Presentation held at Iliatech day (Inria/CNRS) on October 2010.

1. 20 octobre 10 Analyse automatique de la e-Réputation Hugues de Mazancourt Directeur Technique Lingway

2. La e-Réputation 1,7 milliards d’internautes et 133 millions de bloggeurs dans le monde (source Technorati) 227 millions d’internautes, 32 millions de bloggeurs et 58 millions de membres de réseaux sociaux aux Etats-Unis (source Universal Mc Cann) 35 millions d’internautes en France ( Médiamétrie, décembre 09) 5 millions de bloggeurs et 10 millions de membres de réseaux sociaux en France (source Universal Mc Cann) 900 000 nouveaux « post » chaque jour (source Technorati) 285 000 nouveaux avis consommateurs publiés chaque jour - 20 octobre 10 Journée IliaTech 2 Illustration CNDP - dossier « identité numérique, quels enjeux pour l’école » - sept.2010

3. Pour le meilleur et pour le pire - 20 octobre 10 Journée IliaTech 3

4. A Lingway, la e-Réputation, c’est: Un produit: LINGWAY e-Réputation Proposé directement à des entreprises soucieuses de suivre leur image sur Internet Banques, « réputation employeur », automobile Ou en partenariat avec des agences de communication Grande consommation Un projet de R&D collaborative : iPinion En partenariat Permettant de renforcer les bases théoriques du produit … et de permettre des expérimentations - 20 octobre 10 Journée IliaTech 4

5. Le projet iPinion La réunion de 3 expertises : Lingway : Traitement Automatique des Langues Pikko : cartographie de données complexes Medialab de Sciences Po : étude des usages des TIC 2 entreprises beta-testeurs Moêt Hennessy Radio France Thèmes de recherche Analyser automatiquement l’opinion dans les textes (Lingway) Analyser & cartographier les réseaux d’opinion (Pikko) Qu’est-ce qu’un échantillon représentatif du Web (médialab) ? - 20 octobre 10 Journée IliaTech 5

6. Processus d’analyse de la e-Réputation - 20 octobre 10 Journée IliaTech 6

7. Collecter les données Méthode « search » plutôt que « bouquet » « Syndrome du réverbère » Sur la thématique de l’étude À partir d’une liste de mots clés, sur une plage de temps Types de sources Web (sites, blogs, forums…) via des moteurs de recherche Twitter + ses liens Facebook Videos (Dailymotion, Youtube ) Sites d’avis (Ciao) Enrichissement du catalogue de sources Black-lists, par exemple petites annonces, offres d’emploi Conservation de données complémentaires sur les sources - 20 octobre 10 Journée IliaTech 7

8. La question du document La tradition (et les moteurs de recherche) nous a habitués à raisonner en « pages », mais est-ce le bon degré d’analyse ? Plusieurs unités sur une page Un commentaire sur un blog n’a pas la même valeur que le post lui-même a priori moins Pas plus qu’un commentaire sur un site de revue, par rapport à la présentation du produit ici, il semble avoir plus de poids que le « post » Une n-ième reprise d’un article a-t-elle le même poids que l’article initial? Cf. les « RT » sur twitter Pas de réponse théorique à l’heure actuelle - 20 octobre 10 Journée IliaTech 8

9. Plus prosaïquement… Nettoyer les pages Supprimer les publicités, bandeaux de navigation, etc. pour garder le « vrai » contenu Découper les pages Isoler le post des commentaires Détecter les dates et auteurs des commentaires … et plus généralement de la page Le tout avec une portée généraliste (« tout-terrain »)  utilisation d’heuristiques sur la forme du document et de grammaires locales sur le texte Ce n’est pas un sujet théorique très exploré, pourtant, c’est le point d’entrée indispensable à une analyse correcte - 20 octobre 10 Journée IliaTech 9

10. Cartographie d’influence - 20 octobre 10 Journée IliaTech 10 Cartographie technologie Pikko

11. Utilisation de Lingway KM Utilisation des capacités sémantiques du moteur pour trouver des verbatims qui correspondent à des thématiques de la grille Sans avoir à énumérer toutes les formulations possibles Utilisation des fonctions de text-mining pour découvrir de nouvelles thématiques Ces thématiques vont pouvoir enrichir la grille Sur des aspects durables ou éphémères (buzz) - 20 octobre 10 Journée IliaTech 11

12. Moteur sémantique - 20 octobre 10 Journée IliaTech 12

13. Identification de thèmes émergents - 20 octobre 10 Journée IliaTech 13

14. Extraction d’adjectifs par banque - 20 octobre 10 Journée IliaTech 14 Caisse d’épargne BNP LCL HSBC

15. Autres extractions - 20 octobre 10 Journée IliaTech 15 Discours officiel de la marque Discours des internautes

16. Identifier et mesurer les opinions Opinion = Evaluation + thème Les frais d’ouverture de compte sont trop élevés J’ai remarqué un effort d’amabilité de la hot-line Le service n’est pourtant pas totalement déshumanisé Identifier les thèmes Thèmes connus que l’on veut surveiller > « grille d’analyse » Thème inconnus que le système peut découvrir Identifier les évaluations Analyse linguistique des polarités positives ou négatives des verbatims  nécessité d’une analyse linguistique à la fois fine et robuste - 20 octobre 10 Journée IliaTech 16

17. Les limites de l’interprétation - 20 octobre 10 Journée IliaTech 17

18. Portail d’accès aux résultats - 20 octobre 10 Journée IliaTech 18 Etude « banques » de Juillet 2010

19. LINGWAY e-Réputation: bénéfices Une plateforme intégrée De l’acquisition à la présentation Pour le suivi de tous types de sources Web, réseaux sociaux, avis consommateurs Proposant une analyse quantitative Par source, par pays, par période … Et qualitative Grâce à l’analyse linguistique permettant L’identification des thématiques L’association thème – objet L’analyse des tonalités - 20 octobre 10 Journée IliaTech 19

20. One more thing… - 20 octobre 10 Journée IliaTech 20

21. Prochaines étapes Segmentation des auteurs Age, CSP, … Argument mining Savoir pourquoi les utilisateurs sont ou non contents Pour pouvoir ajuster le discours Mais aussi prévenir les crises en détectant des singularités dans les arguments avancés Cf. page Facebook Nestlé - 20 octobre 10 Journée IliaTech 21

22. Merci - 20 octobre 10 Journée IliaTech 22