dans Safari
Poker Online: Un Nouvel Outil Open Source pour Démasquer les Superutilisateurs
À la suite des récents développements dans une affaire de « superutilisateur » largement médiatisée, dans laquelle un cheval de Troie d’accès à distance dissimulé dans des logiciels de poker modifiés permettait de voir les écrans et les cartes privatives des joueurs, de nouvelles ressources antitriche open source ont été rendues publiques pour contribuer à prévenir de nouveaux incidents.
AceGuardian Research, une initiative d’A5 Labs, a publié l’intégralité de son code sur GitHub. L’objectif est de permettre à tout opérateur de poker en ligne ou chercheur de lancer une détection automatisée des superutilisateurs à partir de ses historiques de mains.
AceGuardian exploite des systèmes antitriche pour des opérateurs de poker en ligne depuis 2019 et travaille aujourd’hui avec sept plateformes. Ses outils recherchent la collusion, les bots, l’assistance en temps réel (RTA) et les superutilisateurs parmi des dizaines de millions de décisions chaque jour.
L’entreprise accepte également les historiques de mains transmis par des opérateurs ou des joueurs individuels afin de les analyser directement avec ses modèles de détection. Pour davantage d’informations, il suffit d’écrire à [email protected].
Retour sur l’affaire
L’affaire a commencé à émerger le mois dernier, avec des accusations concernant l’installation d’un programme d’accès à distance sur les ordinateurs de joueurs par l’intermédiaire de logiciels de poker compromis.
Ce dispositif permettait à l’attaquant de consulter à distance les écrans et les cartes privatives de ses adversaires. Plus de deux douzaines de joueurs de poker en ligne évoluant aux hautes limites auraient été touchés.
Il est rapidement apparu que Jurojin Poker et IntuitiveTables étaient les outils compromis. Jurojin a publié un communiqué expliquant que, dans le cadre d’une « opération très ciblée » menée entre juin 2025 et juin 2026, un attaquant avait pu remplacer un fichier de mise à jour par une version modifiée.
L’attaquant aurait exploité cette faille pour gagner de l’argent contre des joueurs sur plusieurs sites, dont GGPoker. D’autres plateformes ont repéré un comportement suspect et banni le « superutilisateur ».
Comment détecter un superutilisateur ?
C’est ici qu’interviennent des outils comme ceux d’AceGuardian. Ils permettent d’analyser les mains a posteriori, lorsque toutes les cartes privatives sont connues du système chargé de l’intégrité du jeu, à l’aide de plusieurs indicateurs clés :
- Indice de bluff : Suivre la fréquence et le taux de réussite des mises et des relances effectuées avec une faible équité face aux cartes exactes de l’adversaire.
L’analyse prend également en compte les taux de gain atypiques, en comparant les résultats en bb/100 à ceux d’autres joueurs disposant d’échantillons de mains similaires. Les délais de prise de décision sont aussi étudiés, à la fois individuellement et par rapport aux habitudes du joueur concerné.
AceGuardian précise toutefois qu’aucun indicateur ne constitue, à lui seul, une preuve concluante. Un cas n’est signalé que lorsque plusieurs signaux concordent sur un grand nombre de mains.
Dans une étude de cas en heads-up soumise à la suite de l’incident du 29 septembre, même la version la plus élémentaire de cette méthodologie a signalé 72 mains suspectes. Le joueur y prenait de façon répétée des décisions statistiquement impossibles ou hyperoptimales face aux cartes précises de son adversaire.
Sur dix semaines, le suspect a disputé 757 mains aux limites 25 $/50 $, dont 95 % en heads-up contre son adversaire, sur 14 sessions. Il a gagné environ 45 000 $ au cours de ces sessions. La moitié d’entre elles ont duré moins de 30 mains. Dans les autres, le suspect a gagné entre environ 1 800 $ et 8 800 $ par session, à l’exception d’une session de 250 mains durant laquelle il a remporté environ 15 300 $.
Bilan de l’étude de cas
| Signal | Valeur | Percentile | Opponent vs field | Top 10 gagnants | Median |
|---|---|---|---|---|---|
| Oracle-fold ratio: postflop, pair or better | 90.3% | 100th | 67.7% | 71.2% | 70.8% |
| Oracle-fold ratio: turn | 92.9% | 100th | 66.0% | 71.3% | 69.7% |
| Oracle-fold ratio: river | 91.2% | 99th | 74.4% | 76.5% | 76.7% |
| Fold to value bets | 86.2% | 100th | 57.0% | 56.2% | 53.9% |
| Fold to bluffs | 16.3% | 5th | 28.6% | 27.6% | 26.1% |
| Discrimination gap | 69.9 pts | 100th | 28.3 pts | 28.7 pts | 27.6 pts |
| Bluff success | 39.5% | 99th | 29.2% | 25.5% | 26.6% |
Le tableau compare les données du suspect et de son adversaire, ainsi que des références en heads-up portant sur l’ensemble des joueurs et les dix plus gros gagnants. Il présente également les valeurs médianes des joueurs évoluant en heads-up aux limites 25 $/50 $.
Un appel aux opérateurs et à la communauté
La méthodologie et la chaîne de traitement des données en Python sont accessibles publiquement sur GitHub, afin que les opérateurs puissent les déployer et les appliquer à leurs historiques de mains.
L’entreprise propose également d’autres services gratuits à la communauté, notamment le suivi de l’écosystème du poker via QuintAce, sa nouvelle plateforme pour jouer et apprendre.
AceGuardian accepte aussi les historiques de mains transmis par des opérateurs ou des joueurs individuels afin de les analyser directement avec ses modèles de détection. Pour davantage d’informations sur les modalités d’envoi, contactez [email protected].
À propos d’AceGuardian et de QuintAce
Le Dr Thanh Tran, fondateur, directeur général et directeur technique d’AceGuardian et de QuintAce, est un ancien professeur d’informatique à l’Institut de technologie de Karlsruhe et un ancien professeur assistant invité à Stanford. Il a également occupé des fonctions de direction chez Upwork, notamment lors de son introduction en Bourse.
John Andress, responsable de l’intégrité du jeu chez AceGuardian, est un ancien joueur professionnel de No-Limit aux hautes limites. Membre fondateur de l’entreprise en 2019, il dirige l’équipe chargée de développer ses méthodes de détection.
