1Depuis l’arrivée du web 2.0, l’intérêt va croissant pour connaître les opinions des internautes qui s’y expriment spontanément et en temps réel. Cette masse de données d’opinions est accessible avec des outils de fouille du web, avec une collection d’informations constamment renouvelée. Des sites se sont spécialisés dans le recueil de ces opinions dans certains domaines (critiques de cinéma par exemple) et les internautes ont pris l’habitude de consulter les avis et notes déposés par les autres dès qu’ils doivent prendre une décision d’achat pour un produit technique, ou encore pour une réservation d’hôtel. Les avis, les opinons intéressent donc les internautes et ont suscité des applications et services multiples, ce qui provoque un cercle vertueux d’encouragement à donner son avis et même à se faire reconnaître comme donnant des avis pertinents et suivis par les autres. Mais ces données intéressent également des marques et des cabinets d’études qui tentent de connaître ce « sentiment agrégé des foules ». Souvent sensibles au fantasme « votre réputation peut être détruite à cause d’un commentaire de blog », les marques se soucient de leur identité en ligne mais cherchent également à mieux connaître les attentes et critiques que les internautes leur adressent. D’où le développement croissant des techniques pour capter ces évaluations des internautes, allant du simple dénombrement de commentaires positifs ou négatifs à l’analyse plus fine des contenus de ces commentaires.

Ce que change le web 2.0

2Il n’a pas fallu attendre l’arrivée d’internet et plus particulièrement celle du web 2.0 pour pratiquer l’analyse de sentiment. Ce que pensent et disent les gens est un sujet d’intérêt scientifique depuis au moins un siècle, politique depuis plus de cinquante ans et, depuis peu, un sujet d’intérêt commercial.

3Scientifique d’abord, puisque dès le début du xx^e siècle, William Stern1, puis Gordon Allport et Leo Postman2 s’intéressent au phénomène de la rumeur et tentent de la définir et d’en établir les mécanismes fondamentaux. Via le « bouche à oreille », les messages peuvent être réduits, simplifiés, transformés. Certains détails peuvent être valorisés au détriment d’autres en fonction de la sensibilité ou du contexte social de celui qui transmet le message. Quand ce dernier ne relève pas tout simplement d’une pure invention, mais s’impose en raison de l’ampleur que lui confère sa transmission à grande échelle (et l’on pense au phénomène actuel des hoax qui envahissent régulièrement le web) ! La rumeur devient un phénomène identifiable, analysable et mesurable. Après la psychologie sociale, la psychanalyse et la sociologie s’emparent de l’objet « rumeur »3. On débat sur son caractère fondé (réelle information) ou non (simple projection de fantasme), et elle est entrée désormais dans le champ des études médiatiques et du management des marques4.

4Les sondages quant à eux se sont développés depuis la fin de la seconde guerre mondiale. Partant du principe qu’il existe une opinion publique, comme le disait Tarde des publics des journaux en distinguant cette opinion de la foule, les sondages consistent à créer des méthodes et des indicateurs pour la mesurer et ce faisant pour la faire exister vraiment. La dimension performative des sondages a souvent été mentionnée, parfois pour critiquer leurs justifications mêmes, plus souvent pour proposer des règles de contrôle de leur méthodologie qui éviterait de mesurer un pur artefact provoqué par le dispositif. En effet, les sondages obligent de fait les personnes interrogées à se poser des questions qu’elles n’ont peut-être jamais eu l’occasion de se poser ou à avoir une opinion sur un sujet qu’elles ignorent complètement (ce que Converse ou Bourdieu ont utilisé pour en faire la critique). D’autres ont pu critiquer leurs méthodes et notamment la prétention de représentativité, réalisée en France sous forme de quotas et à l’étranger sous forme d’échantillons aléatoires, ce qui vaut là encore des critiques aux méthodes françaises, dépendantes du fait que l’INSEE ne traite pas de questions politiques ou religieuses, ce qui rend l’accès à des échantillons aléatoires sur la population complète impossibles. Mais par leur répétition, dès lors qu’ils utilisent les mêmes principes, on peut considérer que les sondages détectent quelque chose des « mouvements d’opinion » (mais ici ce sont bien les mouvements qui sont importants, avec maintien de la même méthode) et que dans le même temps ils ont fini par faire exister l’opinion comme entité supposée indépendante des méthodes pour y accéder.

5C’est pourquoi les études d’opinion mining reprennent les mêmes principes sans trop s’interroger sur le statut de cette opinion, considérant que, à force de sondages, elle a fini par exister. Or, ce que vont mesurer les dispositifs d’opinion mining relève de conversations plus que d’opinions constituées par les méthodes qui leur donnent le statut d’opinion. Cet écart est malgré tout sous-estimé délibérément dans les offres commerciales. Cependant, nombreux sont ceux qui parleront plutôt d’e-réputation, ce qui est sans doute plus correct, puisque c’est bien la notoriété médiatique que l’on mesurera sur les médias.

6Ces approches sont donc bien éloignées d’un souci de représentativité de la population, établie en fonction de critères sociodémographiques, tels que l’INSEE les définit. Les études d’opinion se prévalent toujours de leur capacité à corréler tous les attributs et opinions des personnes sondées à leurs propriétés socio-démographiques. Ce lien personnel permet ensuite des agrégats qui prétendront à la validité statistique par rapport à une population de référence. Cependant, il sera tenu compte des intervalles de confiance, selon la taille de l’échantillon rapportée à celle de la population, qui devraient relativiser les résultats mais qui sont très souvent oubliés dans les publications des médias, ce qui entraîne des confusions, des critiques et une controverse permanente. En réalité, bien d’autres opérations sont nécessaires pour maintenir cet « effet de représentativité » face à tous les problèmes de constitution de l’échantillon ou de récupération/exploitation des données : mais tous les redressements qui font la cuisine ou l’art des sondeurs professionnels sont rarement explicités car la demande sociale/médiatique n’attend pas cette garantie scientifique mais seulement son approximation. C’est la même posture qui justifiera les approximations innombrables de la plupart des offres en opinion mining et sentiment analysis.

7Avec l’émergence du marketing relationnel dans les années 1990, apparaissent les outils de CRM (Consumer Relationship Management ou en français GRC, Gestion de Relation Client). Le souci de produire du reporting sur toutes les activités les plus fines de l’entreprise fait partie de l’évolution contemporaine des entreprises dominées par les impératifs de la finance, au point de produire des reports trimestriels rarement fondés mais utiles pour l’orientation des marchés financiers. Les outils de e-réputation n’échappent pas à ce même impératif, notons-le en passant, et leur destinataire est avant tout l’actionnaire bien plus que les stratèges de l’entreprise eux-mêmes, puisqu’une réputation mise à mal sur le web peut se traduire en un instant par un décrochage boursier. Par ailleurs, la féroce compétition entre marques pour conserver des clients dont la solvabilité est de plus en plus problématique, conduit à privilégier des outils de suivi qui peuvent alerter sur tout changement de comportement, sur toute insatisfaction et qui peuvent servir de base de lancement à des propositions commerciales nouvelles, personnalisées et monétisant tout ce qui peut l’être dans cette relation.

