Le Blog de Lingway

Lancement du 1er Baromètre LINGWAY- PORTAIL de l’IE

2011-07-11T14:37:00.007+02:00

Edgar vous présente le premier baromètre de l'Intelligence Economique.

Pour lire le baromètre publié sur le Portail de l'IE cliquer ici

Pour lire notre communiqué de presse cliquer ici

Pour recevoir un mail lors de la publication d’un nouveau baromètre écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Avertissement : EDGAR ne prétend pas à une quelconque validité scientifique sur les opinions, jugements, constats qu’il peut proposer. Cela est exclusivement du domaine des instituts d'études ou de sondage, dont plusieurs sont clients ou partenaires de LINGWAY. Il s'agit là de montrer simplement et de manière ludique, à travers des exemples ; ce que peuvent réaliser les technologies linguistiques et sémantiques qui sont au cœur de la solution LINGWAY e-Reputation.

20 Juin 2011 - Lingway présent à Reputation Day

2011-06-21T12:19:00.004+02:00

Lingway était présent à la première édition de Reputation Day le 20 Juin 2011.
Reputation Day a été organisé par Veille Magazine en partenariat avec Press Index et PeoplePlus. Ateliers, tables rondes interactives et networking, cette première édition a proposé un accès personnalisé et qualifié à plus de 50 experts et praticiens.http://www.blogger.com/img/blank.gif

Olivier Guérin, Groupe Image & Dialogue ( www.image-dialogue.com) et Bernard Normier sont intervenus sur le thème :
Agences de communication et outils de veille et d'e-réputation : quelle méthodologie au service du client?
Vous pouvez visualiser la présentation sur slideshare

Image&dialogue/lingway Reputation day

View more presentations from Lingway

Pour visualiser notre communique de presse cliquer ici

Bernard Normier est intervenu sur le thème : Outils linguistiques et analyse de l'opinion : l'exemple du discours politique.
Pour visualiser notre présentation cliquer sur slideshare

Reputation day lingway

View more presentations from Lingway

Edito 9 - Ceux par qui le scandale arrive...Analyse comparée des thématiques autour des affaires DSK, Tron et Ferry

2011-06-09T10:28:00.017+02:00

La dernière quinzaine a été marquée par plusieurs scandales qui recueillent un large écho sur Internet.

Il est intéressant de regarder comment les trois affaires DSK, Tron et Ferry, qui se succèdent de près, prennent rapidement des importances comparables et de retrouvent largement liées dans les commentaires, pour donner naissance à un sentiment global de fort malaise.

Pour cela on a utilisé notre système de veille et comparé les citations de ces trois personnages publics dans les commentaires citant le mot « scandale ». On aurait pu bien sûr faire le même type d’analyse autour d’autres thématiques, mais celui-ci émerge assez clairement. On a fait cette analyse sur la dernière semaine de Mai et la première de Juin :

Pour cette première période, Dominique Strauss Kahn est largement en-tête comme le montre ce graphique, et l’affaire Georges Tron, bien que présente, reste minoritaire.

(Cliquez sur l'image)

En revanche, dès la semaine suivante, les déclarations de Luc Ferry changent la donne, et nos trois personnages sont pratiquement à égalité, avec un avantage quand même pour Luc Ferry.

(Cliquez sur l'image)

Une analyse plus fine, à l’échelle de la journée et non de la semaine, montre cependant que l’affaire Georges Tron ( en orange sur ce diagramme ) n’aura retenu l’attention que quelques jours, vite remplacée par le scandale Luc Ferry (en bleu ).

(Cliquez sur l'image)

Finalement, à la fin de la semaine, ne restent à égalité, que DSK et Luc Ferry…

Du coup, on a envie de retrouver les articles, commentaires, tweets, etc. qui lient explicitement les 3 protagonistes pendant la période observée.

En faisant cette recherche, puis en extrayant les thèmes principaux, on retrouve bien le malaise général avec des termes comme « vie privée », « non dénonciation d’un crime », « mœurs de la classe politique », « viol », « grand déballage » , « démission », « rumeur »…

(Cliquez sur l'image)

Voici un petit florilège de ces commentaires qui associent donc DSK, Tron et Ferry dans une même analyse :

Sur le blog de Jean Luc Melenchon : la semaine glauque

Sur RTL : la campagne trash

dans le journal de la Haute Marne : les eaux boueuses et les histoires glauques

JL Romero sur Atlantico : çà va mal se terminer

Sur Ouest France : le pavé dans la mare :

A noter aussi un twitt largement Retwitté qui renvoie vers une interview de la porte-parle de Lutte Ouvrière sur France Info :

Pour nous qui voulons suivre ce qui ce dit sur la campagne présidentielle au cours des prochains mois, ce genre de débat, s’il se poursuit, va nous donner des occasions de nouveaux billets pour ce blog…

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

DSK : la théorie du complot (au 18 Mai)

2011-05-20T10:00:00.004+02:00

Une comparaison des thématiques extraites entre Twitter d’un coté et la presse en ligne de l’autres est significative.

