Exemple pratique : Un arbitragiste a créé 20 comptes Facebook Ads via Dolphin Anty avec différents proxies. Au bout de 3 jours, tous les comptes ont été bannis en une vague. La raison : le système ML a détecté un pattern d'actions identique : tous les comptes ont été créés en même temps, ont utilisé la même séquence de paramètres publicitaires, se sont connectés aux mêmes heures. Différents IP n'ont pas aidé — le pattern comportemental était identique.

1. Empreinte numérique identique

Qu'est-ce que c'est : Une combinaison de paramètres du navigateur qui crée un ID unique pour l'appareil. Empreinte Canvas, hash WebGL, liste des polices, contexte audio, paramètres d'écran.

Pourquoi c'est critique : Si deux comptes ont une empreinte identique — c'est 100% une seule personne sur différents comptes. Le modèle ML lie instantanément les profils.

Exemple de ban : Un spécialiste SMM gérait 15 comptes Instagram de clients via un Chrome classique avec différents proxies. L'empreinte était identique — tous les comptes ont été bloqués pour multi-comptes.

2. Incohérence entre l'adresse IP et d'autres paramètres

Qu'est-ce que c'est : L'IP indique Moscou, mais le fuseau horaire est réglé sur New York. Ou un proxy mobile de Russie, mais la langue du navigateur est l'anglais.

Pourquoi c'est critique : Les modèles ML sont formés sur des millions d'utilisateurs réels et connaissent les combinaisons typiques. Les incohérences sont un signal fort de falsification.

Erreur fréquente : Acheté des proxies résidentiels aux États-Unis pour Facebook Ads, mais oublié de changer le fuseau horaire et la langue dans le navigateur anti-détection. Le compte a été banni lors de la première connexion.

3. Patterns de comportement robotisés

Qu'est-ce que c'est : Intervalles identiques entre les actions, mouvements de souris parfaitement droits, clics instantanés, absence de fautes de frappe lors de la saisie de texte.

Pourquoi c'est critique : Un humain ne peut pas effectuer d'actions avec une précision à la milliseconde. Les modèles ML distinguent facilement l'automatisation du travail manuel.

Cas réel : Un scraper Wildberries faisait des requêtes exactement toutes les 5 secondes. Au bout d'une heure, l'IP a été banni. Après avoir ajouté des délais aléatoires de 3 à 8 secondes — le scraper a fonctionné pendant des mois.

4. Fréquence suspecte de changement d'adresses IP

Qu'est-ce que c'est : Un compte se connecte avec différentes IP chaque heure ou au contraire — ne change jamais d'IP pendant des mois.

Pourquoi c'est critique : Les utilisateurs réels ont des patterns prévisibles : WiFi domestique le soir, internet mobile le jour, IP de bureau pendant les heures de travail. Les anomalies suscitent des soupçons.

Erreur des débutants : Utilisation de proxies rotatifs pour les comptes Facebook Ads. L'IP change toutes les 10 minutes — le système voit que "l'utilisateur" se téléporte entre les villes. Ban garanti.

5. Actions identiques massives sur une courte période

Qu'est-ce que c'est : Création de 10 comptes en une heure, lancement de 20 campagnes publicitaires en même temps, envoi massif de messages.

Pourquoi c'est critique : Les modèles ML analysent non seulement le comportement individuel, mais aussi les patterns au niveau de toute la plateforme. Les actions synchronisées sont un signe évident d'automatisation.

Cas d'arbitrage : Une équipe a lancé 50 comptes TikTok Ads en un jour via différents proxies et navigateurs. Tous ont utilisé les mêmes créatifs et paramètres de ciblage. Une semaine plus tard, ban en vague — le système ML a lié les comptes par le pattern comportemental.

6. Utilisation de proxies de datacenter sur des plateformes avec vérification stricte

Qu'est-ce que c'est : Adresses IP des datacenters (AWS, Google Cloud, Hetzner) au lieu de véritables fournisseurs d'accès à internet.

Pourquoi c'est critique : Les systèmes ML ont des bases de données de tous les datacenters connus. Facebook, Google, Instagram détectent presque instantanément ces IP comme suspectes.

Où utiliser : Les proxies de datacenter fonctionnent pour le scraping de certains sites et marketplaces. Mais pour les réseaux sociaux et les plateformes publicitaires, seuls les proxies résidentiels ou proxies mobiles sont nécessaires.

7. Absence de "réchauffement" d'un nouveau compte

Qu'est-ce que c'est : Un nouveau compte commence immédiatement une activité agressive : lancement de publicités avec un gros budget, abonnements massifs, envoi de centaines de messages.

Pourquoi c'est critique : Les modèles ML sont formés sur des millions d'utilisateurs réels et savent comment se comportent les nouveaux venus. Une activité agressive dès le premier jour est un signe évident d'un bot ou d'un compte acheté.

Approche correcte : Pendant les 7 à 14 premiers jours, imitez un utilisateur ordinaire : consultez le fil d'actualité, aimez, commentez, complétez votre profil. Augmentez progressivement l'activité.