8Le suivi des consommateurs et l’exploitation des retours clients ont reposé sur le développement, depuis les années 2000, d’un appareillage de traçabilité et d’agrégation particulièrement sophistiqué, dont une bonne partie est désormais automatisée. De nombreuses données de consommation pour un client abonné ou fidélisé par une carte (dont il laisse l’exploitation des données à l’enseigne par exemple) peuvent être exploitées directement, puisqu’il s’agit de traces d’actes d’achat ou de commandes ou de demandes d’interventions, etc. Elles n’ont donc pas de rapports avec les données d’opinion. Cependant, les marques ont su désormais exploiter tous les outils de traçabilité des avis plus ou moins informels émis en direct sur leurs sites ou sur des sites de consommation. Dans ce dernier cas, les marques perdent souvent la connexion avec l’identité des clients et les croisements sont moins directs mais le travail de corrélation se fait au niveau d’agrégats géographiques, de segments de marché, etc. Par ailleurs, de nombreuses méthodes de marketing déjà anciennes sont toujours exploitées pour générer du retour client ou au contraire des attentes de client (lors de phases d’innovations). Les entretiens téléphoniques et les focus groups sont massivement utilisés pour faire exister ce client évanescent ou supposé, tout autant fantomatique que l’opinion que nous évoquions en introduction. Nous avons proposé de regrouper toutes ces méthodes sous le terme de dispositifs de production « d’êtres intermédiaires », c’est-à-dire de tenants lieux des utilisateurs/clients réels souvent difficiles à atteindre. Le statut virtuel de ces êtres intermédiaires ne les empêche pas d’avoir un rôle décisif dans la suite de la conception ou dans le traitement des retours clients5. Nous avions pris notamment l’exemple de la mère Denis utilisée comme « être totem » pour servir d’argument imparable lorsque l’on veut valider ou invalider un produit à destination d’un grand public non instruit. Toutes les typologies, sociostyles et autres tendances qui permettent de produire des regroupements synthétiques de la description des comportements ne font pas autre chose que produire ces êtres intermédiaires. Cela n’invalide en rien ces travaux, car, et il faut y insister, seraient-ils absents, qu’une marque trouverait toujours un moyen d’imaginer ses clients ou qu’un parti ne pourrait s’empêcher de se représenter ses électeurs. Ce souci d’information plus argumentée est avant tout stratégique et ne cherche donc pas de validation scientifique ultime. Cependant, il en empruntera les protocoles et les arguments, lorsque c’est nécessaire. Les chercheurs en sciences sociales doivent de leur côté s’imposer des contraintes plus importantes mais ils sont de fait dans la même situation. Comme le font les botanistes et les pédologues de la forêt amazonienne de Boa Vista dans cet article fameux de Bruno Latour6, les chercheurs en sciences sociales travaillent constamment à aligner des traductions successives du monde, à s’assurer que les transformations qu’ils leur font subir sont acceptables (mais il s’agit pourtant de transformations) et de ce fait à manipuler aussi des êtres intermédiaires que sont des catégories, des typologies, voire des idéaux-types qui valent pour l’infinie diversité des individus et des opinions recueillies.

9L’adoption massive des outils du web 2.0 par le public a renforcé l’intérêt pour le sentiment analysis, qui vise directement l’analyse de la tonalité, positive ou négative, des opinions recueillies. Les canaux d’expression spontanée des internautes se sont démultipliés (blogs, réseaux sociaux, systèmes de microblogging) et regorgent d’avis sur des produits, marques, personnalités, politiques publiques, etc. Il est même possible de considérer les conversations web (qui sont devenues en tant que telles un objet d’analyse et de suivi notamment dans les relations avec les marques, voir « les marques en conversation ») comme une entreprise collective d’évaluation permanente de tout : articles de presse (à travers des commentaires), blogs anonymes (à travers des commentaires, des liens, des flux RSS, des tweets pour les signaler), pages web pour des produits, des événements, des personnes (que l’on attache directement sur son mur Facebook), etc.

Les propriétés discursives des données recueillies

10Cette prolifération n’est en rien réduite par les analyses d’opinion mining ou de sentiment analysis. Au contraire, on peut même dire que, commercialement, tout pousse actuellement à rester dans l’indifférenciation des matériaux linguistiques recueillis, quitte à trouver le moyen de les calculer différemment selon les plates-formes par exemple mais jamais selon leur statut énonciatif. Pourtant, le terme opinion puis celui de sentiment sont particulièrement polysémiques. Tentons de dissiper certaines ambiguïtés au contraire pour éviter les fausses promesses.

11Le matériau linguistique recueilli sur le web lors d’un crawl (moisonnage) à visée d’opinion mining qui sera analysé ensuite, relève de plusieurs types d’énoncés :

• un jugement ;

• une évaluation ;

• une opinion ;

• un avis ;

• un sentiment ;

• un goût ;

• un récit d’expérience ;

• un récit de pratique ;

12Tous ces types d’énoncés possèdent des statuts différents mais se retrouvent mêlés dans toute collecte. C’est souvent le cas dans les enquêtes qualitatives classiques aussi, mais l’analyse peut par la suite faire la différence, alors que, pour tout questionnaire fermé, il est nécessaire de bien différencier le statut de ces énoncés par avance puisque de la clarté de cette distinction dépendra la possibilité ou non d’un traitement quantitatif correct. Entre toutes ces expressions (et nous éliminons ici les questions d’intensité ou de registre de langues qui complexifient l’affaire), plusieurs dimensions sont en jeu. Les uns n’ont d’existence que verbalisés, d’autres peuvent garder un statut tacite ou non verbal tels le goût, l’expérience ou les pratiques. Dans tous les cas, nous avons affaire à ce que les ethnométhodologues appellent des « comptes rendus », des « accounts »7. Ce qui veut dire qu’il ne s’agit en aucun cas de traces de consommations ou de pratiques effectives, enregistrées automatiquement par des capteurs de divers types, mais bien de comptes rendus de ces pratiques, soumis de ce fait à toute la variété des modalisations, des connotations et des associations présentes dans tout discours.

13Nous reprendrons cette discussion plus précisément dans le cadre de nos analyses pour les sciences humaines et sociales (voir le chapitre 6, « Sentiment analysis et SHS »), car elles ne sont guère considérées comme pertinentes pour l’instant dans les offres présentes sur le marché.

14Textuels ou iconographiques (emoticons, étoiles – système de vote sur Amazon , RT sur Twitter, etc.), les marqueurs de tonalité et les recommandations irriguent la toile et sont autant d’indices de nos ressentis que certaines agences ou laboratoires s’empressent de répertorier et d’analyser. L’importance de ces saillances perceptives est très bien analysée par les sciences cognitives, à l’aide d’outils comme l’eye tracking qui permet de suivre à la trace les points de fixation et leur durée sur un écran. La constitution de certains de ces marqueurs en routines perceptives (comme les étoiles sur Amazon ou sur des sites d’évaluation de films) constitue un vocabulaire qui fait convention et qui a tout autant de poids sinon plus que les expressions les plus élaborées. En effet, le temps extrêmement limité de la perception de ces saillances permet d’effectuer une première sélection quitte à affiner les critères ensuite.

15Dans une économie de l’attention8, recommandations, avis et votes en tous genres sont des indices précieux d’évaluation de la popularité en ligne, souvent qualifiée de manière abusive et « fourre-tout » d’e-réputation. Mais ces classements de fait sont aussi des indices pour s’orienter dans une offre pléthorique. Mieux encore, les qualités des biens qui sont essentielles à la décision d’achat, ne sont pas accessibles sans en avoir fait l’expérience. Ces biens d’expérience9 exigent du temps et un risque pour les évaluer par l’expérience elle-même. Si les critiques de cinéma font l’objet d’une telle exploitation par les outils d’opinion mining, c’est qu’elles constituent une expérience par procuration pour un bien d’expérience de longue durée (plus qu’une chanson qu’on peut écouter) au sein d’une offre abondante. Les avis exprimés aident ainsi à s’orienter dans le choix, comme le faisaient les critiques auparavant combinées aux conversations amicales : désormais, toutes ces sources sont disponibles et traçables sur le réseau.