Sur Twitter, le 18 Mai, en cherchant les tweets qui parlent de DSK, les entités extraites sont par ordre de fréquence décroissante :

On note « complot » en 3eme position… Alors que dans la presse en ligne, on trouve :

On voit que l’idée du complot n’apparaît pas. En revanche «politique», «présidentielle», «primaires socialistes» montrent que les conséquences politiques intéressent plus la presse que Twitter … De même la présomption d’innocence, thème largement commentée dans la presse, n’a pas passionné sur Twitter …

Edito 8 - Analyse automatique de tonalité autour de Nicolas Sarkozy

2011-05-18T17:19:00.012+02:00

L’analyse automatique des tonalités est un des enjeux importants de la e-Réputation.

L’état de l’art progresse rapidement et Lingway propose dores et déjà des modules d’analyse automatique, qui repèrent, à propos d’une entité nommée donnée (une personne, une société, une marque, etc.), des jugements, des avis, des recommandations dans un sens ou dans un autre.

Ces modules sont basés sur une analyse linguistique fine, qui repère la tonalité des mots, dans leur contexte.

Ainsi le mot « problème » porte t-il une tonalité négative dans une phrase comme « depuis que j’ai un compte chez X, j’ai plein de problèmes », alors qu’au contraire il porte une tonalité positive dans « depuis que j’ai un compte chez X je n’ai plus de problèmes ».

Dans les exemples ci-dessous, on a extrait automatiquement des verbatims à propos de Nicolas Sarkozy. Le système isole cette « entité nommée », et analyse son contexte d’apparition.

L'analyseur identifie les séquences positives ou négatives, et les colorie en vert ou rouge selon les cas. (Des "thèmes" peuvent rester en bleu à l'intérieur de la séquence.)

(Cliquez sur les images)

(…)

(…)

(…)

C’est évidemment une tâche très difficile pour une machine, et cette approche en est encore au tout début. Mais dores et déjà ces outils sont opérationnels et rendent de réels services au moins de deux façons différentes.

Une première utilisation vise à avoir une idée globale des appréciations portées sur un sujet donné, en admettant que même si le système fait localement des erreurs, le résultat global est statistiquement bon. Le Graphique que voici, montre par exemple une répartition des tonalités analysées automatiquement autour du thème.

(Cliquez sur l'image)

Un deuxième cas d’utilisation est réservé à des analyses qualitatives plus précises, sur des échantillons de taille forcement plus limitées. Dans ce cas, il faut qu’un analyste humain révise les évaluations faites par le système. Mais le gain en productivité sera très significatif par rapport au temps qu’il y aurait passé sans aucune aide du système.

L’interface de LINGWAY e-Reputation permet de réaliser facilement ce type de révision.

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Edito 7 - Cartographies des co-citations sur Internet pour identifier de nouvelles thématiques

2011-05-03T15:51:00.011+02:00

L’analyse des co-citations est un des outils de base de la fouille de textes. Elle permet de mettre en évidence des relations entre des thématiques, des personnes, des partis, etc, qui sont exprimées par les auteurs : d’articles, de blogs, de twitts, etc.

Le suivi de ces co-citations au fil du temps, et l’analyse de la façon dont elles s’organisent en fonction des médias peut révéler tel ou tel idée ou un rapprochement intéressant à mettre en avant dans une étude.

A titre d’exemple, le premier graphe présenté par EDGAR est construit à partir d’une recherche sur les mots « élections » et « candidats » sur des textes parus cette semaine.

L’extracteur d’entités nommées a notamment identifié des noms de partis et personnalités politiques puis construit ce graphe de co-citations :

(Cliquez sur l'image)

Cartographie réalisée avec la technologie Pikko

La surface d’un cercle est proportionnelle au nombre de citations. L’algorithme de placement cherche à poser les points de telle manière que la longueur de l’arc entre deux points soit proportionnelle à la fréquence de la co-citation. Autrement dit, on voit sur ce graphe que la personnalité la plus citée (cette semaine) est Nicolas Sarkozy, suivi par Dominique de Villepin (à cause de la reprise du procès Clearstream), et qu’ils sont fréquemment cités ensemble.

