Blog
Le moteur de détection visuelle de Corsearch Zeal 2.0 : une protection des marques plus intelligente et évolutive
- Protection de la marque
Les marques adoptent une technologie d'image avancée pour automatiser les tâches récurrentes, relier les infractions et améliorer la vitesse de prise de décision dans l'ensemble du flux de travail de la protection de la marque.
Qu'il s'agisse de photos de produits, de logos ou d'emballages, la majorité des infractions s'appuient sur des éléments visuels pour tromper les consommateurs. Il est essentiel d'identifier ce contenu et d'agir rapidement et à grande échelle. Pourtant, de nombreuses plateformes de protection des marques sur le marché s'appuient encore sur des approches dépassées : l'intégration de fonctions d'intelligence artificielle dans des systèmes existants qui n'ont pas été conçus pour faire face aux menaces modernes.
Aujourd'hui, le paysage de la protection des marques exige plus que des outils adaptés et un examen manuel. Pour faire face à l'évolution des menaces, les équipes ont besoin de systèmes capables de traiter intelligemment le contenu visuel, d'identifier les risques avec une plus grande précision et de s'adapter rapidement lorsque les contrefacteurs changent de tactique. La reconnaissance d'images doit être rapide, flexible et précise, car les menaces le sont assurément.
Nous présentons ci-dessous les quatre domaines clés dans lesquels les technologies d'image natives de l'IA sont essentielles pour obtenir des résultats.
1. Se concentrer sur les menaces à fort impact pour protéger votre marque plus rapidement
Les mauvais acteurs ne se contentent pas de se déplacer plus rapidement, ils deviennent plus intelligents dans la manière dont ils se cachent.
Les mauvais acteurs utilisent désormais l'IA pour modifier les images de produits, ce qui les rend plus difficiles à détecter tout en accélérant la vitesse à laquelle ils peuvent publier et mettre à l'échelle les annonces. Pour les équipes qui s'appuient sur des algorithmes de détection de base, il est presque impossible de suivre le rythme.
L'identification précise de ces images et de leurs variantes est essentielle pour connecter et supprimer d'importants volumes de contenus illicites et pour nettoyer les plateformes. De nombreux systèmes tentent d'y parvenir en utilisant des algorithmes de correspondance exacte ou de similarité de base. Cependant, ces approches passent souvent à côté de versions modifiées de la même image (recadrée, redimensionnée, recolorée ou compressée) - une tactique que les contrefacteurs déploient désormais à grande échelle avec l'adoption de l'IA générative. Pour aggraver le problème, certains outils sont connus pour marquer à tort des contenus différents comme étant identiques.
Corsearch Zeal 2.0, notre plateforme de protection des marques basée sur l'IA, utilise un algorithme propriétaire semi-exact de correspondance d'images qui peut détecter une image et toutes ses formes modifiées. Cela vous permet d'automatiser l'application de la loi pour les inscriptions utilisant la même image, même si elle a été modifiée ou transformée.
Les avantages ne se limitent pas à l'application de la loi. Avec un identifiant d'image unique attribué à chaque ressource visuelle, vous pouvez suivre la diffusion d'images à partir d'une source unique, identifier les voies de fuite ou contrôler le respect des droits d'image après leur expiration. Pour en savoir plus sur les avantages de cette capacité, consultez notre blog sur le passage du volume à la valeur.
2. Détecter rapidement les infractions sur plusieurs marques de votre portefeuille
Lorsque chaque seconde compte, la différence entre repérer une menace et la manquer se résume souvent à la rapidité avec laquelle vous pouvez l'identifier.
D'autres plateformes proposent la détection de logos à l'aide de modèles à marque unique, ce qui signifie qu'un modèle distinct doit être formé et entretenu pour chaque marque. Cette approche nécessite non seulement un travail manuel important, mais crée également une confusion entre des noms de marques ou des logos visuellement similaires.
Corsearch Zeal 2.0 introduit un modèle de détection de logos multimarques, capable d'identifier les logos de centaines de marques dans une architecture unique. Plutôt que de demander "Ce logo est-il présent ?", le modèle demande "Un logo connu est-il présent, et si oui, lequel ?".
Cette structure modèle réduit considérablement le temps nécessaire à l'intégration de nouvelles marques, évite les faux positifs entre des marques d'apparence similaire et garantit que le contenu récupéré que vous recevez est plus pertinent en classant automatiquement les images et en les dirigeant vers l'espace de travail de la marque appropriée. Les données non pertinentes sont filtrées ou acheminées de manière appropriée, ce qui permet d'obtenir de meilleurs résultats avec moins de données.
