Comment les plateformes repèrent les avis achetés

Un avis acheté provient d'un compte rémunéré. La personne existe souvent réellement, ce qui permet aux vendeurs de parler de profils vérifiés sans mentir techniquement. Mais ce compte n'a jamais été votre client, et son activité le trahit. Un contributeur qui note un plombier à Lille, un restaurant à Nice et un garage à Bordeaux la même semaine n'a aucune cohérence géographique. La trace n'est pas dans le texte, elle est dans le comportement du compte, et elle est structurelle.

Les plateformes exploitent bien plus que la localisation affichée. Google et TripAdvisor croisent la géolocalisation, l'appareil, l'adresse IP, l'âge du compte et l'historique de dépôt. Meta remonte le graphe social : une grappe de profils qui recommandent les mêmes pages est démantelée en bloc. Amazon cartographie les réseaux de comptes par adresses de livraison partagées et moyens de paiement liés. Les fermes de comptes partagent des empreintes techniques qui les identifient ensemble : ce n'est jamais un faux avis isolé qui tombe, c'est la grappe entière.

Le deuxième indice ne demande aucun algorithme sophistiqué. Une fiche qui affiche 12 avis en trois ans et en encaisse 60 en trois semaines, puis plus rien, présente un pic isolé qui saute aux yeux. La collecte authentique produit une courbe régulière, corrélée à l'activité réelle de l'entreprise. L'afflux acheté produit une bosse déconnectée de tout : ni saison, ni campagne, ni pic de fréquentation ne l'explique.

Tous les grands dispositifs surveillent ce rythme. Le TrustScore de Trustpilot est pondéré pour détecter les afflux anormaux et les comptes à faible historique, indépendamment du texte. Google Play Protect et l'analyse d'Apple corrèlent les notes aux courbes d'installation. Sur TripAdvisor, l'effet est double : au-delà de la suppression, l'algorithme de classement valorise la régularité et la fraîcheur, si bien qu'un afflux acheté peut faire perdre des places dans le classement Popularité, un effet bien plus durable qu'un simple retrait d'avis.

Le dernier signal est le plus lisible, y compris pour le prospect humain qui vous lit. Des avis de longueur quasi identique, tous à cinq étoiles, tous porteurs du mot-clé métier et du nom de la ville. Aucun vrai client n'écrit plombier dépannage urgence Paris 11 dans son commentaire : il écrit super, rien à dire, ou raconte un détail précis. C'est l'irrégularité qui fait l'authenticité, et son absence qui trahit la commande en série.

Cette uniformité vaut aussi pour la note globale. Une fiche parfaite à 5,0 sans la moindre aspérité éveille la méfiance des plateformes comme des lecteurs ; la zone de confiance se situe autour de 4,2 à 4,8. Un flux d'avis dithyrambiques, tous construits sur le même moule lexical, coche exactement le profil que les filtres cherchent, quand un ensemble réel mélange les longueurs, les tons, les fautes et quelques réserves.

Il n'y a pas à spéculer sur l'existence de ces filtres : les vendeurs eux-mêmes en apportent la preuve. Quand une plateforme d'achat propose une livraison progressive pour un dépôt naturel, elle ne vend pas un gage de qualité, elle vend une technique d'évitement. Étaler les faux avis dans le temps n'a qu'un seul but : ne pas déclencher le repérage de la courbe. On vous facture explicitement le contournement de la détection, ce qui démontre qu'il y a bien quelque chose à contourner.

Le même raisonnement vaut pour les options de mots-clés activité et localisation intégrés, ou pour les garanties de passage du filtre vendues sur Yelp et jamais tenues. Ces arguments commerciaux ne prennent leur sens que si des filtres existent et fonctionnent. Autrement dit, le prix payé n'achète pas la sécurité : il achète l'illusion d'échapper à un dispositif que le vendeur reconnaît, par sa propre offre, comme actif et efficace.

Une fois la détection acquise, la sanction varie et va souvent bien au-delà du retrait silencieux. Trustpilot affiche un bandeau public de collecte d'avis suspecte et publie chaque année les entreprises sanctionnées dans un rapport de transparence consultable par tous. TripAdvisor appose un avertissement rouge visible pendant des mois et déclasse la fiche. Yelp masque l'avis via son filtre de recommandation puis affiche une alerte consommateur, alimentée par ses propres achats-tests menés chez les vendeurs. Amazon relie commandes, remboursements hors plateforme et publication d'avis pour tracer les boucles de review clubs, gèle le compte vendeur et poursuit directement en justice.

À ce risque plateforme s'ajoute le risque légal, qui pèse sur l'entreprise bénéficiaire et non sur le prestataire. Depuis le 28 mai 2022, l'article L121-4 du Code de la consommation vise nommément, à son point 28°, le fait de diffuser ou de faire diffuser de faux avis de consommateurs. L'article L132-2 prévoit jusqu'à cinq ans d'emprisonnement et 750 000 € d'amende lorsque la pratique est commise en ligne, montant pouvant atteindre 10 % du chiffre d'affaires annuel. Face à trois signaux qui trahissent l'achat et à des sanctions cumulées, le calcul est clair.

La sortie tient dans un constat simple : le volume que vous cherchiez à acheter, vous l'avez déjà. Un artisan qui a réalisé 400 prestations et n'affiche que 12 avis dispose de près de 400 clients réels jamais sollicités. À 10 à 25 % de dépôt sur une relance par SMS, cette base produit des dizaines d'avis authentiques que nul filtre ne fera tomber, parce qu'ils sont vrais. La seule précaution est de reproduire une courbe crédible : envoyer par lots de 20 à 30 relances hebdomadaires, étalés sur 8 à 12 semaines, dans le cadre du RGPD, sur la base légale de l'intérêt légitime, avec un moyen simple de refuser. C'est exactement ce que détaille la méthode de relance du site : les mêmes signaux qui condamnent l'achat deviennent, à l'endroit, la recette d'une collecte solide.