Analyste Modération et Recours, Décision Automatisée, Motivation et Transparence
    Simulation de métier
    CareerOn Studio

    Analyste Modération et Recours, Décision Automatisée, Motivation et Transparence

    Mesurer ce qu’un classifieur retire vraiment, chiffrer ses deux erreurs en euros et en vies exposées, puis décider soi-même — par écrit, compte par compte

    12 heures
    Intermédiaire
    i
    Technologie
    Ouverte

    Profil Recherché

    Vous n’avez pas besoin de savoir entraîner un classifieur. Vous avez besoin de comparer 45,00 % à 21,00 % et de dire à voix haute ce que cette division prouve — et ce qu’elle ne prouve pas.

    Vous rétablirez le compte de M. Ibrahim Sylla, restreint 31 jours sur la base de 9 retraits dont 8 infirmés. C’est la mission 5, et c’est le geste qui définit ce métier.

    Vous maintiendrez aussi un retrait visant une journaliste suivie par 214 000 personnes, contre votre direction et contre la salle. Rétablir et maintenir sont la même compétence : décider soi-même, motiver, signer.

    Vous ferez tomber 1 618 800 exposés de motifs libellés « Autre », soit 14,20 % des décisions du semestre. Un motif que la personne ne peut pas contester n’est pas un motif : c’est une notification.

    Pourquoi cette simulation compte

    Construisez une expérience concrète et la confiance pour la suite.

    Description

    Vous êtes recruté comme analyste modération et recours chez Voxa, plateforme de partage de contenus désignée très grande plateforme en ligne avec 52 400 000 destinataires actifs mensuels dans l’Union. Sur le semestre du 1er juillet au 31 décembre 2026, la plateforme a pris 11 400 000 décisions de modération, dont 9 690 000 par des moyens automatisés, soit 85,00 %. 342 000 personnes ont formé un recours interne, soit 3,00 % des décisions. Sur les 286 000 recours dirigés contre une décision automatique, 128 700 ont été infirmés (45,00 %), contre 21,00 % des 56 000 recours dirigés contre une décision humaine. En huit missions, vous qualifierez la chaîne de décision au regard des articles 14, 16, 17, 20, 21, 22, 24 et 42 du règlement (UE) 2022/2065, vous mesurerez ce que le recours interne infirme réellement et ce qu’il coûte, vous démonterez un stock de 1 618 800 exposés de motifs libellés « Autre », vous fixerez le seuil du classifieur HARM-7 sur un budget d’erreur chiffré sous contrainte de capacité humaine, puis vous écrirez trois actes qui portent votre nom : le rétablissement du compte de M. Ibrahim Sylla, restreint 31 jours après 9 retraits dont 8 infirmés, le maintien du retrait visant Mme Hélène Bacquet malgré 214 000 abonnés et une pression interne, et un rapport de transparence qui ne surestime rien. La dernière séance se tient le 15 décembre 2026 devant une association de défense des utilisateurs.

    Comment ça se passe

    Quelques étapes pour commencer

    S’inscrire et commencer

    Créez votre compte et ouvrez la mission.

    Faire le travail

    Traitez chaque mission comme le métier se pratique vraiment.

    Lire votre signal

    Voyez ce que votre travail a montré, cité depuis ce que vous avez écrit.

    Garder la preuve

    Emportez la preuve dans vos candidatures et vos entretiens.

    Compétences Développées

    Ce que vous maîtriserez

    Qualification écrite d’une chaîne de modération au regard des articles 14, 16, 17, 20, 21, 22, 24 et 42 du règlement (UE) 2022/2065
    Mesure du taux d’infirmation en recours par origine de décision, et lecture de ce que cet écart prouve sur la calibration initiale
    Audit d’un référentiel d’exposés de motifs et refonte d’une catégorie fourre-tout en motifs spécifiques et vérifiables
    Fixation d’un seuil de classifieur sur un budget d’erreur en euros, sous contrainte de capacité humaine de revue
    Rédaction d’une décision de rétablissement motivée sur une personne nommée, et d’un maintien de retrait opposable contre une pression interne

    Prérequis

    Ce que vous devez maîtriser

    Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable
    Comprendre le déroulement d’un signalement : notification, classement, retrait ou restriction, exposé des motifs, recours interne, règlement extrajudiciaire
    Accepter de rétablir par écrit un contenu que la plateforme a retiré, et de le motiver

    La simulation en action

    Découvrez comment les situations prennent vie

    FILE

    EUR-Lex — Règlement (UE) 2022/2065 relatif à un marché unique des services numériques

    eur-lex.europa.eu

    FILE
    FILE

    Commission européenne — Le paquet législatif sur les services numériques

    digital-strategy.ec.europa.eu

    FILE
    FILE

    Commission européenne — Base de données de transparence du règlement sur les services numériques

    transparency.dsa.ec.europa.eu

    FILE
    FILE

    Commission européenne — Signaleurs de confiance au titre de l’article 22

    digital-strategy.ec.europa.eu

    FILE
    FILE

    Commission européenne — Liste des très grandes plateformes en ligne désignées

    digital-strategy.ec.europa.eu

    FILE
    FILE

    CNIL — Profilage et décision entièrement automatisée

    cnil.fr

    FILE
    FILE

    CNIL — Texte de l’article 22 du règlement général sur la protection des données

    cnil.fr

    FILE
    FILE

    EUR-Lex — Règlement (UE) 2016/679 général sur la protection des données

    eur-lex.europa.eu

    FILE
    FILE

    Arcom — Règlement sur les services numériques : obligations et services concernés

