Analyse sémantique : exploiter plus intelligemment le patrimoine de données de son entreprise

 

Par Mathilde THÉBAULT

Senior Manager Consulting - Data Management

 

 

SOPRA STERIA CONSULTING

 

 

retour au sommaire

L’analyse sémantique, nouveau cheval de bataille des entreprises ? La digitalisation de l’information aidant et le stockage des données croissant, les organisations se retrouvent face à un volume de données jamais atteint à ce jour. Comment en tirer la substantifique moelle pour les valoriser, les rendre pertinentes, en faciliter l’analyse et en dégager des plans d’actions ? C’est là qu’entre en scène l’analyse sémantique, qui permet d’accélérer la digestion des données et la prise de conscience par l’entreprise de la valeur qu’elles représentent, dans une approche non pas orientée processus internes mais résultats.

 

Les données de l’entreprise sont comme un iceberg dont la partie immergée est constituée de données non structurées. Elles restent donc encore peu connues et inexploitées par les entreprises, ou alors de façon manuelle et coûteuse via des développements spécifiques (courriels, articles, commentaires Facebook, avis clients...), contrairement aux données structurées (modélisées et classées, comme des tableurs Excel, des bases de données clients...), souvent seules aujourd’hui à être valorisées de façon simple dans les systèmes d’information.

 

Extraire l’information pertinente

 

Jusqu’alors, les entreprises ayant stocké leurs données numérisées pouvaient se trouver démunies pour les valoriser. Aux 3 « V » bien connus caractérisant le Big Data (Volumétrie, Variété et Vélocité), viennent se greffer les deux autres V : Véracité et Valeur. Comment rendre les données fiables et pertinentes pour l’entreprise ?

 

L’analyse sémantique permet de lire automatiquement un texte, ou d’être à l’écoute de la voix des clients, selon des paramètres prédéfinis, quel que soit le volume et dans des délais records. Elle est capable de segmenter les phrases, et d’identifier des concepts qui seront mis en exergue sous forme, par exemple, de tableaux de bord que les métiers pourront aisément s’approprier. Elle consiste donc à extraire de l’information intelligente à partir de contenus non structurés.

 

La clé du succès réside dans la modélisation des connaissances

 

Pour fonctionner, cet outil de valorisation de la connaissance doit s’appuyer sur des ressources diverses constituées du vocabulaire de l’entreprise (ce n’est pas le même dans une banque, une ESN ou une agence de travail temporaire) ou encore des concepts de chaque métier (marketing et RH ne parlent pas toujours le même langage). La modélisation de la connaissance métier, parfois complexe, et la nécessité de construire à partir de rien des thesaurus complets, requièrent l’implication de nombreux acteurs de l’entreprise, métiers et SI dans une démarche bout en bout : les thesaurus ainsi définis seront propagés par les API dans l’ensemble du SI de l’entreprise.

 

Dans le domaine RH par exemple, les outils d’analyse sémantique convertissent les milliers de CV reçus en texte brut, les fragmentent et les formatent (espaces, caractères spéciaux...), avant d’identifier l’information utile (diplômes, compétences, postes occupés, etc.) à partir de thesaurus et d’algorithmes sémantiques. En appliquant cette démarche aux offres d’emploi, il devient alors facile et rapide d’associer offre et CV, puis d’affiner les résultats avec les profils les plus pertinents. Autant de missions chronophages pour les collaborateurs RH que l’analyse sémantique effectue de manière automatisée.

 

Grâce à la modélisation grammaticale (reconnaissance de motifs tels que verbe et groupe nominal), des savoir-faire précis peuvent être identifiés quel que soit le métier. Il devient dès lors possible de confirmer que les compétences précisées dans un CV sont fiables (en recoupant avec les réseaux sociaux professionnels par exemple), d’identifier des personnes aux compétences bien précises, et de mettre en lumière leurs expertises.

 

Se différencier et engager ses clients grâce à l’analyse sémantique

 

À l’heure de la vitesse, de la proactivité et de l’agilité, la voix du client, associée aux outils d’analyse sémantique et d’intelligence artificielle, permet d’identifier et d’analyser au fil de l’eau les insights (irritants, attentes et besoins des clients) et ainsi d’accélérer la réactivité de l’entreprise pour offrir à leurs clients l’expérience qu’ils attendent, dans une logique d’amélioration continue. Starbucks l’a bien compris et a été la première entreprise à introduire le wifi gratuit dans ses cafés, et à permettre aux consommateurs de payer directement via son application mobile, et ce grâce aux écoutes clients. C’est un formidable levier de différenciation et d’engagement client. Mais cela nécessite que l’entreprise ait créé une culture du changement, et qu’elle se soit organisée pour convertir les insights en actions.

 

Autre exemple d’application, les conseillers clients sont assaillis de mails. Comment savoir lesquels sont urgents, lesquels sont critiques (différencier une déclaration de sinistres, une attrition client d’une simple demande d’information…) ? Lesquels peuvent amener à réfléchir à de nouveaux produits ou services ? L’analyse sémantique peut traiter rapidement cette masse d’emails, les décoder, comprendre le sens de la demande, pour que l’entreprise soit plus efficace et priorise les réponses en fonction de sa stratégie client.

 

Faire émerger des signaux faibles

 

À partir de l’exploitation de la grammaire d’une langue, l’analyse sémantique permet de faire apparaitre automatiquement de nouveaux concepts, sans requérir de connaissances précises et prédéterminées. Des signaux faibles tels que des similarités ou des nouvelles tendances enfouis dans la partie immergée de l’iceberg de données peuvent enfin émerger et être utilisés. Ces signaux ont une grande valeur ajoutée pour les entreprises, et par là même orientent différemment leurs stratégies.

 

L’analyse sémantique des émotions dans les interactions verbales est de plus en plus utilisée à la fois pour améliorer l’expérience client (identifier et traiter en priorité un client en colère par exemple), et l’expérience salarié (comme identifier les insights des collaborateurs à partir du Réseau Social d’Entreprise). Pour aller encore au-delà, l’analyse faciale – des expérimentations sont en cours via les bracelets connectés – permettra de capter les insights émotionnels à tout moment, et ainsi de faire vivre une expérience encore plus personnalisée.

 

 

 

retour au sommaire

inscrivez-vous en ligne pour participer à AI paris 2017

 

réservez votre badge

AI Paris 2017  by

AI Paris est un congrès réalisé par Corp Agency, organisateur d’expositions et de conférences de haut niveau dans le domaine des nouvelles technologies.