Les applications industrielles de l’analyse sémantique et de l'étude du langage naturel par l’IA (‘Intelligence Artificielle’), notamment dans le domaine de la voix du client et du support des utilisateurs, sont associées à l’analyse de sentiments.

« Si on se limite au “sentiment” seulement, la conclusion est souvent pauvre »

Certains discours marketing vous font croire que l'analyse des sentiments est si avancée et mature qu'elle est fiable… d’autres diraient “Bullshit”. Les graphes sont colorés, faciles à lire, beaux dans les rapports stratégiques. Certes la compréhension a fait des progrès, mais si on se limite au “sentiment” seulement, la conclusion est souvent pauvre. Il est indispensable de combiner avec d’autres analyses.

Il y a souvent confusion avec l'utilisation du terme “sentiment”. En français, les experts utilisent bien le terme "opinion", tandis qu'en anglais “sentiment” et “opinion” sont presque interchangeables dans le domaine du NLP.

L'analyse d'opinion est une quantification de l'opinion exprimée à travers différentes modalités

Reprenons,

L'analyse d'opinion est une quantification de l'opinion exprimée à travers différentes modalités. Cette opinion peut représenter une prise de position, un sentiment, un avis sur un produit acheté en ligne, etc. Celle-ci s'applique dans la majorité des cas, à des données textuelles mais peut aussi être appliquée à des données multimédia (vidéo, audio, etc.).

Les recherches de ces dernières décennies ont permis de grandes avancées dans l'analyse d'opinion. Bien que la performance de ces systèmes permet à présent leur utilisation en industrie pour certains cas, certaines études récentes montrent aussi leur imperfection dans d’autres cas d'utilisation. Par exemple, les performances des systèmes d'analyse d'opinion appliqués aux langues non-anglophones comme le français, bien qu'étant très élevées à la base mais pas parfaites, diminuent.

Certaines approches projettent une illusion de précision, de fiabilité. Pire encore, d’autres vendent le concept comme l’indice magique sur lequel vous devriez baser vos décisions.

Chez Phedone, nous proposons également l’analyse de la subjectivité et de l’originalité

Chez Phedone, nous proposons également l’analyse de la subjectivité et de l’originalité car ce sont deux notions faciles à comprendre que ce soit pour l’analyste ou pour le client. Nous ajoutons et combinons avec d’autres index issus de l’IA, de statistiques et de règles métiers.

Une analyse débute par une catégorisation, puis nous ajoutons une coloration. Ainsi le tri est plus facile.

En quasi temps réel, sans intervention du support niveau #0, #1, des experts et des managers, 72% des thèmes sont générés et exploités en production.

Nous ne remplaçons pas l’analyste ou le support mais nous accélérons grâce à nos connaissances des métiers.

Vous obtenez une première analyse en moins de 10 minutes au lieu de 3 mois. En 3 minutes, 88% de l’information extraite auparavant manuellement en 2 mois.

En conclusion

Nous couplons différentes indexations maison pour trouver une information invisible sans Phedone.

Chez Phedone, notre travail consiste à trier l'important du reste.

Quelques résultats de la solution Phedone :

63% des catégories détectées automatiquement sont industrialisés dans les outils de support,
90% de précision de la qualification automatique,
Entre 20 et 50% du temps des collaborateurs est libéré.

Nous utilisons l’IA, les statistiques et des règles métiers pour étudier la voix du client, des collaborateurs et maintenant celle du patient et du personnel médical au sens large.

Sans aucune phase de formation, le responsable d'établissement, la direction infrastructure et système d’information, la direction qualité détectent immédiatement les tendances et les signaux faibles. Ils peuvent même trier et orienter les demandes de support automatiquement.

Natural Language ProcessingL’analyse de sentiment, peut-on la croire ?

Discover the advanced AI thatautomates the processing of your customer returns

Get notified when we’re launching.