5 février 2020
Dans :
Interviews
Par :
FLaurent
L’analyse des données non structurées était au cœur des débats de la Journée des Etudes de l’Adetem : rencontre avec un des intervenants,
Christian Langevin.
MarketingIsDead : Christian Langevin, tu diriges QWAM , une société spécialisée, notamment, dans l’analyse des données non structurées en grand nombre : c’est même ce savoir-faire qui t’a amené à dépouiller les résultats du Grand Débat National, en collaboration avec OpinionWay, nous y reviendrons ; mais avant tout, en quoi les données non structurées en grand nombre posent-elles des problèmes spécifiques quant à leur traitement ?
Christian
Langevin : Le terme de données non structurées recouvre toutes les données contenant des
textes libres rédigés par des « humains »
(verbatim clients, questions ouvertes, réponses à des enquêtes, etc.) ainsi
que des données de type documents rédigés (articles, études, rapports, etc.).
Les systèmes actuels d’analyse fonctionnent
essentiellement par échantillonnage, d’où une bonne pertinence qualitative (=
les principaux thèmes sont découverts) mais une absence totale de
représentativité (= impossible donc de quantifier quoi que ce soit et donc d’accorder
un poids quelconque à chacun des thèmes découverts.
Ajoutons enfin que si le volume de
données se révèle important, le coût d’analyse devient rapidement prohibitif.
MarketingIsDead : Tu as commencé à t’intéresser,
depuis maintenant 3 ans, au discours des collaborateurs dans les entreprises …
Christian
Langevin : Le problème de nombreuses entreprises
est de fidéliser leurs personnels, d’évaluer les retours de mission (dans les
cas par exemple de consultants, interventions sur des chantiers, missions commerciales,
etc.) et de diminuer les départs des compétences clés – finalement, c’est un
peu comme la fidélisation clients en marketing !
D’où le développement d’enquêtes de
satisfaction, avec non seulement des questions fermées, mais surtout où
figurent de nombreuses questions ouvertes qui élargissent le champ d’expression
et permettent de réellement prendre en compte les sentiments, aspirations et
suggestions des répondants; dès qu’il y a du volume il devient compliqué de
traiter par une intervention humaine les réponses aux questions ouvertes; nous
avons mis au point un modèle d’analyse automatique des réponses afin de
cartographier les attentes et sentiments des personnels – voir exemple ici.
Un des objectifs est souvent d’identifier
les problèmes liés aux missions et les risques potentiels d’insatisfaction afin
d’optimiser la gestion des ressources humaines dans son ensemble.
MarketingIsDead : Puis ensuite, il y a eu le Grand
Débat National : c’était quoi, les enjeux, mis-à-part des délais très
serrés et des tonnes de data ?
Christian
Langevin : C’est vrai que traiter plus de 5 millions
de réponses en moins d’un mois, ce fut un beau challenge – un pied dans ce que
les marketers nomment Big Data.
J’en suis plutôt fier, car il s’agit
d’une reconnaissance de la valeur de notre solution QWAM Text Analytics pour
l’analyse de textes en masse : notre solution est basée sur les
technologies sémantiques et l’intelligence artificielle pour lesquelles QWAM
est un des pionniers.
C’est l’utilisation de ce type de technologie
qui a permis de traiter ce volume de plus de 5,5 millions de réponses dans de
tels délais : pour la première fois il a été possible réellement de
prendre en compte à grande échelle les attentes et opinions des citoyens sans
les cantonner à des questions fermées qui par définition limitent le champ
d’expression. Pour un complément d’information en vidéo, voir ici.
MarketingIsDead : Aujourd’hui tu te penches sur
l’expérience clients : tu as raison, c’est très tendance … mais en quoi
ton expérience peut être utile dans ce nouveau domaine ?
Christian
Langevin : Enquêtes RH, Grand Débat National, expérience clients : dans tous les cas,
il s’agit de pouvoir se saisir de grandes quantités de données pour en tirer
une analyse fine et opérationnelle ; aucune thématique ne doit être
oubliée et leur traitement doit déboucher sur une quantification
opérationnelle.
C’est pourquoi l’expérience clients constitue
pour nous un domaine prometteur en terme d’analyse de données via la sémantique
et l’intelligence artificielle : en effet l’analyse sémantique liée à l’IA,
avec pilotage humain bien sûr, va permettre de mieux appréhender l’ensemble des
messages et textes liés à l’expérience client et sans se limiter à des
échantillons souvent peu représentatifs ; nos technologies permettent d’allier
exhaustivité et coûts maitrisés tout en augmentant la qualité des insights
MarketingIsDead : Une des particularités du marketing,
c’est d’être déjà fortement équipé d’outils de reporting, sans oublier les
systèmes opérationnels comme les CRM …
Christian
Langevin : … ce qui ne constitue pas un vrai
problème : les indicateurs extraits des analyses faites par QWAM Text
Analytics peuvent s’intégrer et se partager via la grande majorité des outils
de reporting existants dans les entreprises ; il ne s’agit donc pas d’une solution
technique de plus mais d’indicateurs nouveaux qui peuvent s’intégrer dans les
outils existants via nos API et exports des indicateurs.