Interview – L’Intelligence Artificielle au service du social listening

L’Intelligence Artificielle est un sujet plutôt polarisant.

Certains voient en elle le libérateur de l’employé moderne, lui épargnant des milliers d’heures de travail gaspillées dans des tâches élémentaires et le rapprochant chaque jour un peu plus de la semaine de quatre jours.

D’autres la considèrent comme un mauvais démon sur le point de prendre nos jobs et de créer une armée de chômeurs désœuvrés.

En réalité, nous sommes pour la plupart indécis quant à notre sentiment profond sur l’IA. J’adore les choix de films personnalisés que m’offre l’intelligence artificielle de Netflix, et je suis sincèrement heureux de savoir que cette technologie aide les médecins à détecter les cancers à un rythme plus rapide que jamais. Pourtant, je m’inquiète toujours de ce que feront les 297 000 chauffeurs de taxi britanniques une fois que les voitures autonomes auront pris le pas sur les véhicules classiques.

Quelle que soit votre opinion, le changement est à nos portes ; l’IA imprègne déjà de nombreux aspects de notre travail et son importance ne fera que croître à l’avenir.

Pour Brandwatch, l’IA fait désormais partie de  notre offre. La semaine dernière, nous avons lancé Iris, notre fonction d’analyse qui utilise l’IA pour vous aider à obtenir de meilleurs insights en un temps record.

Je voulais savoir ce qu’un véritable analyste pensait d’Iris, et pour ce faire, j’ai parlé à Ben Donkor. Ben a géré les départements d’écoute sociale chez BT, Microsoft, Groupon et plus récemment We Are Social, avant d’intégrer Brandwatch début novembre.

Comment les social analysts peuvent-ils mettre à profit Iris ?

Ben nous explique qu’il est difficile de statuer sur un emploi bien déterminé pour Iris.

« On peut dire que la plateforme simplifie toutes les tâches : elle permet de repérer les campagnes réussies, les crises potentielles de marque, les nouveaux influenceurs, les points de douleur client, les insights inexplorés sur les consommateurs, et plus encore. »

Il nous décrit ensuite les trois principales innovations via lesquelles Iris peut aider les analystes qui travaillent avec Brandwatch :

1. Rapidité de l’accès à l’insight

L’analyse manuelle des pics est une activité réellement chronophage. Cliquer sur – et analyser – un pic tout en le comparant aux données historiques peut prendre plusieurs heures à l’utilisateur.

La plupart d’entre eux font des détours pour contourner ce problème, explique Ben. « Ils cliquent sur le pic et analysent un petit sous-ensemble de données. Certes, cette démarche nécessite moins de temps, mais les résultats peuvent se révéler inexacts. »

Il poursuit : « Pourtant, au cours d’une semaine normale, votre marque, vos produits, vos campagnes et vos concurrents vont générer une vingtaine de pics majeurs. Je dirais qu’un analyste passe environ 3 heures et 20 minutes pour les disséquer, soit toute une matinée. Iris met moins de deux secondes pour faire le même travail. »

« Iris est beaucoup plus rapide que l’analyse humaine, et fournit probablement des résultats plus fiables.  »

2. Observer des insights invisibles à l’œil nu

Souvent, les analystes n’ont pas le temps de comparer manuellement un pic avec 20 jours de données historiques, et sont susceptibles de passer à côté d’informations de premier plan.

« Ils vont rater l’actualité tendance du jour, la vidéo qui circule à ce sujet, le fil Reddit lancé quelques heures plus tôt ou le nouvel influenceur qui a rejoint la conversation », explique Ben.

« Iris met en évidence ce problème en comparant constamment les données historiques. La plateforme vous tient au courant de toutes les informations importantes concernant votre marque. »

3. Possibilité de comparer votre analyse

Selon Ben, les analystes qui ont passé des années à jongler avec des données pourraient se montrer réticents à l’idée de travailler avec un assistant virtuel en vue d’aider à identifier les tendances importantes. Mais il ne faut pas oublier, comme il le dit, qu’un deuxième avis peut toujours être utile.

« Si un analyste observe un pic et estime qu’un influenceur est à l’origine du boom, rien ne l’empêche de vérifier sa théorie en faisant appel à Iris. Une deuxième opinion pourrait l’aider à consolider son point de vue ou lui faire prendre conscience de quelque chose qui lui avait échappé auparavant. »

« Iris fournit aux experts une seconde opinion déterminante leur permettant de renforcer la fiabilité de leurs conclusions. »

En quoi Iris est différente des autres produits d’IA sur le marché ?

Selon Ben, les équipes produits ont tendance à équiper leurs outils d’IA parce que c’est « à la mode », mais cela se fait souvent sans penser l’analyste utilisateur.

« Lorsqu’ils sont mal implémentés, ces nouveaux outils conçu autours de l’IA ne font apparaître que des schémas dénués de contexte. Certains peuvent être utiles et m’ont servi dans le passé, mais en tant qu’analyste, je me suis retrouvé, ainsi que d’autres analystes autour de moi, perdu dans la mécanique de ces plateformes ».

