Modération sur TikTok : Les algorithmes de ByteDance confrontés aux réalités linguistiques et culturelles africaines
Au Kenya, la suppression de plus de 750 000 vidéos sur la plateforme entre avril et juin 2026 relance le débat sur la fiabilité des systèmes automatisés de modération. Plusieurs créateurs dénoncent des retraits injustifiés de contenus éducatifs et informatifs, mettant en évidence les limites des outils de détection face aux langues locales, aux expressions populaires et aux références culturelles.

La modération automatisée des contenus sur les réseaux sociaux gagne en efficacité, mais sa capacité à tenir compte des réalités linguistiques et culturelles locales reste perfectible. Au Kenya, les performances revendiquées par TikTok en matière de détection des contenus non conformes contrastent avec les expériences rapportées par plusieurs créateurs, qui dénoncent des suppressions qu’ils jugent abusives.
Selon le rapport trimestriel de TikTok sur l’application de ses règles communautaires, publié le 9 novembre 2026, la plateforme a supprimé 750 185 vidéos au Kenya entre avril et juin 2026. Sur cet ensemble, 99,8 % des contenus auraient été retirés avant même d’être signalés par les utilisateurs. Par ailleurs, 93,8 % des vidéos concernées auraient été supprimées dans les 24 heures suivant leur publication.
Ces indicateurs traduisent la place importante occupée par les dispositifs de détection automatisée dans la politique de modération de ByteDance, maison mère de TikTok. Ils ne renseignent cependant pas sur la pertinence de toutes les décisions prises par ces systèmes, notamment lorsqu’il s’agit de distinguer un contenu véritablement préjudiciable d’une publication à vocation éducative ou informative.
Des créateurs dénoncent des suppressions injustifiées
Plusieurs témoignages recueillis par le quotidien kényan Daily Nation illustrent ce décalage. Cynthia Njue, connue sur TikTok sous le pseudonyme Housegirlfriend, affirme que cinq de ses vidéos consacrées à la santé reproductive et à la sexualité sans risque ont été supprimées en juin 2026. Malgré ses démarches pour faire reconnaître le caractère éducatif de ces publications, la créatrice n’aurait pas obtenu leur rétablissement.
Un autre créateur, Sheign Derrick, alias Teacher Sheyii, rapporte également une décision de modération qu’il considère inappropriée. Une vidéo montrant un responsable politique s’exprimant depuis le toit d’un véhicule lors d’un rassemblement aurait été signalée pour violation des règles relatives aux activités dangereuses.
Ces situations soulèvent une question centrale pour les plateformes numériques : comment automatiser la détection des contenus problématiques sans pénaliser les publications dont la compréhension nécessite de prendre en compte leur contexte, leur intention ou les particularités de leur environnement socioculturel ?
Le kiswahili et le sheng, angles morts des systèmes de détection
Les difficultés rencontrées au Kenya ne sont pas nouvelles. En décembre 2024, le Center for Democracy and Technology (CDT) publiait une étude intitulée Moderating Kiswahili Content on Social Media, consacrée aux obstacles rencontrés dans la modération des contenus en kiswahili. Fondée notamment sur une enquête auprès de 143 utilisateurs de réseaux sociaux au Kenya et en Tanzanie, ainsi que sur 23 entretiens avec des modérateurs, des créateurs de contenus et des défenseurs des droits numériques, cette recherche met en évidence les difficultés d’interprétation des expressions locales et des références culturelles.
Le problème ne concerne d’ailleurs pas exclusivement les algorithmes. Il touche également les dispositifs humains de modération. Parlé dans une vaste zone géographique d’Afrique centrale et orientale, le kiswahili présente des variantes régionales et des usages qui ne se recoupent pas systématiquement. Les modérateurs, majoritairement kényans selon l’étude, peuvent ainsi rencontrer des difficultés à interpréter certaines expressions propres à d’autres communautés linguistiques. À cette complexité s’ajoute le sheng, un registre urbain largement utilisé au Kenya, qui combine notamment des éléments du kiswahili, de l’anglais et d’autres langues locales. Son vocabulaire évolutif et ses expressions familières constituent un défi supplémentaire pour les outils de modération généralistes.
Une étude publiée en août 2026 sur la détection du cyberharcèlement sur TikTok illustre cette difficulté. À partir d’un corpus de 5 000 commentaires kényans annotés par des linguistes locaux, les chercheurs indiquent que les outils généralistes pourraient manquer entre 43 % et 67 % des messages problématiques rédigés en sheng. À l’inverse, le modèle AfriBERTa, adapté aux langues africaines, aurait atteint une exactitude de 93 %, avec un taux de faux négatifs de 8 %. Ces résultats suggèrent qu’une meilleure prise en compte des spécificités linguistiques locales peut améliorer les performances des systèmes de détection. Ils ne constituent toutefois pas une évaluation directe des algorithmes propriétaires de TikTok.
Les mécanismes de recours face à l’épreuve de l’efficacité
Face aux critiques, TikTok indique s’appuyer sur une combinaison de technologies automatisées et d’interventions humaines pour identifier les contenus susceptibles d’enfreindre ses règles communautaires. La plateforme prévoit également des procédures de recours permettant aux utilisateurs de contester les suppressions de vidéos ou les suspensions de comptes. À l’échelle mondiale, environ 6,3 millions de vidéos auraient ainsi été rétablies après contestation au deuxième trimestre 2026. Au Kenya, le nombre de contenus remis en ligne s’établit à 25 605 sur la même période, soit environ 3,4 % des 750 185 vidéos supprimées.
La plateforme a également interrompu 80 640 sessions TikTok LIVE au Kenya entre avril et juin 2026 et supprimé plus de 46 000 comptes soupçonnés d’appartenir à des utilisateurs âgés de moins de 13 ans. Au-delà des volumes de contenus supprimés et des délais de traitement, ces données posent la question de la qualité des décisions de modération et de l’accessibilité des voies de recours. Pour les plateformes numériques opérant sur des marchés caractérisés par une forte diversité linguistique, l’enjeu ne consiste plus seulement à détecter rapidement les infractions, mais aussi à comprendre ce qui est effectivement exprimé.
L’adaptation des modèles aux langues africaines, l’intégration de compétences culturelles locales et le renforcement du contrôle humain apparaissent ainsi comme des leviers importants pour limiter les erreurs de classification. À mesure que TikTok étend son influence sur le continent, la pertinence de sa modération dépendra aussi de sa capacité à ne pas confondre diversité des expressions et violation des règles communautaires.



