La fraude à l'influence : faux abonnés et engagement artificiel
Un abonné sur deux chez certains influenceurs peut être un compte fabriqué, et cela coûte plus d'un milliard de dollars par an aux marques
- Tous les critères habituellement utilisés pour juger de la valeur d'un compte créateur (nombre d'abonnés, likes, commentaires) peuvent être fabriqués artificiellement : des sites et applications tiers vendent des services qui gonflent artificiellement ces indicateurs.
- Une analyse portant sur plus de 7 000 influenceurs britanniques a montré qu'environ la moitié d'entre eux comptaient chacun jusqu'à 20 000 abonnés « de faible qualité » (bots, comptes suspects), avec plus de quatre engagements sur dix jugés non authentiques pour ce groupe.
- Une étude portant sur près de 700 000 publications d'influenceurs britanniques au premier semestre 2018 a établi que 12 % des influenceurs britanniques avaient acheté de faux abonnés.
- Une autre étude a identifié des schémas de croissance anormaux chez 24 % des influenceurs analysés, un signe révélateur de manipulation des likes ou des abonnés.
- Le coût de cette fraude a été estimé, pour les seules dépenses calculables liées aux faux abonnés, jusqu'à 1,3 milliard de dollars, soit environ 15 % des dépenses mondiales de marketing d'influence (estimation 2019).
- Cette fraude touche directement la ressource la plus fondamentale de l'écosystème des créateurs : la confiance, déjà identifiée comme le facteur qui distingue un compte réellement influent d'un compte simplement volumineux (voir L'attention, la confiance et l'influence : les ressources fondamentales de l'écosystème des créateurs).
- Détecter cette fraude constitue précisément la fonction de la catégorie fraud detection de la CreatorTech, l'une des dix catégories d'outils dédiés à l'écosystème des créateurs.
Comment un compte fabrique de faux signaux de popularité
Trois indicateurs sont couramment manipulés : le nombre d'abonnés, le nombre de likes et le nombre de commentaires. Des services tiers, parfois de simples sites ou applications facilement accessibles, vendent l'achat de ces trois indicateurs à la demande, indépendamment de toute audience réelle. Le résultat visible (un compte affichant un grand nombre d'abonnés et d'interactions) reste indiscernable à l'œil nu d'un compte ayant construit son audience de manière organique, ce qui explique pourquoi cette fraude a pu prospérer aussi longtemps sans outil de détection dédié.
L'ampleur mesurée de la fraude chez les influenceurs britanniques
Deux études indépendantes, portant sur des échantillons différents d'influenceurs britanniques, convergent vers une même conclusion : la fraude aux abonnés et à l'engagement n'est pas un phénomène marginal. La première, portant sur plus de 7 000 comptes, a trouvé qu'environ la moitié des influenceurs analysés comptaient chacun jusqu'à 20 000 abonnés de faible qualité, avec un taux d'engagement non authentique dépassant 40 % pour ce groupe. La seconde, portant sur près de 700 000 publications, a établi qu'un influenceur britannique sur huit environ (12 %) avait acheté de faux abonnés au premier semestre 2018. Une troisième étude, distincte, a identifié des schémas de croissance anormaux (signe indirect de manipulation) chez près d'un quart (24 %) des influenceurs analysés.
Le coût économique de la fraude pour les marques
Une estimation datée de 2019, portant uniquement sur le coût calculable des faux abonnés (donc probablement inférieure au coût réel total, qui inclurait aussi l'engagement artificiel non lié aux abonnés), chiffrait ce coût à 1,3 milliard de dollars, soit environ 15 % des dépenses mondiales de marketing d'influence de l'époque. Une marque qui rémunère un créateur en fonction de son volume d'audience affiché, sans vérification indépendante, prend donc un risque financier direct et mesurable : payer pour une audience qui n'existe pas réellement, ou qui n'est pas composée de personnes susceptibles d'acheter le produit promu.
