L’analyse fiabilisée des émotions est un enjeu récurrent – et complexe – de l’e-reputation.
Première bonne nouvelle, l’IA apporte des réponses inédites.
Deuxième bonne nouvelle : l’un des nouveaux acteurs sur ces applications est français !
Entretien avec Grégoire Pfirsch, fondateur de Q°emotion
Grégoire, tu es le fondateur de Q°emotion : en deux mots, c’est quoi, Q°emotion ?
Grégoire Pfirsch : La solution Q°emotion met l’Intelligence Artificielle au service de l’analyse des émotions ressenties par les clients, via une plateforme SaaS et des API.
La promesse de Q°emotion est double : accélérer la relation client et ré-enchanter l’expérience client.
Les algorithmes d’IA de Q°emotion analysent, classifient et priorisent tout type de messages clients écrits, grâce à la détection des émotions ressenties.
Par exemple si une entreprise reçoit beaucoup de messages ou d’avis clients (comme des emails, des reviews online ou des verbatim d’enquêtes) et qu’elle a besoin d’accélérer leur traitement, de les prioriser ou de détecter en priorité des situations à risques ou des opportunités commerciales : la solution Q°emotion est faite pour elle.
Jusqu’à présent, dans la relation unissant les socionautes aux marques, on s’est surtout intéressé aux « like » et autres « follow » ; aujourd’hui, on commence à s’intéresser à la qualité des contenus qui enrichissent cette relation…
Grégoire Pfirsch : De nos jours, les clients sont de plus en plus enclins à se diriger vers le web pour écrire ce qu’ils ressentent. Une mauvaise expérience ou une recommandation ne prend que quelques secondes pour être partagée avec une masse d’internautes. La force de ce moyen de communication est dans le partage massif.
L’aspect quantitatif a son importance indéniable sur ces sujets : nombre de « like » ou volume de followers.
Mais de plus en plus d’entreprises se montrent aujourd’hui également sensibles à l’aspect « qualitatif » des contenus partagés et commentés, notamment dans des logiques d’influenceurs ou d’ambassadeurs.
C’est pourquoi nous proposons aux marques de compléter la logique « quanti » par l’évaluation émotionnelle des contenus partagés ou commentés par les principaux acteurs de l’écosystème pour identifier les « influenceurs ou ambassadeurs émotionnels » : quels sont ceux qui promeuvent des contenus émotionnellement favorables ou défavorables à ma marque ?
L’analyse des émotions sur le Web date des débuts du Web 2.0 ; mais rapidement on s’est aperçu que la réalité des sentiments allait bien au-delà du comptage de quelques mots positifs ou négatifs : qu’est-ce qui a changé depuis ? Qu’est-ce qu’apporte notamment l’AI ?
Grégoire Pfirsch : Aujourd’hui, les puissances de calcul informatique (traitement automatique de gros volume de data) couplé à de l’Intelligence Artificielle (processus d’apprentissage automatique : machine learning) autorisent une analyse beaucoup plus experte et fiable de la linguistique (NLP – Natural Language Processing), et dans le cadre d’analyse émotionnelle, une meilleure détection des tonalités émotionnelles du langage.
Chez Q°emotion, nous mettons l’IA (Intelligence Artificielle) au service de la compréhension des émotions, pour plus d’empathie dans l’expérience et la relation client. Un exemple d’application est la détection de fortes émotions dans les avis clients d’une compagnie aérienne, pour détecter les facteurs d’enchantement ou de désenchantement, et pour prioriser l’urgence des recontacts sur des sujets critiques (sécurité, juridique, image, bad buzz…).
Nos algorithmes d’IA permettent de repérer dans les éléments de langages écrits les émotions extrêmes (colère, dégoût, surprise) et les niveaux d’intensité inhabituels pour faire émerger les messages prioritaires et anticiper les situations à risque potentiel : détection en temps réel de bad buzz ou de risque de churn/ d’attrition clients par exemple.
Reste malgré tout une forte proportion des internautes à manier litotes et ironie : « Super restaurant » peut tout aussi bien signifier « Horrible gargote » dans la bouche de certains …
Grégoire Pfirsch : Nous nous appuyons sur un dictionnaire multilingue du langage émotionnel de plusieurs dizaines de millions de mots et d’expressions indexés émotionnellement (ainsi que toute caractéristique du langage écrit: abréviation, argot, émoticônes, … ).
Ainsi les différentes figures de style utilisées vont aussi pouvoir être indexées dans notre base d’apprentissage; la syntaxe et le contexte dans lequel ces expressions sont employées permettent de confirmer ou d’inverser le sens émotionnel du propos: par exemple l’usage d’émoticônes permet souvent de détecter l’ironie.
