Vladimir Kramnik publie la deuxième partie de sa méthodologie de détection du jeu déloyal, aujourd'hui sur World Chess.

Première partie posait le postulat : détecter l'utilisation d'un moteur est un problème d'étalonnage.La deuxième partie explique la méthode réelle.

Le point central de Kramnik est que la plupart des systèmes anti-triche commettent une erreur : ils font la moyenne de tout. Ils examinent la précision globale d'un joueur, ou le pourcentage de coups correspondant au premier choix du moteur, sur l'ensemble de ses parties à la fois. Un tricheur sophistiqué contourne facilement cela. Il n'utilise le moteur que dans les moments ou les parties critiques, et joue le reste honnêtement. Ses moyennes restent dans la fourchette humaine normale.

Kramnik compare cela à un médecin qui rapporte la température moyenne de ses patients — la moitié avec de la fièvre, l'autre moitié trop froide — et conclut que le service est en bonne santé. La moyenne est dénuée de sens lorsqu'elle cache deux choses très différentes.

Sa solution consiste à utiliser un large ensemble de paramètres distincts, chacun avec son propre seuil de référence, plutôt qu'un seul nombre combiné. Les exemples incluent la précision dans les zeitnot (10 secondes ou moins à la pendule), le taux d'erreurs grossières, la performance dans les positions inférieures et la proportion de coups difficiles qu'un joueur trouve. Un tricheur peut maintenir ses chiffres globaux normaux, mais il ne peut pas maintenir toutes ces mesures individuelles normales en même temps.

L'article présente deux graphiques. Le premier montre les parties consécutives de blitz en ligne de Magnus Carlsen : ses deux niveaux de précision les plus courants sont proches l'un de l'autre, ce qui correspond à un jeu loyal. Le second montre un joueur non nommé classé sous 2600 dont les deux niveaux les plus courants sont éloignés — l'un au niveau du top dix, l'autre au niveau d'un faible grand maître. La moyenne entre eux semble normale. L'écart entre eux est le signe d'alerte.

Kramnik aborde également la principale critique de son approche — à savoir qu'isoler des « blocs » suspects de parties est une sélection arbitraire. Sa réponse : la détection de la triche n'est pas une analyse de données standard. L'analyse standard suppose des données propres ; ici, on ne peut pas supposer qu'une seule partie a été jouée loyalement, donc isoler les séquences suspectes est la seule méthode qui fonctionne.

Téléchargez la deuxième partie du document de Kramnik sur la détection de la triche.