16Plus important encore pour les marques (mais aussi pour les politiques ou les administrations), le suivi de ces traces de conversation sur le web permet d’effectuer de la veille de façon nettement plus réactive qu’auparavant. Certes, les données sont très hétérogènes et pas aussi fiables qu’un travail d’enquête mais le veilleur y gagne un changement d’échelle de sa surveillance, changement d’échelle dans l’espace, dans la capacité de traitement automatisée, et partant, dans les délais de réactivité. Car il ne s’agit pas de veille stratégique dans ce cas, qui doit aller chercher d’autres types de documents et de sources, mais bien de veille de réputation. Les incidences d’une vague d’opinions défavorables générées à partir d’un bruit, d’une rumeur, d’une information confidentielle postée publiquement, que ces informations ou rumeurs soient fondées ou non par ailleurs, sont telles sur la réputation et partant sur les cours des actions, que les marques ont l’obligation de surveiller, voire même de piloter leur réputation à partir des conversations web. Le domaine du social media monitoring s’est développé pour répondre à ces véritables angoisses parfois et doit être distingué du community management qui cherche, lui, à créer des liens effectifs avec des clients et à faire vivre une communauté attachée à la marque. Le social média monitoring adopte une focale beaucoup plus ouverte et propose des outils pour non seulement identifier ces marqueurs d’opinion en ligne, mais aussi intervenir directement pour gérer les effets de réputation qui s’ensuivent.

Ce que changent les techniques du datamining

La collecte de données en masse

17Ces données (qui sont des opinions, des avis, des commentaires) sont produites en masse, alors que les contributions du public étaient jusqu’ici limitées au courrier des lecteurs ou aux sondages et enquêtes fort longs et coûteux. Dès lors, ce changement d’échelle est comme toujours une amplification10 potentielle tout à la fois :

• des tendances participatives de la démocratie ;

• de la visibilité d’opinions jusqu’ici marginales ;

• de la puissance d’influence sur les esprits de tous les médias relayés par le public lui-même ;

• de la focalisation collective immédiate sur des thèmes qui sont répliqués à grande vitesse ;

• de la réflexivité d’une société sur son propre climat, son humeur (mood), ce qui n’était pas encore arrivé ;

• d’une possibilité de traiter statistiquement des informations subjectives même non catégorisées ou indexées ;

• des outils de monitoring qui sont autant de tableaux de bord permanents de l’opinion ;

• des comparaisons entre types de données, émetteurs, propriétés des réseaux, des flux, etc. qui ouvrent des pistes infinies, d’autant plus qu’on ne sait pas vraiment ce qu’on pourrait y chercher !

L’automatisation de la collecte des corpus puis du traitement…
et de l’analyse ?

18La masse des données étant quasi infinie, une tendance à automatiser au maximum les procédures de collecte, d’archivage, de constitution des bases de données, s’est manifestée qui ne fait que renforcer la fascination pour les masses de données disponibles. Puis le traitement linguistique lui-même a dû être automatisé, même si certaines approches sont encore très rustiques et approximatives. Mais la tendance serait aussi à rechercher l’automatisation de l’analyse elle-même, soit pour laisser la main à la société prestataire de service soit pour fournir des outils de pilotage direct par les clients qui demandent de l’opinion mining. Nous verrons cependant qu’il ne saurait en aucun cas être question de se passer d’une activité d’interprétation propre à des experts, spécialisés par domaines qui plus est.

L’accessibilité via les API à des sources spécifiques

19La tendance aux développements de service reposant non plus sur les protocoles du Web mais sur des protocoles propriétaires est importante et la diffusion des « apps » pour les mobiles ne fait qu’encourager cette tendance. On aurait pu craindre dès lors une fermeture de l’accès à ces données pour des robots indépendants de l’entreprise qui gère le service. Or, avec le principe des API (Application Programming Interfaces) et leur mise à disposition fréquente par les services en question, une partie des données (voire toutes pour Twitter, si on dispose de la puissance de calcul nécessaire) peut être réexploitée par des développeurs qui créent les applications qui utilisent les API et peuvent moissonner les données de ces services. Cela étant, rien ne permet de garantir dans la durée une telle politique et, pour Facebook par exemple, la partie la plus importante des données personnelles ou d’activité est réservée à l’usage de Facebook voire de ses partenaires dûment référencés et payeurs pour un tel accès. La donnée personnelle en général est devenue un « asset » qui fait l’objet de beaucoup de convoitises.

Quelques limites des données recueillies sur le web 2.0
à ne pas oublier

20Malgré toutes les promesses faites par les services à vocation commerciale, il est nécessaire de pointer certaines limites de ces prestations qui sont liées à la nature informelle des données recueillies et à leurs enjeux commerciaux ou stratégiques. Nous en présentons seulement deux ici pour l’instant car ce sont des prérequis, les limites proprement linguistiques seront traitées dans les parties plus techniques.

Les opinions recueillies sont-elles sincères ?

21Nous avons évoqué rapidement l’intérêt stratégique de la veille informationnelle et l’enjeu représenté par le social media monitoring. Dès lors, il était fatal que les avis qui se propagent sur le net fassent l’objet de tentatives de manipulation en tous genres, comme l’est déjà le ranking de Google, avec l’apport des services de SEO, Search Engine Optimizers, pour faire monter un site dans les résultats sur une requête donnée (que Google s’échine à contrer et à désorienter lorsque leurs manœuvres sont grossières). Des sociétés sont désormais rémunérées pour rédiger des faux avis. Ce travail de production de faux avis fait l’objet parfois d’une chasse par les internautes eux-mêmes qui savent petit à petit débusquer les trolls dans un débat ou encore les commentaires délibérément orientés par la marque, le vendeur du produit, le parti ou l’émetteur du message d’origine. Des techniques d’ingénierie linguistique peuvent même prétendre désormais en débusquer la plupart dès lors que leurs formes d’expression sont un peu trop stéréotypées11. Les opinions émises sur le web ont donc à la fois le défaut d’être spontanées et de ne pas être spontanées, d’être instrumentalisées par les marques par exemple. Certains critiques déplorent le caractère trop spontané de ces réactions, beaucoup trop brutes et sans argumentation, mais il n’est pas rare que les mêmes critiques enchaînent aussitôt pour critiquer le caractère manipulatoire des opinions affichées, sous-entendant qu’elles n’ont rien d’authentiques. Argument quelque peu contradictoire car on peut alors y déceler une intention délibérée, une volonté d’influencer qui fera appel à tous les ressorts de l’argumentation que l’on requalifiera ou disqualifiera alors en propagande. Mais il est nécessaire d’être averti de ce caractère artificiel de certains effets d’opinion, puisque ces médias, comme les autres, sont l’objet de stratégies délibérées pour exercer une influence12.

Sait-on vraiment qui parle ?

