Jeu responsable : un algorithme open source pourrait-il aider la CJH à mieux détecter les joueurs à risque ?
» Commission des jeux de hasard » Jeux d'argent en ligne en Belgique
lundi 14 Septembre 2026
Aux Pays-Bas, des chercheurs de l'Université d'Amsterdam viennent de rendre public un algorithme capable d'évaluer le niveau de risque d'un joueur à partir de son comportement réel sur les sites de jeux en ligne. Sa particularité : contrairement aux solutions développées par les opérateurs, son fonctionnement et son code sont ouverts. Une approche qui pourrait également présenter un intérêt pour la Commission des jeux de hasard en Belgique, où certains opérateurs comme Gaming1 utilisent déjà l'intelligence artificielle pour détecter les comportements problématiques.
L'intelligence artificielle pourrait prendre une place de plus en plus importante dans la protection des joueurs en ligne. Aux Pays-Bas, des chercheurs de l'Université d'Amsterdam (UvA) ont développé un algorithme capable d'attribuer un score de risque à un joueur en analysant directement son comportement de jeu.
Le principe repose sur le machine learning. Plutôt que de s'appuyer uniquement sur des questionnaires ou sur les déclarations des joueurs, le modèle observe leur activité réelle.
Plusieurs types de signaux sont notamment analysés :
En croisant ces différentes informations, l'algorithme produit un score destiné à identifier les comportements pouvant présenter un risque accru. Toutes les formes de jeux d'argent en ligne ont été intégrées au développement du modèle.
L'intérêt du projet tient également à la quantité de données utilisée pour entraîner le système. Le chercheur Charles de Leau, accompagné des professeurs Reinout Wiers et Johan Bollen de l'Université d'Amsterdam, a pu travailler sur les mises effectuées par l'ensemble des joueurs de 13 opérateurs néerlandais de jeux en ligne pendant deux années, du 30 juillet 2023 au 30 juillet 2025.
Une quantité de données rarement accessible à des chercheurs indépendants. La législation néerlandaise prévoit en effet un mécanisme permettant d'obliger les opérateurs à mettre certaines données de leurs utilisateurs à disposition de la recherche indépendante. Selon l'Université d'Amsterdam, Charles de Leau serait le premier chercheur à avoir utilisé cette possibilité depuis son introduction.
L'objectif est particulièrement intéressant : utiliser une quantité massive de données comportementales pour rechercher les schémas susceptibles de précéder l'apparition de problèmes de jeu plus importants.
La véritable nouveauté se situe toutefois ailleurs. Le code et la méthodologie du modèle sont accessibles publiquement. Cette transparence doit permettre à des chercheurs d'analyser son fonctionnement, d'en identifier les limites, de proposer des améliorations ou encore de développer leurs propres variantes.
Mais l'objectif est également réglementaire. La Kansspelautoriteit (Ksa), l'autorité néerlandaise chargée des jeux d'argent, peut utiliser cet algorithme comme outil de référence indépendant. Elle pourrait par exemple comparer les scores produits par le modèle avec ceux générés par les systèmes internes utilisés par les opérateurs.
La Ksa précise néanmoins que cet algorithme ne constitue qu'un outil supplémentaire. Pour un opérateur, l'utiliser ne suffit pas à démontrer qu'il respecte ses obligations de protection des joueurs. Cette distinction est essentielle. L'algorithme n'est pas destiné à décider automatiquement qu'un joueur souffre d'une addiction. Il permet avant tout d'identifier des comportements nécessitant éventuellement une attention particulière.
Car l'utilisation de l'intelligence artificielle pour surveiller les comportements de jeu n'est pas nouvelle.
De nombreux opérateurs disposent déjà de leurs propres technologies de détection. C'est précisément l'une des raisons ayant poussé les chercheurs néerlandais à développer un outil indépendant : les données les plus précises se trouvent actuellement entre les mains des casinos, qui développent généralement eux-mêmes leurs systèmes de surveillance ou travaillent avec des partenaires privés.
En Belgique, Gaming1 constitue un exemple particulièrement avancé de cette approche. Le groupe, notamment présent derrière Circus Casino, utilise depuis plusieurs années un outil basé sur l'intelligence artificielle et la data science afin de détecter les comportements potentiellement problématiques. Gaming1 a notamment travaillé avec Xavier Noël (Université Libre de Bruxelles - ULB), spécialiste des addictions, dans le cadre de ses recherches consacrées au comportement des joueurs.
Le principe présente plusieurs similitudes avec celui développé aux Pays-Bas.
L'intelligence artificielle analyse différents indicateurs issus de l'activité du joueur.
Parmi eux figurent notamment :
Une personne augmentant brutalement ses mises ou modifiant fortement sa fréquence de connexion peut ainsi générer un signal nécessitant une analyse supplémentaire. Gaming1 explique utiliser l'intelligence artificielle et la science des données afin de déterminer différents niveaux de risque à partir de ces indicateurs comportementaux.
Dans un reportage consacré à ce système en 2024, Thibaut Collard, alors Chief Compliance Officer de Gaming1, expliquait également que l'opérateur s'appuyait sur les données accumulées au fil des années ainsi que sur la littérature scientifique consacrée aux comportements problématiques.