On retrouve également des groupes de personnes, plus ou moins regroupées par affinités politiques, bien que de façon assez amusante les gens de gauche se trouve sur la droite du graphe et ceux de droite plutôt sur sa gauche. Mais on aura compris que ces orientations n’ont pas de significations sur ce type de graphe qui n’est pas organisé dans un système d’axes traditionnel.

Bien sûr, on peut se livrer à des analyses plus fines. Par exemple rechercher les co-citations à partir d’une recherche sur « DSK », qui donne le graphe suivant

(Cliquez sur l'image)

Cartographie réalisée avec la technologie Pikko

Les deux personnalités les plus fréquemment co-citées avec DSK cette semaine sont donc Nicolas Sarkozy et Ségolène Royal.

Si l’on veut une justification des représentations proposées par ce graphe, il suffit de cliquer sur un arc, pour trouver tous les textes qui sont à sont origine, ce qui nous donne les résultats suivants :

(Cliquez sur l'image)

Les mots en verts à droite étant les "hits" ayant permis d’identifier les textes.

En cliquant sur un texte, par exemple le dernier, on retrouve l’article d’origine :

(Cliquez sur l'image)

Ainsi que son indexation telle qu’elle a été réalisée par LINGWAY e-Reputation :

(Cliquez sur l'image)

Nous montrerons d’autres exemples de ce type d’analyse sur notre blog dans de futurs éditos.

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Edito 6 - Laïcité à l'UMP : Analyse de la journée du 5 Avril 2011

2011-04-07T11:28:00.011+02:00

Dans les billets précédents, nous avions analysé certaines thématiques sur la durée. Cette fois ci, nous nous concentrons sur une seule journée, en recentrant l’analyse sur un seul point. Nous prenons comme exemple le débat sur la laïcité à l’UMP, qui a été un sujet chaud de l’actualité du 5 avril. (On ne regarde donc pas ce qui se dit sur le thème de la laïcité, sans que le mot UMP soit également présent dans le tweet ou l’article)

Les différents diagrammes commentés par Edgar dans la vidéo ci-dessous, et repris plus bas montrent une analyse, sur une journée, des citations sur cette thématique au cours de la journée sur différents types de medias.

Sur Twitter, le graphe ci dessous montre que le thème de la laïcité est largement prédominant.

(Cliquez sur l'image)

En revanche sur la presse, la distribution est différente, le thème de la laïcité étant nettement moins important.

(Cliquez sur l'image)

De la même manière, on peut comparer les personnalités politiques citées sur Twitter et la Presse, à propos de la laïcité :

Dans la presse, Jean-François Copé arrive en tête avec 18% de citations, suivi du président de la république, sous le nom de Sarkozy, suivis des deux François, Baroin et Fillon.

(Cliquez sur l'image)

Sur Twitter, la présence de Jean François Copé est encore plus massive, suivi du président, cette fois-ci sous le nom de « Sarko ». Jean François Fillon est en revanche beaucoup moins associé à ce thème de la laïcité.

(Cliquez sur l'image)

Ce débat sera t-il un feu de paille ou va t-il laisser une trace durable sur Internet ? Déjà le 6 avril, le thème était en forte décroissance., comme le montre le diagramme ci-dessous. Nous y avons ajouté l’évolution du thème Islam, qui paraît moins corrélé que dans le commentaire publié sur ce blog le mois dernier.

Nous suivrons cela de temps en temps.

(Cliquez sur l'image)

Profitons de cet édito d’Edgar pour montrer une possibilité intéressante de LINGWAY e-Reputation, que nous n’avons pas encore commentée ici : la recherche multilingue.

En cherchant les textes sur la question religieuse en France, dans des sources en espagnole et en anglais (mais à partir d’une seule question en français), on va trouver de nombreux articles intéressants, comme le montrent des copies d’écran ci-dessous :

D’abord en espagnol :

(Cliquez sur l'image)

Ou en anglais :

(Cliquez sur l'image)

Nous reviendrons dans les prochains éditos sur cette importante fonctionnalité de LINGWAY e-Reputation. En effet les frontières de l’Internet ne sont pas celles des Etats, mais bien celles des langues.

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Synthèse de l'étude "Buzz monitoring" KANLLI

2011-03-31T18:13:00.005+02:00

Le 16 mars dernier, à l’occasion du salon OMExpo (Online Marketing Expo) de Madrid, Gonzalo Ibáñez, PDG de l'Agence KANLLI et spécialiste international du marketing interactif a présenté une étude comparative de 14 outils de "Buzz Monitoring" parmi une quarantaine du marché, dont LINGWAY e-Reputation.