22L’émergence des outils de publication de masse sur le web s’est accompagnée d’une disparition de l’auteur certifié et identifié comme tel et cela perturbe tous les repères. En effet, il reste impossible de savoir vraiment qui se cache derrière le pseudonyme d’un commentaire, l’auteur d’un blog ou même un compte Facebook. Facebook a réussi cependant à instituer une convention de présentation de soi qui tend à rester très rattachée à son identité légale, celle fournie par l’état-civil. Mais il n’existe aucune garantie sur ce plan et nombreux sont les profils « fake », créés délibérément pour une opération particulière ou pour éviter d’être reconnu, sans parler des pages et des groupes qui peuvent être l’objet d’échanges très actifs. Or, cette absence de garantie sur l’identité des auteurs des opinions recueillies semblerait parfois invalider toute possibilité d’exploitation de leur contenu. Il faut en fait reconnaître ces limites même si elles vont à l’encontre des habitudes et des façons de faire des sociétés de sondage ou des sociologues traditionnels. Dans cette tradition, les expressions recueillies sont aussitôt agrégées et corrélées à des propriétés sociales considérées a priori comme explicatives des comportements. On ne s’inquiète pas tant alors de l’authenticité des identités sur le web que de l’absence de propriétés sociales attachées, telles que l’âge, le genre, la CSP, le niveau de diplôme, la préférence partisane, etc. En effet, ce sont ces agrégations d’opinions particulières, fondées sur ces attributs, qui sont intéressantes pour les sondages de façon à expliquer des régularités de comportements. Sur ce plan, il est vrai qu’il faut abandonner tout espoir de récupérer ce type d’informations à propos de la masse d’opinions qui circulent sur le web, quand bien même on parviendrait à identifier certaines de ces expressions en suivant à la trace des pseudonymes pour les « démasquer » ou en les reliant à des profils Facebook supposés authentiques (c’est-à-dire correspondant à la fiction administrative qu’est l’identité) ou encore en normalisant les accès aux forums par des identifiants certifiés. C’est en fait un autre statut de l’expression qui circule qu’il faut prendre en compte, beaucoup plus situé « en surface » et sans espoir d’explications par des « causes sociales » fondées sur des agrégats d’attributs. Les « conversations », elles, peuvent être suivies à la trace, mais avec certaines limites : tout se passe comme si on les écoutait de l’autre côté de la porte, à travers un filtre et un masque, tout en étant capable de très bien entendre les propos tenus et de les exploiter numériquement mais sans jamais voir les interlocuteurs. Car le grand avantage de cette absence de référence à certaines propriétés sociales des individus qui s’expriment, tient à l’absence de réduction des propos a priori par l’observateur (les fameuses grilles d’entretien) et à la possibilité, une fois ces données agrégées et calculées de revenir si nécessaire et cela sans effort, au verbatim lui-même. Chose qui devenait impossible avec les questionnaires ou même avec les entretiens qualitatifs qui restaient dans les limbes de l’enquête, dans l’arrière-cuisine que personne ne devait aller observer s’il n’avait les titres requis (et même avec !). Sur le web 2.0, toutes ces expressions peuvent certes être calculées et agrégées à partir de leur expression brute et spontanée, mais en plus il est possible d’y retourner à tout moment, pour vérifier les expressions exactes. Cet effet de transparence de la méthode peut parfois constituer un artifice et prétendre à l’évidence. Mais il correspond aux exigences des clients, des lecteurs, qui sont désormais souvent aussi instruits que les experts qui livraient les interprétations fermées comme autant d’oracles à prendre au pied de la lettre. Rien ne pourra cependant garantir que les faux avis, désormais automatisables, ne deviennent aussi une ressource pour les stratèges de l’opinion sur internet13.

Les domaines d’application

23Comme le rappellent Pang et Lee dans « Opinion Mining and Sentiment Analysis »14, « ce que les autres pensent » est régulièrement convoqué dans tout processus décisionnel, que ce soit en vue de l’achat d’un bien, dans le contexte d’une élection, ou encore pour évaluer la réputation de son entreprise. Et ce phénomène n’est pas né avec le web.

Les avis ordinaires ont une influence

24Il est en effet aisé d’observer comment les réseaux relationnels jouent un rôle tout aussi important que les avis d’experts du domaine. Les autorités avaient certes plus de poids médiatique jusqu’ici et finissaient par être considérées comme les seules sources fiables. Mais avec le web 2.0 en particulier, le « bruit » des non-experts menace clairement leur monopole médiatique. Cependant, bien avant, l’orientation et les choix se faisaient aussi par des canaux d’influence qui jouaient plutôt sur la proximité sociale et culturelle. Ainsi, pour un avis médical, je peux tenter d’obtenir le diagnostic du meilleur médecin du domaine dans ma ville, dans mon pays voire au-delà, pour avoir des garanties. Mais dans le même temps, l’avis de ma belle-sœur qui a eu le même problème que moi ou celui de mon copain d’enfance qui a fait des études d’infirmier peuvent m’être tout aussi précieux, car ils vont avoir l’immense avantage de me parler dans ma langue, de prendre en compte ma situation et mon expérience car ils la partagent. Dans un ouvrage qui date de la préhistoire du numérique15, nous avions proposé cette distinction entre frapper à la porte exacte (le scientifique, l’expert, l’autorité du domaine) et frapper à la bonne porte (le bon tuyau, le coup de main, le bouche à oreille). L’un n’exclut pas l’autre. Michel de Certeau et Luce Giard en avaient déjà fait une description dans L’Ordinaire de la communication16. Mais avec le web, ces avis ordinaires sont disponibles en abondance, sur des sites médicaux comme Doctissimo, et grâce à cette prolifération des avis, l’un d’entre eux finit par parler dans notre langue de situations voisines et peut dès lors prendre une grande valeur. Ces avis peuvent donc constituer une ressource personnelle importante et c’est pour cette raison qu’ils attirent le public en masse (selon Médiamétrie/NetRatings, le site Doctissimo faisait partie en juin 2011 du top 30 des sites les plus visités en France, avec 7 944 000 visiteurs uniques par mois et 564 000 visiteurs uniques par jour17.) Leur agrégation dans des moyennes ou des classements peut atténuer leur portée de proximité culturelle mais pour une première approche, ces avis, même agrégés, peuvent donner une orientation sommaire. Et ce processus est opératoire non plus seulement pour les individus lambda mais aussi pour les marques, pour les politiques, qui veulent avoir accès à ces avis ordinaires, qui reconstituent l’équivalent d’un réseau d’influence personnel.

Les entreprises

25Car à côté de la consultation des avis en ligne pour un usage personnel dans la vie courante, la collecte et l’analyse des opinions des individus sont devenues des sources d’informations précieuses pour les entreprises. Alors que le recueil des opinions des consommateurs a eu pendant longtemps un caractère fastidieux, sans garantir que les avis recueillis soient spontanés (organisation de focus groups, recours à des consultants, enquêtes et questionnaires, etc.), l’accessibilité de ces informations, dès lors qu’elles se retrouvent postées en ligne par les consommateurs eux-mêmes, autorise des analyses à grande échelle (opinions en provenance du monde entier).

26Le marketing a rapidement compris l’intérêt du sentiment analysis. Des agences vendent aux entreprises la traque des moindres mots sur leur image, sur leurs produits.

27Dans le domaine du product review mining : notamment à partir des sites d’avis de consommateurs. Les consommateurs viennent y échanger des avis et trouver des conseils pour leurs décisions d’achat (produits technologiques, voitures, voyage et hôtels, etc.). Selon le 7^e baromètre sur les comportements d’achat des internautes de Médiamétrie et de la FEVAD18.

« Ce sont désormais près de 9 internautes sur 10 (86 %) qui déclarent avoir consulté un site internet avant d’acheter un produit, qu’ils aient finalement effectué cet achat sur internet ou bien en magasin. […] Les deux tiers d’entre eux consultent les portails et moteurs de recherche ou les sites marchands pour consulter les fiches produits. 6 sur 10 arpentent les sites marchands pour lire les avis des internautes. Et enfin près de la moitié d’entre eux (49 %) recherche de l’information sur les comparateurs de prix ».

