Toutes les ressources Fanvoice
Les articles et les actus

Peut-on analyser les pensées et les avis des clients avec une IA ? Presque ! Et Chat GPT (qui accuse ses 1ères baisses de performances d’après l’université de STANFORD) n’est pas le meilleur outil pour le faire… Une équipe de chercheurs a travaillé sur le projet pendant plus de 5 ans avant de mettre au point la dernière version de l’IA FANVOICE. Récolter la data pour apprendre, enclencher le machine learning pour “apprendre à la machine à apprendre”, puis assister l’IA dans l’analyse des verbatims jusqu’à l’exploration humaine assistée par IA… Ce n’était pas si simple, mais c’est du concret et c’est accessible à tous les marketeurs à présent ! On vous explique comment ça marche.

Un brainstorming géant, assisté par l’IA 

Les projets participatifs menés par les marques adeptes du brainstorming en ligne (ou “crowdstorming” lorsqu’ils impliquent plusieurs centaines de participants) permettent de collecter des centaines, voire des milliers des avis des clients. Au cours d’un brainstorming géant lancé dans une optique de co-création (ou de test de concept), le corpus constitué au cours des échanges peut présenter certaines difficultés dans l’analyse. En effet, sur des milliers de verbatims récoltés, même si les contributions sont déjà structurées par grands thèmes (3 à 6 thématiques proposées aux participants en général), et même si elles peuvent être explorées rapidement par quelques tris pertinents (par exemple les contributions les plus commentées, celles contenant tel ou tel sujet, les idées identifiées comme “à fort potentiel” par le community manager en cours de projet, etc), l’analyse fine peut s’avérer chronophage (plusieurs jours d’exploration), ce qui pourrait décourager certaines marques. Ces dernières pourraient être tentées de solliciter des panels plus petits, plus faciles à décrypter, pour s’économiser une charge de “travail manuel”. Or les marketeurs et responsables études sont conscients qu’un volume moins important en termes de données implique des enseignements moins riches, moins profonds et moins éclairants d’un point de vue statistique.

L’IA trouve donc ici toute son utilité pour faciliter la démarche. Elle réconcilie les 2 mondes : le volume de participants n’est plus un problème en terme d’analyse et le volume du corpus récolté demeure un vrai atout en terme de compréhension des attentes et des avis des clients et consommateurs. En clair, le quali devient quali-quanti, et le volume affine l’insight.

Une intelligence artificielle dédiée à l’analyse sémantique 

Face aux difficultés d’analyse évoquées dans le cadre des projets participatifs à grande échelle (plus de 50 participants et jusqu’à plusieurs milliers en simultané), FANVOICE a investi dans le développement d’un algorithme propriétaire basé sur la technologie du “Topic Modeling”. Cette technologie d’analyse du langage offre, sans paramétrage préalable (constitution de lexiques sémantiques), un découpage automatique du corpus en une vingtaine de thématiques basées sur le rapprochement de mots (ou unités lexicales appelées “tokens”) proches en termes de sens.

Ces thématiques sont ensuite projetées sur un graphique en 2 dimensions. Leur répartition sur le plan révèle alors la proximité de certains thèmes, permettant d’identifier puis d’explorer de grandes tendances (agglutinement de thèmes) ou des signaux faibles (thème isolé et de petite taille). La proximité de certains thèmes met aussi à jour des corrélations sémantiques non-exprimées dans le langage verbal ; une forme d’implicite, d’information non-verbalisée et souvent très précieuse.

Comment explorer les résultats de l’analyse sémantique FANVOICE ?

L’interface proposée par la plateforme FANVOICE permet une exploration à deux niveaux : en surface et en profondeur. L’exploration en surface consiste à observer les thématiques créées et projetées sur le graphique que nous appelons “”l’Insights Map”. Cette cartographie offre une première vue globale de l’intégralité du corpus, un découpage de thèmes déjà quantifiés (en pourcentage du corpus total) et nommés selon leurs termes les plus représentatifs.

Cette exploration révèle déjà de grandes tendances et d’éventuels signaux faibles. Il est bien entendu possible, voire recommandé, de lire une partie des verbatims les plus représentatifs, pour compléter sa compréhension.

L’exploration en profondeur repose quant à elle sur deux principales fonctionnalités : la visualisation de corrélations sémantiques entre plusieurs thématiques et l’extraction d’idées à fort potentiel d’innovations, que nous appelons “idées excentrées”. Un graphique sous forme de radar vient, à la consultation des verbatims les plus représentatifs d’un thème, révéler les liens qu’il entretient avec d’autres thèmes. Il guide ainsi l’exploration vers un contenu pertinent et permet de découvrir des enseignements non verbalisés par les contributeurs.

La fonctionnalité d’extraction d’idées “excentrées” repose, pour sa part, sur un autre principe : les idées les plus éloignées du consensus sont plus singulières. Cette singularité peut contenir un potentiel d’innovation.

Que faire des enseignements obtenus ?

Comme suggéré précédemment par le processus d’analyse en surface, puis en profondeur, il est possible de choisir le niveau d’investissement consacré à l’analyse, soit en fonction du temps dont on dispose, soit en fonction du type de livrable souhaite. En d’autres termes, une analyse en surface permet d’identifier de grandes tendances, de réaliser un premier reporting, d’identifier les premiers enjeux soulevés lors d’un projet. Une analyse plus approfondie et plus exhaustive permettra d’explorer les insights les plus pertinents de chaque thématique.

Ces technologies sont d’autant plus utiles qu’elles permettent de détecter des insights sur un très gros volume de verbatims (plusieurs milliers) pour le coût d’un brainstorming physique avec une dizaine de participants…

Tester des concepts et innover : avec ou sans IA ? 

La démarche participative est vertueuse en soi. Le fait de laisser les parties prenantes s’exprimer directement via des discussions en ligne “guidées / thématisées” est une bonne manière de limiter les biais du questionnement client traditionnel. La marque qui veut écouter l’avis de ces clients ne va plus créer les questions et les réponses pour faciliter l’analyse coûte que coûte, elle peut enfin se permettre d’ouvrir des grands sujets, des questions très ouvertes et multi-dimensionnelles, et de laisser les participants (clients, prospects, consommateurs, collaborateurs), s’exprimer avec leurs propres mots, sur les sujets qui leurs semblent prioritaires, à optimiser, à corriger. L’IA vient simplement réduire l’effort et les délais nécessaires (donc les coûts) à l’analyse d’importants volumes de données non structurées. Elle permet de “lire entre les lignes”, et retrouver les verbatims précis associés à chaque thématique, pour mieux les comprendre… ou les creuser !

Si vous voulez plus d’informations sur l’IA FANVOICE, n’hésitez pas à nous contacter !