L'étude souligne la nécessité d’analyser la réputation d'une marque sur Internet, et décrit les options proposées par les différentes solutions.

Sur les 14 outils étudiés (Cf. schéma ci-dessous) :
• 2 se contentent de compter les occurrences,
• 5 sont classés comme "Intégrés",
• 7 proposent des "Options avancées" (dont LINGWAY e-Reputation).

Sur ces 7 outils, 4 outils arrivent en tête (parmi lesquels LINGWAY e-Reputation), les 3 autres étant considérés comme moins performants sur le plan qualitatif. Pour l’auteur de l’étude, LINGWAY e-Reputation est l’outil du marché qui pousse l'analyse sémantique le plus loin grâce à sa technologie de traitement du langage.

(Cliquez sur l'image)

"La taille du cercle est proportionnelle à la qualité dés résultats offerts par l'outil"

("Precio" = prix, "Complejidad" = complexité).

Lingway au salon Documation 2011 - 23/24 Mars 2011

2011-03-28T15:23:00.001+02:00

Check out this SlideShare Presentation:

Lingway salon Documation 2011

View more presentations from Lingway.

Edito 5 - Japon, Libye, Cantonales : Comparaison entre twitter et presse nationale en ligne

2011-03-22T10:04:00.022+01:00

Dans les billets précédents, nous avons présenté diverses analyses, d’abord statiques puis dynamiques, qui s’appuyaient sur un corpus d’articles de la presse nationale en ligne. Cette semaine, nous élargissons le périmètre en incluant Twitter et d’autres sources dans l’analyse.

Tout d’abord, comme le dit Edgar dans son commentaire, on voit bien qu’une actualité chasse l’autre. Sur le graphe ci-dessous, construit à partir de Twitter et de la presse, on voit en vert le thème « Japon », en bleu le thème « Libye » et en orange « les cantonales ».

(Cliquez sur l'image)

Pour cela nous récupérons depuis quelques semaines les twitts à partir d’une liste d’une centaine de mots-clés qui sont en gros tous les noms de partis et une cinquantaine de noms de personnalités politiques.

Sur les cantonales, on a analysé comment les partis sont cités, en comparant la presse nationale traditionnelle et Twitter. Sur ce premier graphique on voit la présence des partis dans la presse :

(Cliquez sur l'image)

Sans surprise, le PS, l’UMP et le FN sont en tête. Europe Ecologie vient en 4eme position. Mais sur Twitter, l’ordre est différent, les Verts étant proportionnellement mieux représentés, alors que le PS perd du terrain.

(Cliquez sur l'image)

On peut affiner ce qui se passe sur twitter, par exemple en comparant les citations des personnalités politiques entre les tweets et retweets :

Ce diagramme montre l’analyse des tweets sur un mois :

(Cliquez sur l'image)

et celui-ci montre la même analyse sur les retweets :

(Cliquez sur l'image)

On constate que l’ordre n’est pas le même… Sans doute certaines communautés ont plus tendance à retweeter que d’autres…

Dans son commentaire sur la video ci dessus, Edgar fait le même type d’analyse en comparant les citations des partis politiques entre Twitter et la presse nationale.

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Edito 4 - Islam, Laïcité, Identité nationale : quelles interactions ?

2011-03-08T10:25:00.013+01:00

Dans les précédents éditos d’Edgar, on utilisait le système de veille pour réaliser des analyses statiques. Il s’agissait d’analyser des corrélations entre des thèmes, des personnes, des partis politique à partir de « photos » prises sur Internet à un moment donné.

Cette semaine nous allons évoquer l'évolution dans le temps des thématiques.

Par exemple, en analysant les thèmes associés à « Islam » au cours du mois dernier, on isole les thèmes qui apparaissent sur le schéma ci dessous :

(cliquez sur l'image pour l'agrandir)

On voit nettement apparaître au moins deux thématiques associées au mot « Islam » : d’une part les événements dans le monde arabe avec des termes comme « égyptienne », « frères musulmans », « manifestation », « guerre », « monde arabe » ou « révolution », et d’autre part le débat de politique intérieure avec des mots comme « laïcité », « présidentielle », « débat sur l’Islam », « débat sur la laïcité ».

Cette photo ne montre pas l’évolution dans le temps des thématiques. Pour cela, nous utilisons un autre type d’analyse, qui permet de suivre l’évolution des thématiques sur une « timeline ». Ainsi, le diagramme ci dessous montre l’évolution du mot « Islam » en orange et « laïcité » en vert.

