Gemini de Google a bloqué des milliards d'annonces nocives : c'est une bonne nouvelle, mais faites attention
Google a publié son rapport annuel sur la sécurité publicitaire pour 2025, dans lequel il dévoile les chiffres relatifs aux publicités indésirables, en mettant l'accent sur le rôle clé joué par les outils basés sur Gemini pour les identifier et les bloquer. Et quand on examine ces chiffres, il est difficile de ne pas être impressionné, du moins à première vue : plus de 8,3 milliards de publicités inappropriées bloquées ou supprimées, 4,8 milliards de publicités restreintes et un peu moins de 25 millions de comptes d'annonceurs suspendus. Google souligne que 99 % de toutes les publicités enfreignant les règles ont été bloquées avant même d’être diffusées auprès des utilisateurs — affirmant une nouvelle fois que le rôle de Gemini a été déterminant à cet égard. Nous ne sommes pas ici pour nier le mérite qui lui revient : la lutte contre les publicités indésirables est importante. Mais c’est aussi quelque chose que l’on attend de Google en tant que propriétaire de la plateforme. Les résultats sont louables, mais ils mettent également en évidence à quel point l’écosystème publicitaire peut être prédateur et hostile.
Comment l'IA aide Google à détecter les « publicités malveillantes »
L'argument principal invoqué par Google en faveur d'une approche fondée sur l'IA pour évaluer la légitimité d'une publicité est qu'elle ne fonde pas la décision de modération uniquement sur des mots-clés, mais qu'elle permet plutôt de comprendre et d'analyser des signaux plus complexes tels que l'ancienneté du compte, les indices comportementaux et les schémas de campagne. Les malfaiteurs conçoivent souvent leurs publicités frauduleuses pour imiter les publicités légitimes, et ils tirent parti de l’IA générative pour produire des différentes variantes rapidement et à grande échelle, de sorte que certaines finissent par tromper les anciens systèmes de contrôle basés sur la reconnaissance de modèles.
Avant l'arrivée de l'IA, ces anciens systèmes ressemblaient davantage à une liste de contrôle : ils vérifiaient si une annonce contenait certains mots, symboles, URLs non conformes, astuces de mise en forme ou catégories de produits susceptibles de déclencher des violations de la politique. L'annonce utilise-t-elle des termes interdits ? La page de destination correspond-elle à l'URL affichée ? Contient-elle une mise en forme suspecte telle que F₹€€! au lieu de « free » ? Ces contrôles sont utiles, mais ils sont également fragiles et bien plus faciles à contourner grâce à des choix de mots ingénieux et d'autres stratagèmes astucieux. Par exemple, une phrase telle que « Perdez 10 kg en une semaine ! » serait assez facile à détecter et à signaler, même avec l'ancien système. Mais imaginez une page de destination remplie de fausses allégations, de faux témoignages et de conditions d’abonnement cachées — et cela devient beaucoup plus difficile. Aucun élément isolé n’indique une arnaque, donc l’approche par liste de contrôle a de fortes chances d’approuver l’annonce. Mais un système d’IA qui comprend le contexte a plus de chances de marquer l’annonce comme « mauvaise » avec un degré de certitude plus élevé. Une bonne analogie serait celle de la sécurité aéroportuaire qui signale une personne comme suspecte non pas uniquement en fonction des objets illégaux qu’elle transporte dans ses bagages (l’ancien système), mais plutôt en raison de son comportement étrange, comme le fait d’utiliser différents noms, d’acheter uniquement des billets aller simple ou de changer fréquemment d’itinéraire.
Gemini prend en compte tout ce contexte pour déterminer l'intention derrière l'annonce et est (du moins selon Google lui-même) très efficace pour repérer les escroqueries : plus de 600 millions d'annonces liées à des escroqueries ont été supprimées et 4 millions de comptes ont été suspendus pour des activités frauduleuses en 2025. Un autre atout de Gemini est sa capacité à traiter automatiquement les retours des utilisateurs. Selon Google, ses équipes ont pu donner suite à quatre fois plus de signalements d'utilisateurs qu'en 2024 grâce à l'intégration de l'IA.
L'IA fait son entrée dans le domaine du blocage des publicités
Le choc entre les anciennes et les nouvelles approches de détection des publicités indésirables dans l'écosystème publicitaire de Google présente des similitudes avec le blocage des publicités en général. Pendant des années, bloquer une publicité consistait simplement à comparer le serveur utilisé pour la diffuser à une liste prédéfinie de domaines « indésirables ». Tout ce qui provenait de adserver.example.com était bloqué, un point c'est tout. Le filtrage DNS fonctionne encore plus ou moins de la même manière : moins flexible peut-être, mais très efficace, léger et applicable à l'ensemble du système. Aujourd'hui, les bloqueurs d'annonces sont confrontés à des défis totalement différents et bien plus difficiles. Les publicités et autres requêtes indésirables se fondent souvent dans le contenu utile. Les règles de filtrage modernes n'ont plus rien à voir avec les règles courtes et simples des débuts du blocage des publicités. Elles sont extrêmement complexes, et la syntaxe de filtrage ressemble plus à un véritable langage de programmation qu'à toute autre chose.