La détection ne constitue cependant que la première étape. Lorsqu'un comportement considéré comme inhabituel ou potentiellement problématique est détecté de manière répétée, Gaming1 peut intervenir auprès du joueur. Cela peut commencer par des messages de sensibilisation ou des pop-ups. Dans certains cas, l'équipe chargée du jeu responsable peut également prendre directement contact avec la personne concernée afin d'évaluer la situation et de lui proposer un accompagnement adapté.
L'intelligence artificielle joue donc principalement un rôle de système d'alerte.
Elle permet de traiter en permanence une quantité de données qu'il serait pratiquement impossible d'analyser manuellement joueur par joueur.
L'initiative de l'Université d'Amsterdam ne remet donc pas en cause les technologies développées par Gaming1 ou par d'autres opérateurs. Elle pose plutôt une autre question : qui contrôle les algorithmes chargés de contrôler les joueurs ? Un casino dispose naturellement d'informations extrêmement détaillées sur l'activité de ses clients. Ces données peuvent servir à personnaliser l'expérience ou à mieux comprendre les habitudes de jeu, mais également à identifier les comportements problématiques.
Le régulateur se trouve dans une position différente. Sans outil indépendant, il doit notamment évaluer les dispositifs de protection mis en place par les opérateurs alors que ces derniers disposent de leurs propres méthodes, paramètres et modèles. Un modèle open source pourrait réduire cette asymétrie. Le régulateur disposerait de son propre référentiel lui permettant, par exemple, de déterminer si certains comportements considérés comme fortement risqués par le modèle indépendant sont également détectés suffisamment rapidement par le système de l'opérateur.
C'est ici que l'expérience néerlandaise pourrait devenir intéressante pour la Belgique. La Commission des jeux de hasard (CJH) contrôle les opérateurs disposant d'une licence belge et veille notamment au respect du cadre réglementaire relatif à la protection des joueurs. Un système comparable pourrait théoriquement lui offrir un nouvel instrument d'analyse. L'algorithme développé à Amsterdam n'est d'ailleurs pas conçu uniquement pour le marché néerlandais. Sa publication en open source permet aux autorités étrangères, chercheurs et opérateurs d'étudier son fonctionnement et éventuellement de l'adapter.
Le projet a également été développé en étroite collaboration avec la DGOJ, le régulateur espagnol des jeux d'argent, qui travaille lui-même sur un modèle comparable. Une éventuelle utilisation en Belgique nécessiterait cependant davantage que le simple téléchargement du programme. La performance d'un tel modèle dépend directement de la qualité et de la quantité des données auxquelles il peut accéder. L'expérience néerlandaise a justement bénéficié d'un cadre permettant à des chercheurs indépendants d'obtenir deux années de données provenant de 13 opérateurs.
La question de l'accès aux données serait donc centrale pour une éventuelle transposition belge.
L'intérêt pourrait par ailleurs dépasser la simple détection directe des joueurs à risque. Un régulateur disposant d'un modèle indépendant pourrait également l'utiliser comme benchmark pour examiner les outils employés par les casinos. Prenons un exemple théorique. Si l'algorithme indépendant identifie rapidement une forte augmentation du niveau de risque d'un joueur tandis que le système de l'opérateur ne déclenche aucune alerte pendant plusieurs semaines, cette différence pourrait constituer un élément intéressant pour le régulateur.
À l'inverse, les modèles développés par les opérateurs pourraient également se révéler plus performants sur certains comportements ou certaines catégories de joueurs. L'open source permet justement cette comparaison.
Le débat ne serait alors plus uniquement de savoir si un casino affirme disposer d'un système de détection, mais également de déterminer comment ce système réagit face à des comportements considérés comme risqués par un référentiel indépendant.
Il existe néanmoins une limite importante. Un score de risque ne constitue pas un diagnostic d'addiction. Deux joueurs présentant des comportements similaires peuvent se trouver dans des situations personnelles et financières totalement différentes. Une augmentation des mises ou plusieurs sessions nocturnes peuvent constituer des signaux, mais ne suffisent pas isolément à qualifier un joueur de dépendant.
C'est également pour cette raison que les systèmes actuels associent généralement détection automatisée et intervention humaine.
Chez Gaming1, les alertes générées par la technologie peuvent conduire l'équipe chargée du jeu responsable à intervenir auprès du joueur. Aux Pays-Bas, la Ksa insiste elle aussi sur le fait que le modèle doit rester un élément parmi d'autres du dispositif de protection.
L'utilisation de l'intelligence artificielle dans les jeux d'argent entre ainsi dans une nouvelle phase. Jusqu'à présent, ces technologies étaient principalement développées par les opérateurs afin d'analyser leurs propres joueurs. Gaming1 montre que ces systèmes peuvent déjà servir concrètement à identifier des variations de comportement et à déclencher des actions de prévention. Le projet de l'Université d'Amsterdam ajoute désormais un nouvel acteur dans cette équation : le régulateur.
En rendant son algorithme entièrement accessible, l'équipe néerlandaise ne propose pas seulement un nouvel outil de détection. Elle introduit surtout la possibilité de disposer d'un standard indépendant et vérifiable permettant de confronter les systèmes propriétaires utilisés dans l'industrie.
Reste à savoir si d'autres autorités européennes choisiront de suivre cette voie.
Pour la Commission des jeux de hasard belge, l'expérience mérite en tout cas d'être observée. À terme, l'intelligence artificielle pourrait ainsi servir non seulement aux casinos pour surveiller leurs joueurs, mais également aux régulateurs pour évaluer la manière dont les casinos remplissent leur mission de protection.