(cliquez sur l'image pour l'agrandir)

En fait, LINGWAY e-Reputation permet de suivre les évolutions de n’importe quelle méta-donnée extraite par les analyseurs sémantiques.

Par exemple, on peut regarder l’évolution des citations des acteurs politiques internationaux associées au mot « Islam ». Comme le montre le diagramme ci-dessous, les 5 personnalités ( hors personnalités françaises) qui apparaissent sont Moubarak (orange), Khadafi (en vert) , Obama (en bleu). Ben Ali et Ahmadinejad sont également cités, mais beaucoup moins.

(cliquez sur l'image pour l'agrandir)

On voit bien les évolutions qui suivent l’actualité. Mais il apparaît certains phénomènes qui mériteraient d’être analysés plus finement : l’association « Moubarak / Islam » semble plus forte que « Khadafi / Islam ». On note aussi que la présence d’Obama est à peu près constante sur les deux crises… Rechercher les raisons de ces évolutions n’est plus du domaine de LINGWAY, mais constitue le métier des analystes qui sont nos partenaires et clients. En revanche l’outil permet des analyses de données rapides et très paramétrables, qui vont considérablement aider l’analyste

De la même manière, le deuxième exemple commenté par Edgar montre les corrélations déjà étudiées entre « islam » et « laïcité », et ajoute le thème de l’ « identité nationale », qui reste peu présent, comme le montre le diagramme ci-dessous.

(cliquez sur l'image pour l'agrandir)

Pour plus d'informations voir notre brochure électronique cliquer ici

Salon E-marketing 2011 : Interview de Bernard Normier

2011-03-03T16:40:00.004+01:00

Le 25-26 Janvier 2011, Lingway était présent au salon E-Marketing 2011 au Palais des Congrès situé porte Maillot, venez découvrir l'interview de Bernard Normier

Edito 3 - Tunisie, élections, immigration : qui est associé à quels mots ?

2011-02-24T12:26:00.017+01:00

Cette semaine, Edgar s’intéresse aux personnalités politiques françaises. En utilisant notre solution LINGWAY e-reputation, nous effectuons une recherche, par exemple « Tunisie » dans notre base d’articles de la presse française parus sur Internet. Nous trouvons 3880 articles ce mois dans les sources sélectionnées, dans lesquels le système va identifier des noms de personnes.

(cliquez sur l'image pour l'agrandir)

L’extracteur d’entités nommées va identifier automatiquement, sur la base de règles contextuelles, les noms des personnes citées dans ces textes. Ce niveau de reconnaissance est un fonctionnement de base de LINGWAY e-Reputation. Ensuite, l’analyste peut « sous-catégoriser » ces noms de personnes, en leur affectant une catégorie plus spécifique. Dans l’exemple de cette application, nous avons créé plusieurs catégories comme « Acteur politique français », « Acteur politique international », « Observateur ».

Dans l’extrait de copie d’écran ci-dessous, on voit les personnes les plus fréquemment citées dans le contexte du mot « Tunisie », réparties dans ces trois catégories. La quatrième catégorie « Personne » en orange dans l’image correspond à des entités nommées automatiquement identifiées par le système mais qui n’ont pas été reclassées par l’analyste.

Pour être efficace, un système d’extraction de noms de personnes doit disposer de beaucoup de données (des introducteurs comme Monsieur X, M. X, le président X, etc), des listes de prénoms (nous utilisons dans cette application une liste de 60.000 prénoms), et des règles contextuelles.

Par ailleurs, une même personne est désignée de nombreuses manières différentes dans les textes : Sarkozy, Sarko, le président Sarkozy, Nicolas Sarkozy… sans parler des initiales comme MAM ou DSK. Il faut donc reconnaître ces différentes formes comme équivalentes pour faire des statistiques et finalement présenter les résultats de manière lisible comme dans l’exemple ci-dessous , qui montre donc quels sont les acteurs politiques français associés au mot « Tunisie » cette semaine dans notre corpus.

(cliquez sur l'image pour l'agrandir)

Pour son prochain commentaire, Edgar élargira son champ d’observation dans deux directions : d’une part en regardant quelques sources internationales en profitant des capacités multilingues du système, d’autre part en étendant ses sources à quelques réseaux sociaux.