La syntaxe utilisée pour bloquer les annonces n'a cessé d'évoluer en réponse à des défis de plus en plus complexes — avec un certain succès jusqu'à présent. Mais le fait que l'approche traditionnelle, fondée sur des règles de filtrage, n'ait pas encore été supplantée par l'IA ne signifie pas pour autant que les développeurs de bloqueurs de publicités aient mis de côté l'idée d'utiliser l'IA dans ce domaine. Au contraire, ils explorent le potentiel de l'IA dans le contexte du blocage des annonces, et ils le font souvent de manière tout à fait inattendue. Les tentatives d'utilisation de formes variées d'apprentissage automatique (ML pour machine learning) pour le blocage des publicités remontent au moins à 2019, lorsque Brave a développé AdGraph, un outil qui bloquait les publicités et les traqueurs en temps réel. Il affichait une précision étonnamment élevée, mais nécessitait une intégration poussée au navigateur et une maintenance constante, ce qui l'a empêché de gagner en popularité. Il y a eu quelques autres expériences et projets de recherche qui ont tenté de tirer parti de l'apprentissage automatique, mais aucun n'a réussi à s'imposer à grande échelle.
Ces dernières années, avec les progrès rapides des technologies d’IA, l’idée d’utiliser l’IA pour le filtrage publicitaire est revenue de plus en plus souvent. Par exemple, c’était l’un des principaux sujets de discussion lors de l’Ad Filtering Dev Summit de l’année dernière. Lors de l'AFDS 2025, plusieurs intervenants ont abordé le rôle de l'IA dans le paysage du blocage des publicités lors de leurs présentations : Ritik Roongta, de l'université de New York (NYU), a expliqué comment l'IA peut aider à évaluer le contenu publicitaire, en particulier pour les publicités autorisées qui, bien que non intrusives, peuvent néanmoins être nuisibles, tandis qu'Anton Lazarev, de Brave, a expliqué pourquoi les bloqueurs de publicités resteront très pertinents même à l'ère des agents IA et des navigateurs autonomes.
L'expérience d'AdGuard : un modèle de langage de grande envergure (LLM) peut-il repérer une publicité ?
AdGuard explore la même voie. Maxim Topciu, chef d'équipe de la division Extensions Web chez AdGuard, a mené ses propres recherches pour répondre à la question suivante : un bloqueur peut-il comprendre ce qui s'affiche sur la page et décider s'il doit le masquer ? Comme nous l'avons déjà mentionné, les listes de filtrage restent puissantes mais présentent des limites : elles nécessitent une maintenance manuelle, peinent à gérer la publicité native et sont confrontées à des contraintes supplémentaires, comme celles introduites par Manifest V3. Ne serait-il pas formidable qu'un bloqueur de publicités puisse déterminer tout seul ce qui est une publicité et ce qui ne l'est pas ? L'idée en elle-même n'était pas nouvelle, comme en témoignent les tentatives passées de Brave et d'autres pour obtenir des résultats similaires, mais Maxim est allé un peu plus loin. L'un des avantages des LLM est qu'ils permettent de transformer une idée en prototype fonctionnel assez rapidement. Maxim a donc créé non pas un, mais trois prototypes de ce type, chacun analysant et bloquant les publicités à sa manière.
Maxim a testé les prototypes sur le fil d'actualité de X. L'un d'eux floutait toutes les publications, analysait leur contenu, puis réactivait l'affichage des « bonnes » publications. Le deuxième prototype fonctionnait de la même manière, mais analysait chaque publication comme une image, et non comme un bloc de code. Le troisième permettait à l'utilisateur de définir certains critères, et le modèle LLM vérifiait si la publication y répondait avant de décider de la masquer ou non. Les trois approches ont fonctionné, mais chacune présentait ses propres inconvénients — après tout, il s’agissait de prototypes, très loin d’être des produits finis.
L’expérience a montré que le blocage des publicités basé sur l’IA est techniquement possible, mais il est également apparu clairement que l’IA n’est pas encore prête à remplacer l’approche traditionnelle basée sur des filtres.
