Ce que faisait le modèle
DraftKings a construit en 2023 un modèle d’apprentissage automatique qui notait ses clients selon la somme qu’on s’attendait à les voir perdre après un pari offert ou un bonus, a rapporté samedi le New York Times à partir d’entretiens avec d’anciens salariés, selon le résumé de Yahoo News.
Les variables étaient banales : la fréquence de jeu, le solde du compte, le rapport entre pertes et mises, et la probabilité d’arrêter complètement de jouer. La sortie était un chiffre unique que le personnel appelait score d’« élasticité ». Plus il était élevé, plus le client valait la peine d’être relancé avec des avantages.
Pourquoi cela fonctionnait
Le modèle n’avait pas été conçu pour repérer les joueurs à problèmes. Il avait été conçu pour trouver le meilleur rendement par euro promotionnel, et il s’est avéré que les deux désignaient les mêmes personnes. D’anciens salariés ont déclaré au Times que la logique financière identifiait les joueurs à problèmes comme les cibles les plus rentables des offres de bonus.
« Nous cherchons des traits et des caractéristiques que nous pouvons cibler et qui indiquent un bon investissement », a déclaré au journal l’ancien analyste de données Jayden Butts.
Cette phrase résume tout. Rien en elle ne parle de dommage lié au jeu. Rien n’a besoin d’en parler pour que le dommage survienne.
Le modèle resté au placard
Mi-2024, le data scientist de DraftKings Nestor Hernandez a commencé à construire un autre modèle : un score de risque censé repérer, des jours ou des semaines à l’avance, les clients en route vers une crise de jeu, en examinant les mouvements d’argent, les schémas de poursuite des pertes, l’âge et le sexe.
Il tournait sur à peu près la même infrastructure que le score d’élasticité. Il a été mis de côté. La responsable du jeu responsable de l’entreprise a estimé que l’outil de prédiction du risque manquait de fondements probants suffisants, selon le Times.
L’asymétrie est le constat à retenir. Un modèle prédictif tourné vers les recettes a été accepté sur ses résultats ; un modèle prédictif tourné vers le dommage a été soumis à une exigence de preuve que le premier n’a jamais eu à satisfaire.
Ce que dit DraftKings
L’entreprise conteste avoir ciblé des personnes selon des pertes prévues, affirme que les promotions vont aux utilisateurs actifs et renvoie à ses partenariats de jeu responsable et à ses outils de suivi.
Elle a aussi dit à ses investisseurs ce que valait cette analyse : DraftKings a attribué à la science des données une amélioration d’environ 13 % des marges de son activité de paris liées aux promotions en 2025, sur des dépenses promotionnelles qu’elle chiffre en centaines de millions de dollars.
Pourquoi cela dépasse les paris
Les régulateurs américains des jeux surveillent la publicité, les conditions des bonus et l’auto-exclusion. Ils ne surveillent généralement pas la fonction de classement qui décide qui voit une offre. Cette lacune n’est pas propre aux opérateurs de paris : c’est la même partout où un modèle trie des clients par valeur attendue et où ce tri reste invisible pour la personne triée.
À surveiller : si un régulateur d’État demande à voir la liste des variables. La question décisive n’est pas de savoir si l’IA a été utilisée, mais si la « probabilité d’arrêter de jouer » est une variable légitime dans un modèle marketing.