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'un nouveau commentaire écrire à amandine.thevenon@lingway.com

Pour plus d'informations voir notre brochure électronique cliquer ici

Edito 2 - Politique de santé : la polémique sur les médicaments vue par Edgar

2011-02-07T09:28:00.010+01:00

Dans le message précédent, daté du 24 janvier, Edgar montrait comment retrouver des thématiques associées à certains mots. Ainsi on voyait nettement l'association entre "Liberté" et "Tunisie".

Cette semaine, il montre un autre aspect de son savoir-faire. Pour retrouver des thèmes associés, encore faut-il trouver les bons textes d'où extraire ces thèmes. Nous avons pris l'exemple d'une recherche sur un des sujets du moment, la "POLEMIQUE SUR LES MEDICAMENTS" . Comme le montre Edgar dans la vidéo, des textes importants sur ce sujet sont retrouvés, grâce au dictionnaire sémantique de Lingway. Ainsi sont retrouvés plusieurs articles qui traitent d'une jeune PHARMACIENNE qui a fait une THESE sur les effets secondaires de certains médicaments. Ces articles sont parfaitement pertinents, mais n'auraient pas été retrouvés par un moteur classique, car ni le mot "POLEMIQUE" ni le mot "MEDICAMENT" n'y apparaissent.

Les textes retrouvés étant de meilleure qualité (techniquement, on dira que le "taux de rappel" est meilleur), les données extraites sont également meilleures, comme le montre la copie d'écran ci jointe, où le système découvre des termes comme "Mediator" ( mais c'est facile car c'était le sujet principal de la polémique), mais aussi "di-Antalvic", "Propofan", "coupe-faim" ainsi que des thématiques plus complexes comme 'retrait d'autorisation de mise sur le marché" ou "médicaments sous surveillance". Ce seront des sujets à surveiller pendant la campagne...

Deux fois par mois, Edgar fait un commentaire sur l'actualité politique. Pour recevoir un mail lors d'une nouveau commentaire écrire à amandine.thevenon@lingway.com

Avertissement: Edgar ne prétend pas à une quelconque validité scientifique sur les opinions, jugements, constats que peut proposer Edgar. Cela est du domaine d'Instituts d'études ou de sondage, dont plusieurs sont nos clients ou partenaires. Il ne s'agit évidemment pas de se comparer à ce qu'ils peuvent faire, mais simplement de montrer, à travers cette application qui se veut ludique, des exemples de ce que peuvent réaliser nos technologies.

Edito 1 - Les mots de la politique vus par Edgar : Liberté, Egalité, Fraternité

2011-01-24T14:29:00.009+01:00

Comme annoncé par notre billet du 13 décembre notre avatar Edgar commence un cycle de commentaires sur les mots de la politique. Le but du jeu sera de donner quelques éclairages sur les mots de la politique, qui les utilise, en association avec quelles idées , quelles propositions, quels événements. Deux fois par mois jusqu'au élections 2012, nous regarderons ce qui s'est dit au cours de la semaine précédente.

Le discours d'Edgar est préparé à partir d'une veille réalisée par LINGWAY e-Réputation sur plusieurs centaines de sources abordant de près ou de loin l'actualité politique. L'animation d' Edgar est réalisée par notre partenaire Cantoche dans le cadre de notre projet commun "MyPresentingAvatar" qui réunit également TELECOM ParisTech pour la génération du comportement de l'agent virtuel, et les capacités d’analyse sémantiques des textes de la solution.

Le but n'est pas de prétendre à une quelconque validité scientifique sur les opinions , jugements, constats que peut proposer Edgar. Cela est du domaine d' Instituts d' études ou de sondage, dont plusieurs sont nos par ailleurs nos clients ou partenaires. Il ne s'agit évidemment pas de se comparer à ce qu'ils peuvent faire, mais simplement de montrer, à travers cette application qui se veut ludique, des exemples de ce que peuvent réaliser nos technologies.

LEA CV l'outil de sourcing préféré des Job Boards

2011-01-20T16:46:00.005+01:00

Le baromètre de la performance des job boards a été publié par Externeo www.externeo.com , et quelques extraits sont consultables sur Exclusive RH http://bit.ly/hVQ08f

Au-delà de son intérêt évident pour les annonceurs ce baromètre met en avant un élément dont Lingway est fier : suivant les postes entre 55% et 85% des CV reçus par les entreprises sont fournis par des job boards qui utilisent le produit de « parsing » LEA CV, analyseur basé sur les outils et dictionnaires sémantiques Lingway .

S’il reste bien entendu quelques grands irréductibles, français ou étrangers, nous continuons d’équiper les job boards généralistes (Ouest France Multimédia, L4M, Boostyourjob, …) ou spécialisés (StaffSanté, Autorecrut, …) afin de leur garantir un meilleur sourcing et donc améliorer le service rendu à leurs clients.