    arcom.fr

    FILE
    FILE

    Arcom — Signaleurs de confiance : conditions et candidatures

    arcom.fr

    FILE
    FILE

    Arcom — Agrément des chercheurs pour l’accès aux données des plateformes

    arcom.fr

    FILE
    FILE

    Arcom — Études et données

    arcom.fr

    FILE
    FILE

    Vie-publique.fr — Loi du 21 mai 2024 visant à sécuriser et réguler l’espace numérique

    vie-publique.fr

    FILE
    FILE

    Archive ouverte HAL — Les systèmes internes de traitement des réclamations imposés par le règlement sur les services numériques

    shs.hal.science

    FILE
    FILE

    arXiv — Analyse de la base de données de transparence du règlement sur les services numériques

    arxiv.org

    FILE
    FILE

    arXiv — Qualité et informativité des exposés de motifs déclarés

    arxiv.org

    FILE
    FILE

    ACM — Modération de contenu dans l’Union européenne : enseignements de la base de transparence

    doi.org

    FILE
    FILE

    Internet Policy Review — Recours internes et effectivité du droit au recours en modération

    doi.org

    FILE
    FILE

    Oversight Board — Décisions publiées d’un organe de recours externe

    oversightboard.com

    FILE
    FILE

    Documentation publique d’un opérateur sur ses processus de modération et d’appel

    transparency.meta.com

    FILE
    FILE

    Franceinfo — Suivi de l’actualité de la régulation des plateformes

    francetvinfo.fr

    FILE

    Les missions du programme

    Ouvrez une mission pour voir ce que vous allez produire

    ☆

    Aperçu du programme

    1

    Task 1

    2

    Task 2

    3

    Task 3

    4

    Task 4

    5

    Task 5

    6

    Task 6

    7

    Task 7

    8

    Task 8

    🏁

    Ligne d’arrivée

    Aperçu du programme

    Vous êtes recruté comme analyste modération et recours chez Voxa, plateforme de partage de contenus désignée très grande plateforme en ligne avec 52 400 000 destinataires actifs mensuels dans l’Union. Sur le semestre du 1er juillet au 31 décembre 2026, la plateforme a pris 11 400 000 décisions de modération, dont 9 690 000 par des moyens automatisés, soit 85,00 %. 342 000 personnes ont formé un recours interne, soit 3,00 % des décisions. Sur les 286 000 recours dirigés contre une décision automatique, 128 700 ont été infirmés — 45,00 % —, contre 21,00 % des 56 000 recours dirigés contre une décision humaine. En huit missions, vous qualifierez la chaîne de décision au regard des articles 14, 16, 17, 20, 21, 22, 24 et 42 du règlement (UE) 2022/2065, vous mesurerez ce que le recours interne infirme réellement et ce qu’il coûte, vous démonterez un stock de 1 618 800 exposés de motifs libellés « Autre », vous fixerez le seuil du classifieur HARM-7 sur un budget d’erreur chiffré sous contrainte de capacité humaine, puis vous écrirez trois actes qui portent votre nom : le rétablissement du compte de M. Ibrahim Sylla, restreint 31 jours après 9 retraits dont 8 infirmés, le maintien du retrait visant Mme Hélène Bacquet malgré 214 000 abonnés et une pression interne, et un rapport de transparence qui ne surestime rien. La dernière séance se tient le 15 décembre 2026 devant une association de défense des utilisateurs.

    Ce que vous allez vivre

    • Qualifier la chaîne
    • Mesurer les erreurs
    • Fixer le seuil
    • Décider et signer

    Prérequis

    • Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable
    • Comprendre le déroulement d’un signalement : notification, classement, retrait ou restriction, exposé des motifs, recours interne, règlement extrajudiciaire
    • Accepter de rétablir par écrit un contenu que la plateforme a retiré, et de le motiver

    Ce que disent les pairs

    Témoignages de professionnels qui ont vécu des missions équivalentes

    4.8 •5 voix d’experts
    Story
    “La mission 2 m’a donné la phrase que je cherchais depuis deux ans : 45,00 % contre 21,00 %, rapport de 2,14. Ce n’est pas le recours qui est trop généreux, c’est la décision de départ qui est mal prise. Depuis, je…”
    Nawel B.

    Nawel B.

    Analyste modération, 26 ans, deux ans d’ancienneté

    Vers un poste de référente qualité des décisions

    Story
    “La mission 6 est celle dont j’ai parlé en entretien : maintenir un retrait sur un contenu vu 1 240 000 fois, contre sa propre direction, en écrivant pourquoi. On m’avait appris à faire baisser la pression. Personne ne m’avait appris à…”
    Antonin R.

    Antonin R.

    Chargé de conformité plateforme, reconversion depuis le service client

    Vers un poste d’analyste recours et transparence

    Story
    “Ces simulations m'ont aidée à projeter ce que serait mon premier poste. Très concret.”

    Inès K.

    Étudiante M2

    Sciences Po

    Story
    “Le format est addictif et utile en entretien.”

    Adrien L.

    Diplômé école d'ingé

    INSA Lyon

    Story
    “L'outil idéal pour tester un métier avant de s'engager.”

    Maya T.

    En reconversion

    —

    Prêt à commencer ?

    Faites le travail, gardez la preuve.