Este artigo investiga como o Community Notes opera no recorte lusófono a partir do snapshot público de 7 de abril de 2026, do qual extraímos um corpus de 142.448 notas em língua portuguesa. Articulando filtragem linguística com fastText, embeddings multilíngues, modelagem de tópicos com BERTopic, reconhecimento de entidades nomeadas e classificação interpretável de utilidade via SHAP, o trabalho mostra que 82% das notas em português permanecem em needs_more_ratings e que essa suspensão se distribui de modo sistematicamente desigual entre tópicos. A análise sustenta a tese de que a utilidade no Community Notes é mais bem entendida como aceitabilidade algorítmica do que como acurácia factual, e o sistema, como infraestrutura de governança algorítmica da verdade pública.