Une approche à base d'IA pour l'analyse de données de jeux en ligne

An AI-based approach to analyzing online gaming data

• Auteur / Autrice : Pierre Kouyoumdjian
• Direction : Nadia Abchiche-mimouni
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/01/2026
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : I3S - Informatique, Signaux et Systèmes de Sophia-Antipolis

Mots clés

Mots clés libres

Chiffrement homomorphique

Intelligence Artificielle

Addiction aux jeux d'argents

Calcul multi-partie sécurisé

Apprentissage fédéré

Classification

Homomorphic encryption

Artificial Intelligence

Gambling addiction

Secure multi-party computation

Federated learning

Classification

Résumé

L'objectif principal de cette thèse est de proposer un modèle d'intelligence artificielle qui détecte des comportements addictifs de joueurs (de casino et paris sportifs en ligne) tout en respectant leur vie privée, i.e. sans compromettre leur anonymat. En effet, l'entrainement de modèles d'IA nécessite l'utilisation de données utilisateurs, qui peuvent ne pas être correctement anonymisées et entrainé ainsi un risque d'inférence, où des informations sensibles peuvent être déduites à partir de données apparemment anonymes. L'objectif est de développer un modèle d'IA capable de s'entraîner sur des données chiffrées. D'un point de vue industriel, l'objectif et les retombées attendues sont multiples. L'objectif premier est de valoriser les données via des programmes de prévention de l'addiction mis à disposition des opérateurs de jeux, conformément à la loi n° 2010-476 du 12 mai 2010. Cette loi impose aux opérateurs agréés de mettre en place des mesures de prévention et de lutte contre l'addiction, telles que des modérateurs de jeu, des messages sanitaires de mise en garde contre le jeu pathologique et un numéro d'appel téléphonique pour les joueurs dépendants. En intégrant ces dispositifs, l'entreprise souhaite proposer aux opérateurs une solution pour détecter et pouvoir réagir aux risques d addiction que les utilisateurs peuvent développer.

The main objective of this thesis is to propose an artificial intelligence model capable of detecting addictive behaviors in players (online casino and sports betting) while respecting their privacy, i.e., without compromising their anonymity. Indeed, training AI models requires the use of user data, which may not be properly anonymized, leading to inference risks where sensitive information can be deduced from seemingly anonymized data. The goal is to develop an AI model that can be trained on encrypted data. From an industrial perspective, the objective and expected outcomes are multiple. The primary aim is to enhance the value of data through addiction-prevention programs made available to gaming operators, in accordance with Law No. 2010-476 of May 12, 2010. This law requires licensed operators to implement measures for the prevention and fight against addiction, such as gaming moderators, health warning messages about pathological gambling, and a telephone helpline for dependent players. By integrating these mechanisms, the company aims to offer operators a solution to detect and respond to the risks of addiction that users may develop.