3. Construire des dossiers plus solides avec des données plus riches et contextuelles
Les mauvais acteurs ne s'appuient pas sur une seule méthode pour éviter d'être détectés par les marques, les plateformes de commerce électronique et les agents chargés de l'application de la loi. Ils exploitent de multiples failles, ce qui signifie qu'il est essentiel de rester attentif aux indices contextuels pour déchiffrer le code.
Comprendre la catégorie d'un produit est essentiel pour la hiérarchisation et la précision de l'application. Pourtant, de nombreux systèmes s'appuient sur la catégorisation du site web de référencement lui-même, ou appliquent des modèles simplistes qui ne prennent en compte que les données textuelles ou les images de manière isolée.
Corsearch Zeal 2.0 utilise un modèle de fusion qui combine l'analyse d'images et de textes pour déterminer la bonne catégorie de produits. Ce modèle est particulièrement utile pour faire la distinction entre des articles d'apparence similaire qui ont des implications très différentes pour l'application de la loi - par exemple, faire la distinction entre un produit de marque et un accessoire ou un complément.
Le modèle global de la plateforme comprend plus de 300 catégories prédéfinies, ce qui permet de structurer immédiatement les données d'une nouvelle marque sans qu'il soit nécessaire d'élaborer une logique de catégorie spécifique au client. Si votre marque nécessite une étiquette d'affichage différente (par exemple, "baskets" au lieu de "chaussures"), celle-ci peut être facilement appliquée sans modifier le modèle de base. Lorsque vous avez besoin d'une plus grande granularité, des catégories "feuilles" supplémentaires peuvent être ajoutées globalement sur la plateforme.
Cette structure de modèle permet non seulement d'améliorer la précision, mais aussi de garantir la stabilité et l'évolutivité à long terme. Pour en savoir plus sur la façon dont ces capacités se traduisent en efficacité opérationnelle, consultez notre blog sur le triplement de la productivité des analystes grâce à l'automatisation.
4. Détecter des indicateurs visuels clés pour repérer les contrefaçons et autres infractions à grande échelle
Au-delà des logos et des catégories de produits, il existe souvent des détails visuels très spécifiques qui indiquent qu'un article est contrefait. Il peut s'agir de détails globaux, comme un emballage en plastique, ou de détails propres à une marque, comme une couleur incorrecte sur une étiquette d'authenticité.
Corsearch Zeal 2.0 comprend un modèle avancé de détection des caractéristiques qui identifie les indicateurs visuels globaux et spécifiques à la marque. Ce qui rend ce modèle unique, c'est sa capacité à travailler avec un très petit nombre d'exemples d'entraînement, grâce à l'utilisation de techniques d'apprentissage zéro et d'apprentissage actif.
Avec seulement 5 à 10 exemples annotés, vous pouvez commencer à détecter automatiquement des signaux visuels de fraude. Cela est particulièrement utile pour les portefeuilles de produits importants ou complexes, pour lesquels une modération manuelle ne serait pas viable.
Modèles supplémentaires pour une modération plus intelligente
Une analyse plus riche et une automatisation accrue sont prises en charge par plusieurs modèles supplémentaires au sein de Corsearch Zeal 2.0, notamment
- Détection de l'état neuf ou usagé: Détermine l'état du produit sur la base du texte et de l'image.
- Reconnaissance optique de caractères (OCR): Extrait les caractères latins des images pour permettre la vérification des numéros de série ou les recherches textuelles.
- Détection des UGS: Une classification plus approfondie qui relie les listes à des unités de gestion de stock spécifiques, lorsque cela est pertinent et justifié en termes de coûts.
Bien que chacun de ces modèles joue un rôle de soutien, ensemble, ils vous aident à réduire les tâches manuelles et à passer d'une approche réactive à une approche proactive.
Construit pour l'échelle, conçu pour l'impact
Ce qui relie ces capacités, c'est qu'il ne s'agit pas d'ajouts à un système plus ancien. Corsearch Zeal 2.0 a été conçu à partir de l'IA et ses modèles sont conçus pour évoluer.
Vous pouvez ainsi bénéficier d'une modération plus rapide, d'une détection plus précise et d'une véritable automatisation qui s'adapte à la croissance de votre entreprise. En plus de ce qui est déjà disponible, la feuille de route de la plateforme comprend d'autres développements tels que l'analyse des "fragments", qui permettra une détection encore plus granulaire des images.
Prêt à voir Corsearch Zeal 2.0 en action ?
Contactez notre équipe et découvrez comment notre technologie de l'image vous permet d'identifier et de supprimer les infractions avec une précision et une rapidité accrues.
Découvrez comment Corsearch Zeal 2.0 offre des résultats mesurables en matière de protection de la marque :
