Développement d’un score prédictif des problèmes liés à la pratique des jeux de hasard et d’argent sur Internet

Introduction En France, environ trois millions de personnes jouent a des jeux de hasard et d’argent (JHA) sur Internet. On estime que 22 % d’entre eux ont un comportement de jeu problematique, c’est-a-dire des personnes dont la pratique de jeu engendre des problemes d’ordre social, personnel ou professionnel. Afin d’eviter la survenue de ces problemes et le developpement d’une addiction aux JHA, un depistage precoce des personnes a risque de developper des problemes de jeu semble etre une mesure de prevention prometteuse. En parallele, le jeu sur Internet genere une masse importante de donnees (argent mise, temps passe a jouer, type de jeu, etc.), recueillies par les operateurs de jeu en ligne, qui pourraient etre utiles pour identifier les comportements de jeu a risque et ainsi reperer les joueurs ayant une pratique de jeu problematique. Nous proposons ici de developper un score predictif des problemes de jeu a partir des donnees recoltees en routine par les operateurs de jeu en ligne francais. Methodes Un echantillon de 9306 joueurs possedant un compte sur un des sites des operateurs de jeu regules par l’Autorite de regulation des jeux en ligne (ARJEL) a repondu a un questionnaire valide permettant d’evaluer le niveau de severite des problemes de jeu. Ce questionnaire permet de classer les joueurs dans trois categories : –joueurs non a risque ou risque faible ; –joueurs a risque modere ; –joueurs problematiques. Les reponses au questionnaire, ainsi que les donnees de jeu associees aux joueurs repondants nous ont ete transmises par l’ARJEL dans le cadre du projet de recherche EDEIN (ClinicalTrials.gov NCT02415296 ). Nous avons utilise et compare quatre methodes d’apprentissage supervise (forets aleatoires, « Support Vector Machines » (SVM), reseaux de neurones artificiels et regression logistique) afin d’estimer les probabilites d’appartenance des joueurs a chacune de ces trois classes. Les differents algorithmes ont ete evalues sur un echantillon de validation par l’air sous la courbe ROC (AUC), une interpretation visuelle de la qualite de la calibration et le Brier score. Ces trois mesures ont ete adaptees au contexte de la classification avec plus de deux classes. Resultats Les AUC obtenues avec les quatre methodes etaient globalement similaires : de 0,79 a 0,82 pour la classe (1), de 0,62 a 0,71 pour la classe (2) et de 0,80 a 0,84 pour la classe (3). La calibration et le Brier score obtenus par la methode des forets aleatoires etaient les meilleurs ; en particulier, le Brier score etait de 0,24 avec les forets aleatoires, 0,47 avec la methode des SVM, 0,45 avec les reseaux de neurones et 0,48 avec la regression logistique. Une analyse plus fine a montre que si les joueurs les plus problematiques (classe 3) sont plutot bien reperes, les joueurs a risque moderes (classe 2) sont, meme apres une recalibration des predictions, plus difficiles a identifier. Conclusion L’algorithme des forets aleatoires semble etre une methode efficace pour identifier les joueurs problematiques, a partir d’indicateurs d’activite de jeu recoltes en routine par les operateurs de jeu en ligne. Une prochaine etape consiste a etablir des regles de decision basees sur les probabilites estimees, afin de definir le type d’intervention le plus adapte pour prevenir ou reduire les problemes lies a la pratique des JHA sur Internet.