Critiquement important : Tous les paramètres doivent être cohérents entre eux. Il est impossible d'installer un User-Agent d'iPhone, mais une résolution d'écran d'ordinateur portable. Les systèmes ML vérifient la cohérence des paramètres et les incohérences augmentent le score de suspicion. Utilisez des modèles d'appareils prêts à l'emploi dans les navigateurs anti-détection — ils contiennent des combinaisons réalistes de paramètres.

❌ Utilisation de la même empreinte pour différents comptes

Certains débutants copient les paramètres de profil dans le navigateur anti-détection. Résultat — empreintes identiques et liaison des comptes.

✅ Correct :

Créez un nouveau profil à partir de zéro ou utilisez la fonction "empreinte aléatoire" dans le navigateur. Chaque compte doit avoir un ensemble unique de paramètres.

❌ Combinaisons exotiques de paramètres

Installation d'un système d'exploitation rare (par exemple Linux) avec un User-Agent mobile ou utilisation de versions obsolètes de navigateurs. Les modèles ML sont formés sur des utilisateurs réels et savent quelles combinaisons se rencontrent dans la nature.

✅ Correct :

Utilisez des combinaisons populaires : Windows 10 + Chrome, MacOS + Safari, Android + Chrome Mobile. Les versions des navigateurs doivent être actuelles ou au maximum 1-2 versions en arrière.

❌ Incohérence entre l'empreinte et le proxy

Proxy mobile de Russie + User-Agent de bureau + fuseau horaire des États-Unis. De telles incohérences sont un drapeau rouge pour les systèmes ML.

✅ Correct :

Tous les paramètres doivent correspondre à la géolocalisation du proxy : IP de Moscou → fuseau horaire Europe/Moscou → langue ru-RU → géolocalisation 55.75,37.61 (coordonnées de Moscou).

Mal : Délai exactement de 5 secondes entre les requêtes

time.sleep(5) # Délai identique — détecté comme bot

Bien : Délai aléatoire de 3 à 8 secondes

import random
time.sleep(random.uniform(3, 8)) # Imitation d'un humain

Conseil pour les arbitragistes : Si vous cultivez des comptes Facebook Ads — imitez le comportement d'un utilisateur réel pendant les 7 à 14 premiers jours. Connectez-vous au compte, faites défiler le fil d'actualité pendant 5 à 10 minutes, aimez 2 à 3 posts, regardez des vidéos. Ce n'est qu'après le réchauffement que vous commencerez à créer des campagnes publicitaires. Les comptes qui lancent immédiatement des publicités reçoivent un ban 10 fois plus souvent.

Pour Facebook Ads / Google Ads (arbitrage) :

Utilisez des proxies résidentiels statiques. Un compte = une IP qui ne change pas. Les plateformes publicitaires sont très sensibles au changement d'IP et peuvent bloquer le compte même lors d'un changement d'adresse unique pendant une campagne active.

Exception : Si vous imitez un utilisateur mobile — vous pouvez utiliser des proxies mobiles avec une rotation toutes les 10-30 minutes (c'est ainsi que fonctionne un véritable internet mobile). Mais alors tous les paramètres d'empreinte doivent provenir d'un appareil mobile.

Pour Instagram / TikTok / réseaux sociaux (SMM) :

La stratégie optimale — une piscine de 2-3 adresses IP qui alternent selon la logique "domicile-travail-mobile" :

• IP principale (résidentielle) — 70% d'activité, utilisée le soir et le week-end
• IP de travail (résidentielle d'un autre sous-réseau) — 20% d'activité, utilisée pendant les heures de travail 9-18
• IP mobile — 10% d'activité, connexions aléatoires tout au long de la journée

Ce pattern semble naturel et ne suscite pas de soupçons auprès des systèmes ML.

Pour le scraping de Wildberries / Ozon / marketplaces :

Utilisez des proxies résidentiels rotatifs avec changement automatique d'IP toutes les 5-15 minutes. Les marketplaces suivent le nombre de requêtes provenant d'une seule IP et bloquent si la limite est dépassée.

Important : N'utilisez pas de proxies de datacenter — Wildberries, Ozon, Avito ont des bases de données d'IP de datacenter et les bloquent automatiquement. Seuls des proxies résidentiels ou mobiles.

Pour l'enregistrement massif de comptes :

Chaque enregistrement — nouvelle IP. Utilisez des proxies rotatifs avec un grand pool d'adresses. Après l'enregistrement, attachez une IP statique au compte pour un travail ultérieur. Ne jamais enregistrer plusieurs comptes avec une seule IP — cela entraîne un ban instantané de tous les comptes.

1. Utilisation d'une seule IP pour plusieurs comptes en même temps

Même si vous avez des empreintes parfaites — si deux comptes se connectent avec la même IP en même temps, le système ML les liera. Un compte = une IP à un moment donné.

2. Changement de pays/ville d'IP pendant une session active

Vous vous êtes connecté à un compte avec une IP de Moscou, 10 minutes plus tard l'IP a changé pour Vladivostok — c'est une téléportation de 7000 km. Ban instantané. Si vous utilisez la rotation — les IP doivent provenir d'une même ville/région.

3. Changement entre IP mobile et de bureau sans changement d'empreinte

Si vous utilisez un proxy mobile — l'empreinte doit provenir d'un appareil mobile (iOS ou Android). Il est impossible d'utiliser une IP mobile avec un User-Agent de bureau — cette incohérence est détectée par les systèmes ML.