Le nouveau modèle d’analyse sémantique par IA de SatisFactory

L’analyse sémantique pour analyser commentaires clients et conversations

L’analyse sémantique (également appelée “analyse de verbatims”) est une méthode avancée de traitement du langage naturel (NLP) qui peut s’appliquer dans un contexte de feedback management aux commentaires recueillis depuis différentes sources. Son intérêt réside dans la capacité à mesurer, regrouper et hiérarchiser les sujets mentionnés par les répondants, qu’ils proviennent d’enquêtes de satisfaction, de sites d’avis en ligne ou encore des réseaux sociaux.

Au centre de cette démarche se trouve le plan de classement sémantique (ou plan de classification), qui structure l’analyse et est défini en amont. Il établit les thématiques, sous-thématiques et concepts attendus dans les verbatims, offrant un cadre cohérent pour transformer un grand volume de commentaires bruts en enseignements clairs et directement exploitables. Cette finesse d’analyse permet notamment de catégoriser un même commentaire dans plusieurs thématiques, en fonction de la richesse des sujets qu’il aborde.

L’analyse sémantique proposée par SatisFactory permet donc de :

• Catégoriser chaque commentaire dans une ou plusieurs thématiques et sous-thématiques, en se basant sur les concepts identifiés
• Hiérarchiser les attentes clients identifiées, en fonction de leur importance et leur impact
• Détecter la polarité (positive, négative, neutre) associée à chaque concept abordé dans les commentaires
• Mettre en lumière à la fois les irritants persistants, les signaux faibles et les tendances émergentes
• Fournir aux équipes stratégiques et opérationnelles une vision claire, structurée et directement exploitable pour orienter leurs décisions

Vous trouverez ci-dessous une comparaison entre l’ancien et le nouveau modèle d’analyse sémantique de SatisFactory :

Modèle d’analyse	Ancien Modèle Sémantique sectoriel par mots-clés	Nouveau Modèle Sémantique spécifique avec IA
Type d’analyse	Analyse des mots-clés Analyse des sentiments associés à chaque concept (polarité positive, négative ou neutre)	Analyse des termes et concepts Analyse des sentiments (polarité positive, négative ou neutre)
Fonctionnement	Classification automatique basée sur des mots-clés, préalablement associés manuellement à chaque thématique dans la plateforme	Classification automatique par l’IA, basée sur la description associée à chaque concept
Activation	Demande auprès du CSM Activation préalable dans les paramètres du programme dans la plateforme Activation finale par la Data Science SatisFactory une fois les configurations terminées et validées	Demande auprès du CSM Activation préalable dans les paramètres du programme dans la plateforme Activation finale par la Data Science SatisFactory une fois les configurations terminées et validées
Paramétrage	Paramétrage manuel, globalement rigide et chronophage Demande auprès du CSM Formalisation des thématiques et sous-thématiques ainsi que des mots-clés associés Paramétrage des thématiques et sous-thématiques dans la plateforme Ajout manuelle dans la plateforme de chaque mot-clé à analyser Déploiement de l’analyse sémantique par mots-clés à l’historique de commentaires disponibles sur le compte	Paramétrage semi-automatique, globalement évolutif et rapide Demande auprès du CSM Formalisation des thématiques et sous-thématiques ainsi que de leurs descriptions associées Paramétrage des thématiques et sous-thématiques dans la plateforme Pas d’autre action à faire dans la plateforme Déploiement de l’analyse sémantique par IA à l’historique de commentaires disponibles sur le compte

L’analyse des sentiments, une composante clé de notre analyse sémantique, attribue automatiquement une polarité (ou tonalité) à chaque sujet abordé dans un commentaire :

• Positive : Le commentaire exprime une opinion favorable, une satisfaction ou une émotion positive sur le sujet
• Négative : Le commentaire exprime un mécontentement, une critique ou un point de douleur sur le sujet
• Neutre : Le commentaire est factuel, lacunaire ou n’exprime aucune émotion tranchée

La sécurité du nouveau moteur sémantique

En matière de sécurité, le nouveau modèle d’analyse sémantique par IA repose sur Google Gemini.