LEA CV est également utilisé directement sur le site emploi de grandes entreprises et de cabinets spécialises comme Altran, Adecco , ADEIS, Bouygues Telecom, Bernard Julhiet Recrutement, Cap Sogeti, Gemini, Groupe La Poste, Manpower, Piana HR Group, SFR, Talent up.

Certains de ces clients ont de plus choisi le moteur de recherche sémantique LEA Search pour accéder à leur CVthèque, comme par exemple le Piana HR Group http://bit.ly/f6Jq0l

Informations complémentaires sur la brochure intéractive LINGWAY e-RH Applications http://bit.ly/presentation-LEA

Lingway, Cantoche et Télécom ParisTech s'associent pour animer les avatars

2010-12-13T15:07:00.004+01:00

Labelisé par le Pôle de Compétitivité Cap Digital Paris-Région, le projet MyPresentingAvatar permet une diffusion créative de divers contenus grâce aux avatars, qui présenteront le résumé d'un document ou les informations les plus pertinentes sous une forme attrayante pour leurs destinataires.

L’innovation de ce projet réside dans l’assemblage de composants technologiques développés par les trois partenaires intervenants sur ce projet :

Cantoche : Animation de personnages virtuels, gestion de scénario interactif et production vidéo

Télécom ParisTech : Génération de comportements d’avatars et expression multimodale

Lingway : Analyse sémantique et extraction d’une structure formelle de document.

L’objectif est de créer un module de génération automatique de présentation de document par un avatar choisi par l’utilisateur. Le logiciel développé effectue une analyse du texte contenu dans un document pour produire automatiquement un discours qui en reprendra les éléments d'information principaux et fera adopter un comportement approprié à l'avatar.

L'utilisateur a le loisir de contrôler son avatar en intervenant s’il le souhaite dans le processus pour ajouter des indications sur ses intentions communicatives, valider ou changer certains des comportements et insérer des éléments d'interaction.
Le résultat final consistera en une animation interactive ou un fichier vidéo. L'application de production automatique de présentation par un avatar sera intégrée dans un prototype de plateforme collaborative.

Analyse automatique de la e-réputation - Lingway

2010-11-18T11:38:00.001+01:00

Voici notre Présentation SlideShare lors de la manifestation Iliatech du 20 Octobre 2010

Analyse automatique de la e-réputation - Lingway

View more presentations from amandinet.

L’analyse de tonalité et représentativité sur Internet: des sujets de débat

2010-11-13T11:48:00.004+01:00

Retour de SEMO et ICC 2010

Nous étions ces deux dernières semaines présents sur deux salons et conférences : le SEMO et ICC, et nous y avons rencontré plusieurs acteurs de l’e-reputation, qu’ils viennent des entreprises, des éditeurs de logiciels spécialisés ou des sociétés de marketing / communication.
Un débat (ou une controverse ?) s’amorce clairement entre deux positions que pour simplifier on pourrait résumer ainsi:

Automatiser l’analyse des thématiques et des tonalités n’est pas faisable. La langue naturelle est trop subtile pour qu’un ordinateur puisse la comprendre. Seul l’humain peut interpréter les textes. Et de toutes façons ce n’est pas un problème, puisqu’il suffit de traiter « à la main » un échantillon représentatif de textes issus d’Internet pour obtenir par extrapolation un résultat fiable.
On ne peut pas se passer de l’automatisation de l’analyse des thématiques et des tonalités car les volumes sont trop importants. On est condamné à analyser de (très) grandes quantités de textes car on ne sait pas construire un échantillon représentatif de pages, blogs, forums, vidéos, tweets, etc… sur Internet (contrairement au cas de l’échantillonnage de la population d’un pays par exemple).

Comme souvent dans tout débat, la vérité est-elle sans doute un peu des deux cotés, même si bien évidemment nous sommes des partisans de la deuxième position.

Creusons un peu la discussion :

Oui, bien sûr, les outils automatiques ne peuvent pas fonctionner à 100%. L’état de l’art considère souvent que les meilleurs systèmes sont autour de 80%, quand ils sont dotés d’outils linguistiques performants. Mais cela appelle plusieurs remarques:

Même avec 80% une machine fait-elle vraiment moins bien que l’humain ? Nous avons eu, à plusieurs reprises au cours des dernières années, l’occasion de mesurer nos systèmes automatiques à la performance humaine. Cela était dans d’autres domaines que la e-reputation, en l’occurrence dans des cas d’indexation automatique des documents (ce qui se rapproche de l’analyse thématique) mais les résultats sont intéressants. L’expérience consiste à prendre 3 acteurs humains, par exemple deux professionnels de l’information comme des documentalistes et un expert métier, et le logiciel, pour leur confier la même tâche sur le même corpus, puis de comparer les résultats 2 à 2. On constate souvent que les taux de recouvrement sont, dans toutes les comparaisons, aussi bien entre humains qu’entre le logiciel et les humains, de l’ordre de 80%... La conclusion s’impose d’elle même.