Ben ajoute qu’il est parfois nécessaire de reprogrammer ces outils afin de répondre aux besoins de l’utilisateur, de re-catégoriser les mentions pour obtenir des rapports précis, ou d’ajuster et de corriger le logiciel là où il avait mal tourné, en espérant qu’il apprenne de ses erreurs à l’avenir.

« Ces implémentations ne fonctionnent tout simplement pas pour les analystes. J’ai utilisé assez d’outils pour dire en toute certitude qu’Iris fonctionne différemment. Les insights, ce sont des informations et un raisonnement. Iris détecte et met en évidence ces observations, en regardant les données, en structurant l’information qu’elles contiennent, en identifiant les constantes tout en tenant compte du contexte. C’est ce qu’un analyste passerait des heures à faire, mais qui ne prend qu’une seconde à Iris ; c’est une plateforme différente parce qu’elle fonctionne à merveille pour les analystes. »

Existe-t-il d’autres outils pertinents en termes d’IA ?

« J’ai vu énormément d’outils se tourner vers l’IA, certains en bien et d’autres en moins bien. Les outils que je préfère sont ceux qui utilisent l’intelligence artificielle pour effectuer une analyse prédictive, une démarche que les analystes auraient grand intérêt à adopter plus souvent », explique Ben.

Il cite quelques exemples parmi ses préférés :

« Des outils comme Leadza, qui analyse les campagnes publicitaires et fournit des conseils d’optimisation pour garder une longueur d’avance. Des outils de gestion comme Metigy, qui analyse la performance des canaux de l’entreprise et de ses concurrents, offrant ainsi aux community managers un flux en direct de suggestions pratiques qu’ils peuvent mettre en œuvre pour obtenir un meilleur engagement et ne pas perdre de vue leur objectif. Certains outils utilisés par les RH se servent aussi de l’intelligence artificielle pour automatiser l’évaluation des candidats et prédire l’adéquation des équipes en fonction de l’empreinte sociale, comme Frrole Deepsense. »

Pensez-vous que l’IA va remplacer les experts de social media intelligence ?

Ben ne croit pas à l’hégémonie de l’IA sur les spécialistes. Au lieu de cela, dit-il, l’intelligence artificielle modifiera certaines de leurs tâches tout en contribuant à l’évolution naturelle de leurs fonctions.

Il explique : « Les plateformes de gestion sociale se mettent lentement à l’intelligence artificielle pour donner la priorité et acheminer les messages entrants rapidement. Cela permet d’accélérer le travail des community managers tout en aidant les analystes lorsqu’il s’agit d’expliciter les principaux facteurs à l’origine de ces messages entrants. Le travail de l’analyste devra tenir compte de la disponibilité croissante des données sociales et de la rapidité avec laquelle les tendances apparaissent et changent. Cela pourrait le ralentir, mais l’IA est là pour faire que cela n’arrive pas. »

« L’intelligence artificielle ne remplacera pas les spécialistes en social intelligence pour une bonne raison : elle sait détecter les insights, mais ne dispose d’aucune capacité de réflexion. L’IA peut faire apparaître des observations en un rien de temps, mais cela ne suffit pas pour déclencher des actions. »

À ce tire, Ben est convaincu que l’IA n’est pas là pour remplacer le spécialiste en social intelligence – mais pour le rendre plus efficace et accélérer les processus.

Comment pensez-vous que le social listening évoluera au cours des 5 prochaines années ?

« Pour la plupart des tendances Internet, nous observons une explosion et une implosion. Par exemple, il y a quelques années, nous avons connu un boom du marketing d’influenceurs, avec l’accent mis sur les grands influenceurs et sur le nombre de followers, alors qu’aujourd’hui nous assistons à une implosion ; les influenceurs locaux et régionaux occupent le devant de la scène, attendu que les gens réclament une transparence et une fiabilité accrues. »

Ben explique que le monde de l’intelligence sociale est entré dans sa phase d’implosion : les plateformes sociales ne sont plus aussi généreuses qu’avant concernant leurs données, en termes d’accès et de quantités.

« Les sources de dark social ou autres données numériques difficilement prises en charge par les outils d’analyse numérique sont devenues la norme, surtout maintenant que l’utilisation active des médias sociaux sur les appareils mobiles est une réalité pour 42 % de la population mondiale, soit une augmentation de 13 % par rapport à l’année dernière.

« Le tribalisme sur les médias sociaux est en plein essor, les gens créent et mobilisent leurs propres sous-cultures sur les plateformes sociales, jugées plus fiables. Cette approche fait la part belle aux questions et aux sujets que le grand public présent sur la plateforme ne couvre pas – Black Twitter, par exemple, ou la communauté des maquilleurs faisant office de pionniers sur les plateformes d’images et de vidéos. »

« Dans ce contexte, il n’est pas difficile de voir ce que les cinq prochaines années réservent aux spécialistes de l’intelligence sociale « , dit Ben : « ils auront à charge de rassembler les pièces à partir desquelles l’information peut être mesurée via les nouvelles technologies. »

En guise de conclusion, Ben prévient que la technologie ne peut pas tout faire.

« En fin de compte, c’est à nous, les spécialistes de l’intelligence sociale, qu’il incombe de rassembler tous ces éléments provenant de sources multiples, de les mettre en lumière et de tisser une histoire. »

Pour en savoir plus sur Iris, cliquez ici.