Lors de l’utilisation des fonctionnalités d’intelligence artificielle de la plateforme SatisFactory, nous garantissons la confidentialité maximale de vos données. Nos engagements s’appuient sur 3 piliers :

1. Anonymisation systématique des verbatims : Avant toute soumission de commentaire à l’intelligence artificielle, les prompts sont automatiquement nettoyés et anonymisés
2. Souveraineté locale des données : Le traitement des données par l’intelligence artificielle générative est exclusivement réalisé sur des serveurs français hébergés à Paris
3. Utilisation limitée des données par notre partenaire : Google s’engage formellement à ne jamais utiliser vos données pour l’entraînement de ses modèles et à ne les partager avec aucun tiers

Pour en apprendre plus sur la sécurité des données sur la plateforme, nous vous invitons à consulter la Trust Page SatisFactory.

Le calcul de la tonalité sémantique

Présentation de la tonalité sémantique

L’analyse sémantique détermine le sentiment des commentaires en les catégorisant en 3 tonalités :

• Tonalité positive
• Tonalité négative
• Tonalité neutre

Cette classification apporte un double niveau d’analyse du sentiment.

1. D’abord, le commentaire est référencé dans sa globalité comme positif, négatif ou neutre.
2. Ensuite, en complément de votre plan de classement sémantique et du référencement global de la tonalité du commentaire, chaque sous-thématique identifiée dans le commentaire se voit attribuer une tonalité spécifique (positive, négative ou neutre).

Ce processus complet permet de couvrir tous les besoins d’analyse, en offrant à la fois une évaluation générale du commentaire et une compréhension précise du sentiment associé à chaque sujet mentionné dans le retour du répondant.

Explication du calcul de la tonalité sémantique

Au moment où l’analyse de la tonalité sémantique est déclenchée pour un commentaire, les étapes suivantes se déroulent :

1. Récupération de la réponse complète du répondant
2. Analyse de chaque note laissée par le répondant (indicateurs clés et items/attributs de satisfaction).
3. Identification et catégorisation des thématiques et sous-thématiques dans le commentaire (selon le plan de classification défini sur la plateforme)
4. Attribution d’une tonalité (positive, négative ou neutre) à chaque sous-thématique identifiée dans le commentaire
5. Classification globale de la tonalité du commentaire (positive, négative ou neutre) en fonction de la balance des tonalités de chaque sous-thématique identifiée

⚠️ Les commentaires trop courts (moins de 3 mots) sont exclus du calcul de tonalité et sont classés par défaut comme neutres.

💭 Pour déterminer la tonalité globale d’un commentaire :

• Si le nombre de sous-thématiques négatives est supérieur ou égal au nombre de sous-thématiques positives, la tonalité globale est classée négative.

• De même, en cas d’égalité entre les sentiments dans les sous-thématiques identifiées (autant de négatif ou de positif que de neutre), la tonalité forte (positive ou négative) prime sur la tonalité neutre.

Activer le nouveau moteur d’analyse sémantique

L’activation du nouveau modèle sémantique spécifique par IA est très rapide, piloté par un Customer Success Manager attitré et réalisé en coconstruction pour être adapté au mieux à votre besoin.

Quelques heures après l’activation du modèle sémantique sur la plateforme, l’analyse sémantique est disponible pour l’ensemble des utilisateurs. Cette analyse avancée et personnalisée à votre contexte s’intègre également de façon transversale dans de nombreuses autres fonctionnalités de SatisFactory, afin d’enrichir vos analyses et faciliter la prise de décision.

Vous êtes intéressé pour parler de notre solution sémantique par l’IA et souhaitez en savoir plus ?

Contactez-nous