28Le sentiment analysis permet non seulement de catégoriser les avis au sujet d’un produit (cf. le système de review classification, comme dans le cas des critiques de cinéma), d’en proposer des résumés, mais aussi de détailler à un niveau fin ces avis (quelle dimension du produit est appréciée, quelle autre dimension ne l’est pas – on parle alors de « features »). Il peut également aider à lutter contre le spam en contribuant à détecter les faux avis postés par des agences (cf. note 11). Le site d’enchères en ligne eBay utilise également des outils de sentiment analysis pour repérer les meilleures critiques et les rendre accessibles plus facilement parmi toutes les revues de produits (et les spams commerciaux) que présente le site. L’équipe des eBay Research Labs a en effet défini des indicateurs de qualité d’un avis sur un produit parmi lesquels la réputation de l’auteur de l’avis au sein de la communauté des utilisateurs d’eBay, son « seller degree » qui reflète le cas échéant quel type de vendeur ou d’acheteur il est, et enfin un « expertise degree » qui reflète la connaissance que l’auteur peut avoir sur un type de produits19.

29Dans le domaine du e-commerce et du CRM (ou GRC en français) : acquérir des connaissances sur ses consommateurs ou anticiper leurs attentes est possible à partir de la collecte des avis de consommateurs sur un produit, un service, une marque. Le contrôle qualité des produits peut s’en servir comme d’une veille. Il est aussi possible d’améliorer la relation client/fournisseur en récupérant les critiques ou avis favorables. Les évolutions à venir des marchés de consommation courante peuvent être anticipées par des signes précurseurs dans les tonalités des conversations dès lors qu’on dispose d’un étalon en temps normal ou favorable pour percevoir ces changements rapides20. Une autre application du sentiment analysis proposée par eBay permet de rechercher la présence de mots-clés sur Twitter pour détecter les pannes du service signalées par les utilisateurs, avant même que l’alerte ne soit donnée par le système d’enchères lui-même.

30Mais le sentiment analysis a également trouvé d’autres applications.

31Dans le domaine financier (prédiction de tendances de marché par exemple). Ainsi dans leur article « Predicting Movie Sales from Blogger Sentiment »21, Gilad Mishne et Natalie Glance utilisent des techniques de sentiment analysis pour améliorer la prédiction du succès commercial d’un film à partir des blogs. Ils montrent que le constat selon lequel le volume de citations d’un produit dans les blogs est corrélé avec la réussite financière du produit, peut être amélioré, au moins dans le domaine du cinéma, en analysant le sentiment positif exprimé dans les blogs au sujet d’un film, avant sa sortie en salle, et en le comparant avec son score au box office. L’utilisation des techniques de sentiment analysis contribuerait ainsi à construire de meilleures prédictions que la mesure du simple buzz, surtout si elle était associée à d’autres types de données comme le genre du film et le moment de sa sortie. Une autre utilisation du sentiment analysis dans le domaine financier est la classification des dépêches financières afin d’observer l’impact éventuel de ces dernières sur le prix des actions cotées en Bourse. C’est ce type d’application que présentent Michel Généreux, Thierry Poibeau et Moshe Kopple dans leur article « Sentiment analysis using automatically labelled financial news items »22 en faisant l’hypothèse que « la réaction du marché suite à la publication d’une dépêche reliée à une action particulière est un bon indicateur de la polarité de la nouvelle et qu’un algorithme d’apprentissage à partir de ces dépêches permet de construire un système qui donne à l’investisseur une source d’information supplémentaire qui peut être exploitée de façon avantageuse dans une stratégie d’investissement »23.

32Dans le domaine de la veille. Les techniques de sentiment analysis, parce qu’elles permettent de classer de grandes quantités de textes, rapports, conversations informelles sur des produits ou des dirigeants d’entreprises, etc., peuvent être utilisées dans le domaine de la veille, qu’elle soit économique, technologique, stratégique ou institutionnelle. Ainsi espère-t-on par exemple mettre en place des systèmes d’évaluation de la réputation des entreprises en rassemblant dans des bases de données des faits et opinions trouvés sur le web et permettant de tracer le profil de telle ou telle entreprise24.

33Dans le domaine politique. La publication croissante sur internet de textes à teneur politique (lois, rapports, billets de blogs politiques, etc.) et le constat que la politique ne se fait plus seulement dans les hémicycles mais aussi dans les débats en ligne, a conduit certains chercheurs à utiliser les techniques de sentiment analysis pour déterminer l’accord ou le désaccord des commentateurs avec telle ou telle proposition de loi. Dans leur article « Get out the vote : Determining support or opposition from Congressional floor-debate transcripts25 », Matt Thomas, Bo Pang et Lillian Lee espèrent faciliter la reconnaissance du positionnement d’un orateur dans un débat politique grâce au sentiment analysis. D’autres recherches tentent par exemple d’analyser en masse les commentaires et opinions des citoyens américains lors de l’élaboration des réglementations proposées par les agences indépendantes du gouvernement26.

34Dans le domaine de la publicité en ligne. Si la publicité en ligne, ciblée et contextuelle, s’est considérablement développée ces dernières années, elle pourrait bénéficier des recherches en sentiment analysis. Car si une annonce publicitaire est d’autant plus efficace qu’elle apparaît au bon endroit au bon moment, elle pourrait l’être encore plus si elle s’adaptait au ressenti des consommateurs vis-à-vis d’un produit ou d’un service. C’est ce que propose par exemple la stratégie DASA (Dissatisfaction-oriented Advertising based on Sentiment Analysis)27, qui a pour but de détecter et de prendre en compte les points d’insatisfaction des consommateurs afin d’adapter encore mieux les annonces publicitaires à leurs cibles.

35L’infographie ci-dessous, du cabinet indien Beacon28, présente quelques domaines d’application du sentiment analysis.

Domaines d’application du sentiment analysis selon le cabinet Beacon

Les questions à se poser

Connaître le type d’informations ou de phénomènes que l’on recherche

36L’un des prérequis essentiels avant tout lancement d’une étude de sentiment analysis est de savoir le type d’information ou de phénomènes que l’on recherche. Il est vain d’espérer que les résultats de la machine s’imposent d’eux-mêmes, sans avoir besoin d’être interprétés. À quel objectif répond la recherche d’opinions ? Selon les visées, les méthodes seront différentes :

• Suivre l’évolution des opinions sur un domaine, sur une question, sur un produit/service, sur une marque, sur une personnalité. Parmi tous ces objets qui peuvent être suivis, l’échelle ou la complexité du domaine peut varier mais l’élément clé restera la notion d’évolution. Il sera donc nécessaire de mettre en place des outils de veille sur des bouquets de source définis a priori et suivis à intervalles réguliers, pour récupérer leurs données. Dans ce cas, malgré les biais inévitables dans la constitution des sources ou des mots clés, l’évolution émergera à partir de la ligne de temps.

• Veiller à des alertes ponctuelles pour détecter des événements. La méthode peut être proche de la précédente mais il s’agit plutôt de construire les indices d’alerte qui vont permettre une réaction. Ce sont les éléments déclencheurs qui sont recherchés, soit pour être analysés soit pour être neutralisés. Mais dans ce cas, l’aspect agrégat et mesure globale n’est pas tant important que l’identification d’une source et d’un canal de propagation.

• Explorer les réseaux de composition de l’opinion (à l’aide ou en vue de management de communautés) : dans ce cas, les verbatims sont moins importants que les canaux par lesquels ils circulent. Les approches de topologie du web permettent de cartographier les liens entre les sites ou blogs et les thématiques qui circulent entre ces sites ou blogs sont alors analysables en fonction de ces relations et non plus pour elles-mêmes.

