La référence en communication,
marketing, numérique et leadership

Le traitement automatique du langage pour maximiser le rendement d’affaires

Questions de sondage ouvertes, évaluations en ligne, registre de clavardage ou publications dans les réseaux sociaux: 65% de la rétroaction client se passe textuellement. Devant l’ampleur des données langagières, l’analyse de texte enrichie par l’intelligence artificielle pourrait révéler les angles morts de l’expérience client.

Pendant que les marques mettent toujours plus de canaux de communication à la disposition des consommateurs, ces derniers exigent désormais d’être entendus par les entreprises et les marques, à qui ils s’adressent librement depuis quelques années. Et le désengagement demeure un fléau pour les organisations. Une mince augmentation de 5% de la rétention client accroîtrait la rentabilité d’une entreprise de 25 à 95%.

«La recherche qualitative est essentielle au rendement d’affaires.»

Pour l’analyse concurrentielle ou de la demande client, gérer des crises, déceler les tendances ou les insights consommateur, établir des stratégies de contenu ciblées ou améliorer et concevoir des produits, «la recherche qualitative est essentielle au rendement d’affaires», estime Line Atallah, vice-présidente, marketing, de Keatext, plateforme d’analyse de texte nourrie par l’intelligence artificielle.

Si seulement un client sur 26 mentionne qu’il vit un problème avant de se désabonner d’un service, il s’avère complexe d’analyser manuellement les multiples voix des consommateurs. Nonobstant les différents dialectes, jargons et langues, les industries et les générations possèdent également leur vocabulaire propre. «Ces renseignements doivent être synthétisés afin de fournir des données éclairantes aux marques», précise Line Atallah.  

Centraliser pour mieux extraire la connaissance

Narjès Boufaden a obtenu un doctorat en linguistique informatique à l’Université de Montréal en 2005, entre autres sous la direction du spécialiste de l’apprentissage profond Yoshua Bengio. En 2010, elle a fondé Keatext, qui effectue la synthèse de données communicationnelles non structurées provenant de sources diverses, afin de fournir des renseignements exploitables aux sociétés.

Line Atallah

keatext

D’abord une société de consultation, la plateforme est aujourd’hui employée par American Express, Bombardier et Lg2, notamment, puis par la Nasa pour mesurer la satisfaction de ses employés. De quelque 25 d'utilisateurs dans une dizaine d’entreprises en juillet 2017, la plateforme en comptait au-delà de 126 dans plus de 30 sociétés, un an plus tard. 

Contrairement aux autres sociétés du genre, note Line Atallah, Keatext utilise l’apprentissage profond. «Plutôt que d’impliquer l’humain dans le processus d’intégration des mots-clés, avec ses biais et toute sa personnalité, c’est la machine qui prend en main les réactions du public depuis toutes les sources clés.»

Si un transporteur aérien veut connaître l'opinion des voyageurs quant au traitement des bagages, par exemple, Keatext va disséquer tous les commentaires, positifs comme négatifs, afin de dresser le portrait de la situation. Entre une valise endommagée et le nombre de kilogrammes par passager, la plateforme témoigne du marché selon un tableau de bord détaillé et personnalisé. 

Le logiciel analyse des questions auxquelles un humain n’aurait jamais pensé, donc, en plus de repérer les problèmes potentiels. La recherche qualitative s’inscrit dans une démarche davantage quantitative.

Malgré une certaine incompréhension de l’intelligence artificielle, quant aux enjeux éthiques et aux bouleversements des processus établis notamment, l’apprentissage automatique pourrait s'avérer l’élément qui distinguera une entreprise de sa concurrence, selon Line Atallah. «Montréal est une ville d’intelligence artificielle. L’accès direct à cette technologie permettra d’améliorer l’efficacité des équipes et des services d’expérience client en laissant tomber le travail manuel, au profit de l’élaboration de stratégies.»

 

 

 

 

* La version originale de ce texte a été publiée le 27 novembre 2018.