Opinion mining et Sentiment analysis : résumé

1L’« opinion mining » (fouille d’opinion en français) est en passe de devenir une véritable industrie, tout aussi stratégique que celle des sondages, jusqu’ici seuls à fournir ce suivi des mouvements d’opinion. Mieux même, la puissance de calcul de l’informatique permettrait de suivre toutes ces évolutions en temps réel quelque soit leur volume sur le web. Et mieux encore, les capacités de traitement linguistique permettraient de détecter les tonalités de tous les verbatims recueillis, grâce aux méthodes de « sentiment analysis ».

2L’ouvrage Opinion mining et Sentiment analysis fait le point sur l’état de l’art commercial, foisonnant, et sur la recherche académique qui avance nettement plus lentement, dans les domaines du Traitement Automatique du Langage (TAL). Ce nouvel eldorado des expressions spontanées permises par les technologies du web 2.0 fait miroiter des attentes souvent abusives. Il est donc nécessaire de revenir sur les limites des données recueillies sur le web et sur les réseaux sociaux. Pour les spécialistes des sondages, l’absence d’identification des émetteurs des opinions est rédhibitoire puisqu’elle ne permet pas d’étendre les propos recueillis à une population de référence, classifiée selon ses attributs socio-démographiques. Toute idée de représentativité doit donc être abandonnée. Cependant, ces méthodes numériques compensent cette approximation par le volume de données recueillies et par la capacité à traiter automatiquement une grande partie de ces corpus en multipliant les itérations : dégager des tendances peut au moins être possible dans ce cas. Mais sous certaines conditions, que toutes les offres commerciales ne respectent pas, loin s’en faut. Les méthodes de sourcing sont particulièrement étudiées dans cet ouvrage car ce sont elles qui permettent de ne pas niveler le web et tous les verbatims recueillis en tenant compte de certains critères dépendant de la visée de l’étude d’opinion d’une part et du poids des sites ou des comptes en termes d’influence d’autre part. Une théorie de l’influence et des indicateurs sont ainsi proposés pour limiter les approximations sur ce plan, sans prétendre définir une pondération de l’influence des sites qui serait valable indépendamment des domaines.

3L’opinion mining peut être utilisé à des fins très différentes et sur des corpus très variés. L’ouvrage se concentre sur les usages des données du web (et non de corpus interne à des entreprises par exemple) qui font l’objet des recherches et des offres commerciales principales, qui vont au-delà de la linguistique de corpus classiquement définie. L’opinion mining est devenu essentiel pour suivre la réputation d’une marque, pour monitorer les impacts d’un placement de produit, pour récupérer des avis de consommateurs, pour manager une communauté, pour savoir comment entretenir la conversation avec les clients, comme on le dit désormais. Mais il peut être utilisé dans des contextes de veille stratégique, d’intelligence économique. De même qu’il peut être mobilisé par des chercheurs en sciences politiques ou en sociologie pour suivre l’évolution des opinions politiques ou sur des sujets de société particuliers. Dans tous les cas, les cibles visées doivent être clairement identifiées et les méthodes adaptées à ces objectifs. Le retour de pertinence même, c’est-à-dire la qualification par les demandeurs et experts des réponses obtenues, fait partie des conditions de réussite d’une telle opération, pas toujours respectée par des offres qui prétendent offrir des réponses automatiques à des questions vagues et mal formulées sur tous les domaines. En raison de ce type de promesses liées à l’automation du travail d’opinion mining, beaucoup d’utilisateurs ont déjà commencé à déchanter : les raisons de ces attentes déçues sont examinées et la place respective de l’intervention humaine et de l’automatisation des process est discutée de façon détaillée.

4L’ouvrage décrit et discute aussi les méthodes de sentiment analysis qui sont à elles seules considérées comme l’innovation récente majeure dans l’opinion mining. Les méthodes classiques à base de dictionnaires et n-grams sont décrites, ainsi que leurs limites. Parvenir à déceler une tonalité en déterminant a priori des textes subjectifs sur des objets bien identifiés en utilisant un répertoire de termes positifs et négatifs a priori n’est certes pas très compliqué mais s’avère d’une validité très restreinte. Il est cependant souligné à travers le compte rendu des recherches en TAL actuellement conduites que bien souvent les cibles choisies pour mettre à l’épreuve ces méthodes favorisent a priori des méthodes statistiques simples, comme c’est le cas lorsque les tests portent sur des corpus de critiques de cinémas, corpus favori des spécialistes du domaine. Toutefois, de nouvelles méthodes académiques qui font aussi l’objet d’offres logicielles et commerciales sont développées mobilisant des analyseurs syntaxiques puis des moteurs sémantiques : c’est à cette condition que les résultats de sentiment analysis commencent à porter leurs fruits. L’ouvrage fait le point sur les discussions académiques en cours et sur les conditions de réussite de ces méthodes en pointant leur forte dépendance à la spécificité des domaines de connaissance, ce qui nécessite pour chaque fournisseur de service de devenir un expert du domaine, ou de posséder des bases documentaires structurées sur chacun des domaines qu’il traite. Il est précisé que les offres commerciales ne respectent pas toujours ce cahier des charges.

5L’ouvrage écrit par des chercheurs du médialab de Sciences Po, laboratoire spécialisé dans ce traitement des masses de données disponibles sur le web pour les sciences sociales, permet aussi de resituer l’intérêt de ces nouveaux outils pour la recherche, dans le cadre de ce qu’on désigne désormais les « humanités numériques ». Deux parties sont consacrées aux usages de l’opinion mining en sciences politiques et en sociologie, en veillant à mettre ces nouvelles méthodes et ces nouvelles sources de données en perspective par rapport aux traditions de ces deux disciplines. Il est alors possible de mesurer ce que l’on gagne et ce que l’on perd. La masse d’informations fournies ne suffit pas à compenser son approximation lorsqu’on compare ces méthodes aux sondages par exemple. Cependant, avec un effort de sélection rigoureuse des corpus et des outils, il sera possible de constituer un dispositif d’enquête répété, économique et très utile pour attirer l’attention des chercheurs sur des processus dynamiques en cours.

6Soucieux de permettre à chaque lecteur de prendre en main ces outils, certes puissants, mais aux limites de validité bien réelles, l’ouvrage décrit pas à pas toutes les phases d’un projet mobilisant les méthodes d’opinion mining, en précisant les pièges et les impératifs d’intervention de l’expertise humaine, toujours nécessaire. Les phases du sourcing, de la constitution des corpus, de leur fouille et de l’analyse de tonalité sont bien distinguées et les contraintes et exigences précisées à partir de la littérature existante mais aussi d’un examen critique des offres commerciales. De plus, l’abondance des sources oblige à des opérations de nettoyage adaptées à chaque type de site, à des vérifications sur la fiabilité de ces sources.

7L’expérience pratique des chercheurs sur ces outils leur permet de préciser les pièges rencontrés et les contrôles permanents à exercer. Il n’existe pas encore de normalisation de ces procédures et de démarche qualité pour ces offres, c’est pourquoi un tel ouvrage vise à stimuler la vigilance des demandeurs, experts de divers domaines, responsables de veille, cabinet d’études marketing ou chercheurs.

8Largement illustré, cet ouvrage devrait encourager les chercheurs, les professionnels de l’opinion et du marketing tout autant que les informaticiens et spécialistes des « web studies » à échanger pour faire progresser ces outils communs. À cette fin, un site collaboratif Opinion mining et sentiment est ouvert sur Hypotheses.org pour prolonger et débattre du livre.