37Ces trois points de vue permettent de distinguer sommairement les trois grandes visées de toute veille en opinion mining et sentiment analysis. Elle peut être centrée sur :

• un agrégat d’opinions et son évolution sur un grand nombre de sources ;

• un énoncé qui fait événement et dont on peut suivre la trace29;

• un milieu que l’on étudie en tant que tel et qui échange sur des thèmes qui lui sont en partie propres.

38Pour chacune de ces approches, les outils à mettre en place seront différents.

Définir la visée de sa recherche

39Un autre prérequis pour se lancer dans une analyse de la tonalité sur le web est de savoir pourquoi on cherche. On distingue au moins deux postures : observer pour comprendre ou observer pour agir. De plus en plus de prestataires en social media monitoring proposent des solutions « complètes » qui vont jusqu’à permettre aux clients de répondre en quasi-temps réel à un tweet qui ne leur conviendrait pas. Beaucoup de fonctionnalités mises en avant dans ces offres supposent que le client a pour but d’« engager la conversation » avec ses consommateurs ou de réagir aux attaques à sa réputation.

40Mais l’observation à visée de compréhension peut être un premier objectif et un objectif suffisant. On se retiendra alors de préqualifier les expressions recueillies (et le sentiment analysis pousse à les qualifier immédiatement) pour comprendre par exemple les règles d’expression propres à un domaine, propres aussi à un site ou à un média social. Une fois cette compréhension profonde acquise à partir d’études sur des échantillons restreints, il devient possible de mettre en place des indicateurs plus précis et automatisables en partie, mais pas avant. Introduire une visée opérationnelle dès le début du travail d’opinion mining modifie nécessairement les méthodes utilisées, les saillances retenues, les modes d’alerte, et donc le poids relatif des expressions relevées. Cela ne l’invalide pas mais cela oblige à distinguer une telle posture de connaissance stratégique par rapport à une observation à visée compréhensive. C’est pourquoi les outils à destination des chercheurs seront souvent différents de ceux proposés par les sociétés qui proposent des services opérationnels.

Décider de la composition des ressources mobilisables :
humains (lesquels ?) et machines (pour faire quelle tâche ?)

41Nous l’avons dit, on ne peut s’en remettre entièrement à la machine, ce qui se traduit par l’exigence d’avoir des analystes experts du domaine et ne pas s’en remettre au logiciel censé s’occuper de tout. Il est donc nécessaire de réaliser une étude de faisabilité et d’évaluer les moyens financiers nécessaires en tenant compte de cette contrainte. Si le client a besoin d’examiner un très grand nombre de données et qu’il estime devoir impérativement passer par un prestataire, il doit prévoir des analystes qui sauront interpréter les résultats. L’évaluation des prestations proposées devrait passer plus souvent par l’examen des qualifications des personnels qui réalisent le travail. Il est trompeur de prétendre qu’aucune interprétation n’est nécessaire ou qu’on peut la laisser au client final. Car toute la chaîne de production de données, même la plus automatisée, même celle qui produit les résultats les plus bruts ou les plus synthétisés, repose sur une succession d’interprétations, qui ne sont jamais des choix « purement techniques » ou d’optimisation (pour des raisons de coûts ou de délais) : chacune présuppose une certaine analyse implicite du domaine, de la question posée, du statut du matériau recueilli, etc.

Qui pratique l’analyse de sentiment ?

42Parce qu’il existe beaucoup de domaines d’application du sentiment analysis, on trouve également beaucoup d’acteurs, et très variés, s’inscrivant dans ce secteur. Nous ne pouvons ici rendre compte de l’ensemble des acteurs du sentiment analysis. De nouveaux entrants apparaissent régulièrement dans ce domaine, leurs positionnements ne sont pas toujours identiques, et leur nombre évolue tous les jours. Certains acteurs disparaissent, d’autres ressurgissent sous de nouveaux noms, notamment après un rachat, comme ce fut le cas pour l’ex-Scoutlabs, racheté en 2010 par la société Lithium Technologies.

43Voyons plutôt quels types d’acteurs pratiquent l’analyse de sentiment.

Les services internes des entreprises et des organismes

44La collecte et l’analyse des avis des consommateurs ne sont pas nouvelles et des services internes dans les entreprises et organismes publics s’occupaient déjà de sonder les opinions des consommateurs et citoyens, à l’aide des outils de CRM. Cependant, l’analyse du sentiment se fait encore de manière relativement artisanale chez ces acteurs : « à la main », avec outils de bureautique classique. Un suivi de blogs connus par l’entreprise ou l’organisme peut également être mis en place. Les outils d’assistance à l’analyse (CAQDAS) sont rarement utilisés et encore plus rarement les solutions d’analyse automatique (outils de text mining spécialement configurés, solutions sur étagère). Ces services et ces entreprises ont souvent recours à un prestataire pour toute analyse plus ambitieuse.

Les prestataires de services

45Les prestataires de services sont les cabinets de veille, les web agencies, les agences d’e-réputation et de social media monitoring. Ces acteurs se sont multipliés au point de provoquer une véritable explosion de l’offre durant les années 2009-2010. Au 25 mai 2011, Camille Alloing recensait, sur le site caddE-réputation, 163 agences30 dans le domaine de l’e-réputation au sens large. De son côté, l’agence Blueboat proposait à la même époque une carte des agences d’e-réputation en France31 – justement réalisée à partir de la liste de Camille Alloing et revisitée en fonction de ses critères propres.

Carte des agences d’e-réputation en France, par l’agence Blueboat

46123 agences prestataires en e-réputation étaient ainsi représentées et réparties en 9 catégories :

• protection de la réputation/juridique ;

• web agency ;

• conseil, communication, influence, stratégie ;

• relations publiques/presse ;

• prestataires outils, solutions logicielles ;

• pure players ;

• SEO/SEM ;

• veille, audit, analyse ;

• marketing digital/communautaire, webmarketing.

47Outre leur nombre, c’est la diversité de ces acteurs qui frappe. Les différentes modalités de l’étude de la conversation en ligne (que nous allons détailler plus bas) sont prises en charge par des consultants indépendants, souvent spécialistes en intelligence économique, veille sectorielle ou en stratégie de communication, mais aussi par des agences web dont les métiers de départ peuvent être la création de site web, le référencement naturel ou le marketing digital.

48D’autres agences se sont créées autour de la seule notion de réputation en ligne, l’e-réputation. Elles sont, en quelque sorte, les pure players du secteur.

49Enfin, on trouve également parmi ces acteurs les grandes agences historiques de publicité et de communication comme Publicis ou Havas, qui ont développé des branches de leurs activités spécialement dédiées à la dimension numérique.

50La diversité des secteurs d’origine de ces prestataires nous permet déjà d’imaginer que les offres de ces agences seront très différentes les unes des autres et qu’elles ne vont pas se réduire à du sentiment analysis. Cependant, ce dernier apparaît comme une brique nécessaire à une analyse fine des conversations sur le web pour tout suivi de réputation ou toute entreprise de social media monitoring.

Les éditeurs d’outils logiciels ou de solutions en ligne
pour l’analyse automatique

51Les éditeurs d’outils logiciels ou de solutions en ligne pour l’analyse automatique conçoivent et commercialisent des solutions capables de traiter de très gros volumes de données (catégorisation automatique, volumétrie, analyse de la tonalité, etc.). Leurs produits sont très souvent « prêts à l’emploi » et sont censés pouvoir s’adapter indistinctement à tous les types de contenus et de secteurs. Dans les faits, ils présentent des faiblesses du point de vue de leur adaptation à la spécificité des secteurs d’activité (d’où émane la demande). De manière générale, les éditeurs survalorisent les performances de leurs produits. Et les clients se sont souvent rendu compte au moment du bilan que les promesses vendues ne s’étaient pas réalisées. Enfin, les logiciels et solutions en ligne pour l’analyse automatique ne sont pas infaillibles. Dans certains cas, le défaut de robustesse est partiellement compensé par le recours à des stratégies de « retour de pertinence » (relevance feedback), qui bénéficient, à l’aide de systèmes apprenants, des corrections apportées par les experts du domaine. Seuls quelques prestataires sont en mesure de fournir les efforts financiers pour satisfaire aux coûts des investissements et aux exigences élevées en matière de stockage des données, de maintenance, de constitution des dictionnaires, de traitement des données et de constitution d’équipes d’experts qui viennent compléter le travail effectué par les machines.