L'utilisation par Google de Gemini pour identifier les « mauvaises » publicités et l'expérience menée par AdGuard, malgré toutes leurs différences et bien qu'elles poursuivent des objectifs différents, indiquent la même tendance : le filtrage publicitaire devient de plus en plus sémantique. L'expérience d'AdGuard a montré que les modèles de langage grand public peuvent classer le contenu en fonction de son sens, et pas seulement à partir de sélecteurs ou d'URL. Une approche basée sur la vision peut analyser ce que les utilisateurs voient réellement, ce qui est utile lorsque le texte est minimal ou que le code HTML est obscurci. Le cœur de la décision lors du blocage d’une publicité passe progressivement de « Cet élément web correspond-il à une règle ? » à « Que cherche-t-il à faire ? Quelle était l’intention derrière cela ? » Si l’on pouvait détecter de manière fiable chaque publicité, publication sponsorisée, traceur et arnaque en déterminant leurs intentions, les règles de filtrage ne seraient plus nécessaires. Mais, de toute évidence, nous n'en sommes pas encore là. Les approches basées sur les LLM sont encore largement limitées par le coût, la vitesse et la praticabilité. Il semble que, même si le rôle de l'IA dans le blocage des publicités va prendre de l'ampleur, elle ne remplacera pas de manière réaliste les bloqueurs de publicités traditionnels dans un avenir proche, mais viendra plutôt les compléter là où les règles de filtrage à elles seules ne suffisent pas.
La sécurité de la plateforme n'est pas synonyme de contrôle par l'utilisateur
Mais c'est là que se termine la comparaison entre Google et les bloqueurs de publicités indépendants. La différence fondamentale entre l'utilisation de Gemini par Google et celle de l'IA par les bloqueurs de publicités réside dans leurs objectifs. Google utilise l'IA pour faire respecter ses propres politiques publicitaires, tandis que les bloqueurs de publicités ont pour but de faire respecter les préférences de l'utilisateur. Actuellement, les utilisateurs définissent ces préférences en sélectionnant les listes de filtres souhaitées ou en ajoutant des règles de filtrage personnalisées. Mais l'expérience menée par AdGuard a montré qu'il est tout à fait possible d'introduire des critères contrôlés par l'utilisateur dans un futur bloqueur de publicités basé sur l'IA. Cela diffère des algorithmes de Google qui, certes, bloquent ou restreignent les publicités malveillantes et dangereuses — ce qui mérite d'être salué —, mais qui, ce faisant, servent également les intérêts de Google. Les utilisateurs n'ont pas leur mot à dire sur ce qui est exactement bloqué et ce qui passe. Une publicité n'a pas besoin d'enfreindre les directives de Google pour être indésirable. Il existe de nombreuses raisons pour lesquelles quelqu’un ne voudrait pas voir une publicité : elle peut être source de distraction, porter atteinte à la vie privée, être trop lourde ou tout simplement sans rapport avec l’utilisateur. C’est là que réside le cœur du conflit : la seule préoccupation de Google est de savoir si une publicité est autorisée au sein de son écosystème et si elle respecte ses règles. Du point de vue de l’utilisateur, la question est plus large : est-ce que je veux voir cette publicité sur mon appareil ?
La lutte contre la fraude menée par Google est nécessaire, et normalement attendue : c'est une responsabilité directe de l'entreprise. Le rapport sur la sécurité publicitaire ne doit pas être considéré comme une solution définitive au problème des publicités malveillantes. Bloquer des milliards de publicités, c'est bien, mais il en reste encore beaucoup d'autres. Ces chiffres mettent vraiment en perspective l'ampleur des contenus préjudiciables ou douteux qui circulent dans l'écosystème publicitaire en ligne. Et c'est là que réside la véritable raison d'être des efforts de Google. Google est avant tout une entreprise publicitaire. Son modèle économique ne repose pas sur la vente de téléphones Android ou quoi que ce soit de ce genre — il s’articule autour de l’écosystème publicitaire qu’elle a construit, et la plupart de ses nombreuses autres branches le soutiennent d’une manière ou d’une autre. Google a démontré à plusieurs reprises et encore une fois que la protection de son activité publicitaire pèse lourdement dans ses décisions relatives aux produits. Son travail en matière de sécurité ne fait pas exception : il s'agit également d'une concession nécessaire pour maintenir les utilisateurs au sein de l'écosystème publicitaire de Google.
Nous ne voulons pas dire que les efforts de Google pour lutter contre les arnaques sont inutiles — bien sûr, il vaut mieux n'avoir aucune, ou presque aucune, publicité frauduleuse et dangereuse sur son téléphone. C'est encore mieux quand c'est vous, l'utilisateur, qui décidez ce que vous voulez ou ne voulez pas y voir. Le rapport de Google sur la sécurité des publicités a démontré à quel point l'IA peut être efficace pour identifier les contenus indésirables. C'est maintenant au tour des bloqueurs de publicités de trouver une utilisation encore plus judicieuse de cette arme puissante et de la mettre au service d'une bonne cause.