Pourquoi la fraude à l'influence recoupe directement la CreatorTech
La catégorie fraud detection de la CreatorTech existe précisément pour répondre à ce problème : identifier les faux followers et les comportements artificiels avant qu'une marque ou une agence n'engage un partenariat sur la base de métriques trompeuses. Cette fonction intervient logiquement en amont du cycle de collaboration entre marque et créateur, avant tout engagement financier, ce qui explique pourquoi elle est généralement associée aux fonctions de discovery et d'analytics plutôt qu'aux fonctions d'attribution, qui interviennent après la campagne. Le problème de la fraude reste néanmoins distinct de celui de l'attribution imparfaite décrit dans Le paradoxe de l'attribution en marketing d'influence : l'un concerne l'authenticité de l'audience elle-même, l'autre concerne la difficulté à mesurer l'impact réel d'une audience authentique.
Application pratique : réduire le risque de fraude avant une collaboration
Avant d'engager une collaboration avec un créateur sur la base de ses métriques affichées, il reste possible de rechercher des signes indirects de fraude plutôt que de se fier au seul nombre d'abonnés : un taux d'engagement anormalement bas rapporté au nombre d'abonnés, une croissance brutale et inexpliquée du nombre d'abonnés sur une courte période, ou des commentaires génériques et répétitifs plutôt que des réactions spécifiques au contenu publié. Ces signes qualitatifs recoupent directement la méthode déjà recommandée pour diagnostiquer la vraie valeur d'une audience (voir L'attention, la confiance et l'influence : les ressources fondamentales de l'écosystème des créateurs), et peuvent être complétés par un outil dédié de la catégorie fraud detection lorsque le volume de collaborations le justifie.
FAQ
Qu'est-ce que la fraude à l'influence ? La fabrication artificielle des indicateurs de popularité d'un compte créateur (abonnés, likes, commentaires), généralement via des services tiers payants, dans le but de paraître plus influent ou plus engagé qu'il ne l'est réellement.
Quelle proportion d'abonnés peut être « de faible qualité » chez un influenceur britannique moyen ? Selon une analyse portant sur plus de 7 000 influenceurs britanniques, environ la moitié d'entre eux comptaient chacun jusqu'à 20 000 abonnés de faible qualité (bots, comptes suspects), avec plus de quatre engagements sur dix jugés non authentiques pour ce groupe.
Combien d'influenceurs britanniques ont acheté de faux abonnés ? Environ 12 %, selon une étude portant sur près de 700 000 publications d'influenceurs britanniques au premier semestre 2018.
Combien coûte la fraude à l'influence aux marques ? Une estimation de 2019, portant uniquement sur le coût calculable des faux abonnés, la chiffrait à 1,3 milliard de dollars, soit environ 15 % des dépenses mondiales de marketing d'influence de l'époque, un chiffre probablement inférieur au coût réel total incluant l'engagement artificiel.
Comment repérer un schéma de croissance anormal révélateur de fraude ? Une hausse brutale et inexpliquée du nombre d'abonnés sur une courte période constitue un signe indirect de manipulation ; une étude a identifié ce type de schéma chez 24 % des influenceurs analysés.
Quel outil de la CreatorTech sert spécifiquement à détecter cette fraude ? La catégorie fraud detection, l'une des dix catégories fonctionnelles de la CreatorTech, dédiée à l'identification des faux followers et des comportements artificiels avant qu'une marque n'engage un partenariat.
La fraude à l'influence est-elle la même chose qu'un problème d'attribution imparfaite ? Non. La fraude concerne l'authenticité de l'audience elle-même (des abonnés réels ou fabriqués), tandis que le paradoxe de l'attribution concerne la difficulté à mesurer l'impact réel d'une audience authentique sur les ventes.
Comment une marque peut-elle réduire son risque de fraude avant une collaboration ? En recherchant des signes indirects (taux d'engagement anormalement bas rapporté aux abonnés, croissance brutale inexpliquée, commentaires génériques) plutôt qu'en se fiant au seul nombre d'abonnés affiché, éventuellement complétés par un outil dédié de fraud detection.