Certains laboratoires de recherche

52Ces laboratoires de recherche (universitaires ou autres) peuvent être rattachés à plusieurs disciplines mais le plus souvent en TAL (Traitement Automatique du Langage), c’est-à-dire au croisement de l’ingénierie informatique et des sciences du langage.

53Ces laboratoires cherchent à améliorer leurs méthodes et algorithmes qu’ils testent, notamment dans le cadre de « défis ». Ces défis sont en fait de grandes campagnes d’évaluation qui permettent aux laboratoires de confronter leurs résultats. À cette occasion, ces laboratoires se retrouvent souvent en concurrence ou en partenariat avec les éditeurs de solutions et/ou prestataires mentionnés plus haut. C’est ainsi que la société Celi-France, spécialisée en extraction d’information et traitement automatique du langage a participé en 2007 à la campagne d’évaluation DEFT en présentant un travail sur la classification d’opinions par méthodes symbolique, statistique et hybride32.

Encadré 1 : campagnes d’évaluation

54De manière générale, les laboratoires de recherche travaillent sur des corpus fermés et dédiés à un sujet (et non sur des flux comme c’est le cas pour l’analyse des opinions sur le web). Les papiers produits présentent en général des propositions d’amélioration de features pour l’apprentissage machine.

Le marché actuel

Une offre foisonnante

55Depuis quelques années, on assiste à une augmentation du nombre d’acteurs sur ce marché. Comme nous l’avons indiqué précédemment, les cabinets et agences de veille, de management de la réputation en ligne et de social media monitoring, mais aussi les éditeurs de logiciels ou les outils en ligne se sont multipliés au point de provoquer une sur-offre sur un secteur dont les frontières se brouillent toujours un peu plus. Le domaine de l’analyse d’opinion, plus couramment appelée dans ces offres « l’écoute de la conversation des internautes », se caractérise donc par des frontières floues, allant du présumé service complet de  social media monitoring à « l’analyse de sentiment » sur un seul réseau social, en passant par le « management de l’e-réputation » d’une marque ou d’une personne (personal branding). Inévitablement, une certaine confusion règne dans un domaine au vocabulaire non stabilisé. Veille, analyse d’opinion, e-réputation, dans tous les cas il s’agit de détecter et d’analyser les opinions présentes sur les réseaux sociaux et le web, en utilisant des techniques d’extraction d’information et en essayant de fournir aux clients des indicateurs de leur présence, de leur image, de celle de leurs concurrents, pour éventuellement proposer des stratégies de contre-attaque.

56Quelles prestations les acteurs du secteur proposent-ils en effet ? Passons en revue les termes employés pour décrire leurs offres sur leurs sites web : e-réputation, veille marketing, veille digitale, référencement, community management, communication interactive, veille en intelligence économique, buzz tracking, brand monitoring, marketing communautaire, web marketing, marketing digital, sentiment analysis, social analytics, relation blogueurs, e-influence, sentiment monitoring, veille image, engagement dans la conversation web, réputation digitale, online sentiment, mesure de la visibilité, RP 2.0, suivi de notoriété, buzz monitoring, identité numérique, etc. La liste est longue et il n’est pas toujours facile de voir où commence et où finit l’offre : simple mesure de la visibilité, décompte des citations d’un nom de marque sur les blogs, analyse des opinions exprimées au sein d’un bouquet de sites sur une thématique donnée, possibilité de réagir en quasi-temps réel à un commentaire de consommateur ?

57Sous l’effet de la concurrence, les offres semblent tendre peu à peu à se ressembler et à se rapprocher vers une sorte de modèle « 360 » allant parfois de la création d’un site pour une marque, à la campagne de communication, en passant par son référencement et en terminant par l’évaluation de son image. Les acteurs proposant des plateformes ou suites logicielles semblent intégrer au fur et à mesure toujours plus de fonctionnalités autour de leur noyau de savoir-faire premier, parfois en s’alliant avec d’autres. En témoignent par exemple l’alliance entre Lexis Nexis (fourniture d’informations à usage professionnel et solutions de veille et d’analyse des médias) et Augure (entreprise de réputation en management), le rachat de Scoutlabs, éditeur de logiciel en social media monitoring, par Lithium Technologies, spécialiste en applications en gestion de la relation client40, ou encore celui de Backtype (suivi et analyse des conversations sociales) par le service de micro-blogging Twitter41. Et ces rapprochements ne sont pas des cas isolés sur le marché de l’e-réputation !

58Enfin, la tarification des offres disponibles sur le marché va de la gratuité au service payant. À côté des solutions gratuites qui permettent de suivre un aspect particulier de la conversation web comme par exemple :

• Samepoint (reputation management search engine) ;

• SocialMention (real-time social media search & analysis) ;

• BoardTracker (forum discussion search) ;

• Twilert (Twitter alerts) ;

• Comment (suivi de commentaires), etc.

59Les solutions payantes proposent très souvent des offres intégrées et packagées (comprenant ou non du sentiment analysis). Elles sont en général proposées par abonnement. Dans ce cas, le prix peut varier en fonction du nombre d’utilisateurs futurs de la solution, du nombre de requêtes autorisées, du type de fonctionnalités auxquelles on souscrit, etc. Pour aider les clients potentiels à s’y retrouver, et à ne pas choisir une formule sous- ou surdimensionnée, les prestataires précisent souvent à titre indicatif à qui s’adresse telle ou telle formule.

Tarification Radian 6 (pour l’Amérique du Nord) – janvier 2012

Tarification Ubervu – août 2011

Tarification Ubervu – janvier 2012

60Le marché regroupant les offres en e-réputation, en social media monitoring, en veille, et en sentiment analysis est donc composé d’acteurs très différents, qui définissent leur métier de manières très diverses, en proposant des gammes de prix très étendues et en s’adressant à des cibles très diverses elles aussi. Dans le cas des marques et grosses entreprises qui se soucient de leur image en ligne, les offres peuvent même être taillées sur mesure pour les différentes directions de ces sociétés. Certains prestataires et agences construisent leur discours commercial en expliquant que telle ou telle de leurs solutions sera particulièrement utile à la direction marketing et stratégique, ou bien à la direction de la communication, ou encore à la direction des études marketing, sans oublier la direction des achats, le service client ou la direction générale elle-même42.

61D’autres offres visent les TPE et les PME exclusivement.

62D’autres offres encore sont adressées à des secteurs particuliers comme les professionnels du tourisme ou les secteurs sensibles que sont par exemple le secteur pharmaceutique ou celui de l’énergie.

Les fonctionnalités proposées

63Pour comprendre les offres disponibles, il faut donc les décrypter, entrer dans le détail des fonctionnalités proposées, voire les tester quand cela est possible, des versions de démonstration étant souvent disponibles en ligne. Dans certains cas comme les services gratuits en ligne, le test peut être immédiat (voir plus bas les outils dédiés au sentiment analysis sur Twitter).

