et par IP).

« Les statistiques utilisateurs affichent moins de 50 utilisateurs malgré un groupe plus important »

Causes possibles :

• De nombreux membres n’ont envoyé aucun message
• Un filtre de recherche est actif et limite les résultats
• Les membres inactifs ne sont pas inclus dans la liste des principaux contributeurs

Solution : La liste des statistiques utilisateurs affiche uniquement les utilisateurs ayant envoyé au moins un message, classés par nombre de messages. Les membres qui ont rejoint le groupe sans jamais participer n’apparaîtront pas. Effacez tout filtre de recherche actif pour voir la liste complète. Le nombre inclut uniquement les participants actifs, pas le nombre total de membres.

Conclusion

Le système d’intelligence utilisateur et d’analyse de groupe vous offre une visibilité sur la dynamique de votre communauté, le comportement des membres et l’efficacité de la modération. Il combine des profils comportementaux individuels avec des statistiques agrégées, une surveillance en temps réel et un accès public à l’API.

Que vous ayez besoin d’enquêter sur un utilisateur suspect, d’évaluer si vos paramètres de modération fonctionnent correctement, de suivre en temps réel des campagnes de spam en cours ou d’intégrer des données d’intelligence à des outils externes, le tableau de bord d’analyse vous fournit les informations nécessaires pour prendre rapidement des décisions éclairées et en toute confiance.

La transparence des rapports d’intelligence garantit que les décisions de modération automatisées restent auditables et explicables : les administrateurs peuvent toujours vérifier précisément pourquoi un utilisateur a reçu une note de spam particulière ou quelles violations ont contribué à une mesure d’application des règles. Cette responsabilisation rend la modération automatisée digne de confiance et aide les administrateurs à préserver la confiance de la communauté, même lorsque des mesures d’application sont prises.

Utilisés régulièrement, ces rapports vous permettent de modérer de manière proactive plutôt que réactive : l’examen des notes de spam et du fil des sanctions fait apparaître les problèmes avant qu’ils ne se propagent, et la piste d’audit permet de réexaminer chaque décision automatisée.