Tab, un bot antispam pour Telegram doté d'un réseau de neurones maison et réentraîné en continu

Telegram compte un nouveau bot antispam, Tab, qui n'utilise pas un modèle tiers prêt à l'emploi, mais le réseau de neurones de son auteur. Le projet tourne depuis plusieurs mois dans des groupes, reste gratuit à tester et collecte des données pour poursuivre le réentraînement.

Comment fonctionne le bot

Tab repose sur un modèle de classification binaire des messages : le bot décide si un texte est du spam ou non. L'auteur n'a pas repris de solutions toutes faites sur Hugging Face et a construit l'architecture lui-même, avec une approche fondée sur les LSTM. La logique est claire : pour les messages courts de Telegram, il importe de conserver le contexte, et l'association d'un réseau récurrent et de mécanismes d'attention offre une alternative plus légère et plus maîtrisable que les grands modèles généralistes.

Plusieurs règles s'ajoutent au réseau de neurones. Elles servent non seulement à repérer les messages suspects, mais aussi à réduire le nombre de faux bannissements. Le bot vérifie séparément si l'utilisateur figure dans une base de spammeurs et, selon le résultat, supprime le message immédiatement ou laisse la décision finale au modérateur. Cette approche hybride paraît plus pragmatique qu'une automatisation pure : la classification de texte comporte toujours un risque d'erreur, surtout dans des groupes vivants où l'on parle de façon familière.

Données et entraînement

La partie la plus lourde du projet n'a pas été le code du bot, mais la préparation des données. L'auteur n'a pas trouvé de jeu de données récent et prêt à l'emploi pour le spam Telegram en russe ; il a donc fallu constituer le corpus à la main : explorer des groupes publics, parcourir des groupes notoirement envahis de spam et annoter les messages un par un. Le jeu de données dépasse aujourd'hui 25 000 exemples, et c'est sur lui que repose l'essentiel de la précision de la classification.

Le bot intègre aussi un mécanisme de retour des modérateurs. Si un message a été marqué à tort comme spam, le modérateur peut confirmer qu'il s'agit d'un texte normal, et ce cas rejoint le jeu de données comme faux positif. Il ne s'agit donc pas seulement de nettoyer le groupe : le modèle s'améliore peu à peu sur de vrais cas limites, ceux-là mêmes qui dégradent d'ordinaire la qualité des systèmes antispam.

«

Je ne présente pas cette solution comme un tueur de tout le spam. »

Modes et limites

Tab prend actuellement en charge deux scénarios : un mode standard plus prudent et un mode automatique plus strict. En mode standard, le bot fait d'abord passer le message dans le modèle, puis examine des signaux supplémentaires, dont la présence de l'utilisateur dans la base de spammeurs. Si la confiance est insuffisante, c'est un humain qui tranche. Cela réduit le risque de sanctionner un membre ordinaire du groupe pour un texte litigieux.

• En mode standard, un message suspect peut être envoyé au modérateur pour vérification
• En mode automatique, le spam est supprimé immédiatement après le déclenchement du modèle
• Le bannissement est plus strictement lié à la coïncidence de deux facteurs : la classification comme spam et la présence dans la base
• Les utilisateurs peuvent signaler des messages avec la commande /spam
• Les administrateurs du groupe peuvent changer le mode du bot

Le principal problème de ces systèmes tient à l'évolution du spam lui-même. Les spammeurs masquent les mots avec des caractères semblables issus d'autres alphabets, insèrent des espaces entre les lettres et modifient la forme et le contexte du message. Un modèle ne peut donc pas être entraîné une fois puis laissé sans surveillance : il lui faut un flux constant de nouveaux exemples, des réentraînements et des contrôles.

L'auteur prévoit un tableau de bord public avec des statistiques en temps réel et une automatisation accrue de l'annotation, car l'étape manuelle est aujourd'hui ce qui freine le plus le passage à l'échelle.

Ce que cela signifie

Tab montre que, même sans grande équipe ni accès à une infrastructure lourde, on peut bâtir un outil d'IA appliquée fonctionnel pour un problème précis des groupes Telegram. Pour le marché, c'est un signal de plus : les modèles de niche et une modération humaine soignée donnent souvent de meilleurs résultats que la tentative de tout résoudre avec un seul grand réseau de neurones universel.