64Pour les autres, il faut donc s’attarder sur les présentations vidéo, documents et indications disponibles sur les sites web et, le cas échéant, demander un test gratuit. De manière générale, les offres packagées payantes et s’adressant aux marques et grandes entreprises – qu’il s’agisse de logiciels ou de plateformes clé en main – comprennent :

• le sourcing (sur le web, le « web profond », les sites d’actualités, ou sur des bases de données fermées comme les bases de brevets) ;

• la collecte (automatisée) des entités mises sous surveillance ;

• l’archivage des données ;

• leur traitement ;

• l’analyse des données ;

• la livraison des résultats sous des formats différents (tableau de bord partageable, newsletters, reporting, etc.).

65De gros moyens financiers sont nécessaires pour les investissements de développement, de stockage et de maintenance. Certains prestataires proposent même des offres particulières à des secteurs à partir de bases de données spécialisées par domaine, d’outils dédiés (dictionnaires métiers, etc.). Seuls certains d’entre eux sont capables de fournir un tel service en raison du temps de travail très important nécessaire pour constituer ces bases ou ces dictionnaires spécialisés.

66Entrons plus avant dans le détail des fonctionnalités de ces offres packagées.

67On peut débuter un sourcing de plusieurs manières (voir le chapitre 3, « Le sourcing »). Celui-ci peut faire suite à une analyse de la demande faite directement via un échange avec le client. Il peut également être réalisé via un formulaire à remplir pour définir le besoin. Un corpus-test peut être mis en place pour tester sa pertinence. La rédaction d’une liste de mots clés à mettre a priori sous surveillance, et qui sera complétée au fur et à mesure, est également un moyen assez répandu de débuter un sourcing. Quoi qu’il en soit, une fois la demande circonscrite, il faut identifier les sources. Là encore, plusieurs méthodes peuvent être proposées. Les sources peuvent être identifiées via des moteurs, méta-moteurs, annuaires et portails. Très souvent, les principaux réseaux sociaux et sites du web social (bookmarking, micro-blogging, etc.) font d’emblée partie des sources mises sous surveillance, parfois au détriment de sources du web « 1.0 » pourtant tout aussi pertinentes. La programmation d’alertes en cas d’apparition de nouvelles sources sur un thème donné est une fonctionnalité parfois proposée. Et il est en général toujours possible de déclarer des mots clés supplémentaires à surveiller. Un travail d’élimination du bruit (désambiguïsation) et d’élimination du silence (synonymes, fautes d’orthographe courantes) peut venir compléter de manière plus ou moins efficace le sourcing, en fonction des moyens alloués à cette tâche par le prestataire. Enfin, une fois le périmètre du sourcing défini, tout un travail de qualification (avec parfois attribution d’un indice de fiabilité ou de pertinence des sources), de catégorisation, voire de cartographie des sources, est mis en œuvre.

68La collecte (voir le chapitre 4, « Constituer et traiter les corpus de travail avant l’analyse de tonalité »), en raison de la masse de données à crawler (moissonner), est une opération automatisée qu’il faut néanmoins paramétrer. Quels types de paramètres peuvent donc être pris en compte ?

• Le choix du ou des bouquets de sources à crawler dans le cas où de tels bouquets ont été définis. Le client peut par exemple demander une mise sous surveillance de sites qu’il a l’habitude de consulter.

• Le choix du type de sources à crawler : réseaux sociaux, blogs, sites de presse, etc.

• La granularité et la régularité du crawl (qui peut aller jusqu’à une collecte en quasi-temps réel).

• Des requêtes peuvent également être construites à partir de mots-clés ou de groupes de mots-clés à surveiller.

69L’archivage et le traitement des données récupérées via le crawl (voir les chapitres 4, et 5, « Détecter les tonalités ») sont souvent des opérations sur lesquelles le client n’a pas la main. Pour le prestataire, il s’agit essentiellement de construire des bases de données d’archivage où classer des documents nettoyés (suppression des bandeaux publicitaires, reformatage, etc.) et étiquetés, afin de pouvoir les retrouver facilement dans la base en fonction de catégories. La catégorisation peut se faire automatiquement, ou au moins semi-automatiquement – une rectification manuelle pouvant être nécessaire car les techniques de classement automatisées ne sont pas infaillibles.

70Concernant l’analyse des données, de nombreuses features sont proposées aux clients. En voici quelques exemples :

• volumétrie : nombre d’occurrences d’un mot-clé, nombre de citations sur les réseaux sociaux et les blogs, nombre d’« amis » sur les réseaux sociaux, nombre de « Like » Facebook, etc. ;

• mots fréquents (i.e. les plus souvent associés à un mot-clé ou à une thématique) ;

• analyse de la tonalité (sentiment analysis) ;

• suivi dans le temps de la volumétrie, des mots fréquents, de l’analyse de la tonalité ;

• distribution des résultats en fonction des différents types de sources, pour chacune des sources, en fonction de leurs catégories thématiques, en fonction de la langue ;

• évolution comparée des résultats suivant le type de sources, suivant la requête, suivant la catégorie thématique des sources,

• entités nommées et expressions significatives associées ;

• co-occurrences de termes (clusterisation) ;

• mise en évidence de corrélations.

71La livraison des résultats peut s’effectuer de différentes manières. L’analyse des données en provenance des médias sociaux est souvent rendue accessible via des tableaux de bord en ligne. Le client peut même souvent accéder directement aux verbatims par un simple clic, répondre en quasi-temps réel à des commentaires de clients, etc. Cette dernière feature est devenue très en vogue avec l’impératif de l’« engagement dans la conversation » avec les internautes prôné par plusieurs prestataires et gourous du e-marketing. Plus traditionnels, des rapports de veille personnalisés et rédigés par des experts, souvent spécialisés par secteur, ainsi que des newsletters et alertes, font partie des options de diffusion des résultats.

72Pour chacune de ces fonctionnalités, l’utilisateur peut avoir plus ou moins la main sur le logiciel/la plate-forme et son paramétrage. Il peut, selon les cas, affiner ses requêtes, ajouter une source à mettre sous surveillance, etc. Concernant la feature particulière que représente le sentiment analysis, la plupart des prestataires se targuent de fournir des services de recueil et d’analyse automatiques des opinions sur le web. Mais la grande majorité des solutions proposées se limitent en fait, en termes de sentiment analysis, à un classement qui répartit les opinions en trois grandes catégories : positif, négatif et neutre. Cette dernière catégorie tend à regrouper tous les verbatims dont la polarité est soit effectivement neutre, soit, et surtout, trop difficile à classer (alors que ce sont deux choses très différentes43 !). Ces difficultés tiennent largement au fait que la polarité est encore trop souvent jugée à l’aune de listes de termes identifiés a priori comme laudatifs ou péjoratifs, liste composée à partir de dictionnaires internationaux (General Inquirer, SentiWordNet). Nous y reviendrons plus tard, mais rappelons pour l’instant que la polarité d’une opinion est une affaire plus complexe que la simple identification de la polarité d’un terme présent dans une expression. Le contexte d’énonciation, l’origine du locuteur ou encore l’inscription dans un dispositif communicationnel particulier sont autant de critères d’évaluation de l’opinion qui doivent être pris en compte. Si la plupart des prestataires disent fournir des solutions automatisées, il reste que la grande majorité des prestations pointues d’analyse du sentiment restent supervisées par des cellules d’experts (justement en raison des difficultés citées plus haut qui réclament une expertise humaine). Le « tout automatique » constitue plus un argument marketing qu’une réalité et l’on peut parler à plus juste titre « d’analyse du sentiment assistée par ordinateur », comme on le fait pour la traduction lorsqu’on admet les limites de la supposée traduction automatique.