Cet exemple est celui que nous avons vécu à plusieurs reprises dans nos propres expériences. Une des première approches scientifique de la question adaptée au cas du « sentiment analysis » est rapportée par dans un article d’une équipe de l’Université de Pittsburg (« Recognizing Contextual Polarity in Phrase-Level Sentiment Analysis », par Theresa Wilson, Janyce Wiebe et Paul Hoffmann, 2005).
Par ailleurs, analyse automatique ne veut pas dire résultats obtenus entièrement automatiquement. Le TAL (Traitement Automatique des Langues) est un outil de productivité. Si l’on peut analyser les textes 10 fois plus vite avec un outil, alors on pourra, à cout égal, analyser des volumes 10 fois plus importants… ou bien se contenter d’une qualité plus faible … pour 10 fois moins cher. C’est le même débat qu’en traduction automatique : la qualité n’est pas parfaite, mais il y a deux types d’usage : des outils de productivité pour aider le traducteur à produire des traductions de qualité, ou bien des outils automatiques pour avoir une traduction compréhensible même si elle est imparfaite. Ce débat autour de la traduction qui date d’une bonne vingtaine d’années se retrouve aujourd’hui autour de la e-reputation.
LINGWAY est un spécialiste de l’analyse automatique des langues, pas un professionnel du marketing ou des sondages, qui sont nos clients. C’est pour cela que nous sommes engagés avec le Medialab de Sciences PO dans un projet de recherche qui vise à développer des outils de qualification de l’influence des sources. Un point qui semble clair est que la question de la représentativité se pose de toutes façons en termes nouveaux sur Internet d’une part parce qu’on a du mal à définir la population de référence, d’autre part parce qu’au delà des statistiques, de sont des méthodes de la théorie des graphes – bien adaptées à l’analyse des liens entre les sources - qui sont les plus adaptées. D’où l’importance que prennent les outils de cartographie dans ce domaine, qui explique notre collaboration sur ce point avec la société Pikko).
Mais admettons que l’on puisse échantillonner : qu’en serait-il de la stabilité de cet échantillon ? On rejoint la discussion autour du sourcing. Peut-on construire des bouquets de sources stables, ou faut-il en permanence relancer des recherches sur l’ensemble de l’internet ? Les partisans des bouquets avancent qu’il est inutile de tout analyser, puisque l’on connaît les sources « importantes », qui ont de l’ « influence ». Sans doute, mais les choses changent si vite sur Internet que l’on risque de rater des sources importantes. Cette question du sourcing est importante et là aussi la combinaison de plusieurs méthodes est surement nécessaire. Ce sera le thème d’un autre post…

Donc finalement, nous en restons à notre idée (pas étonnant ☺): même si l’analyse automatique n’est pas parfaite, elle est indispensable ! Et elle va continuer à progresser en qualité, donc devenir de plus en plus incontournable …

Twitter et la mécanique quantique

2010-09-20T14:05:00.004+02:00

L'histoire a commencé par un message sur twitter de Pierre Chappaz s'interrogeant à propos du nombre d'utilisateurs actifs de ce réseau en France. Par utilisateur actif on entendait un utilisateur qui tweete (publie un message) au moins une fois par jour. Une étude sur le recrutement via les réseaux sociaux estimait ce nombre à environ 8.500 (pour environ 250.000 inscrits). Puis une idée simple : "on n'a qu'à se compter" et l'invitation à se faire connaitre... sur twitter évidemment.

L'histoire complète de cette tweetparty est ici sur le blog de Pierre Chappaz, mais on n'en retiendra ici qu'un des effets amusants. En effet, nombre de twittos (utilisateurs de twitter) se sont mis à twitter alors qu'ils ne l'auraient peut-être pas fait ce jour-là, pour répondre qu'ils étaient effectivement présents sur ce réseau. Autrement dit, comme en mécanique quantique, le fait de mesurer un phénomène influe sur l'objet mesuré, donc sur la mesure elle-même.

Au delà de ce parallèle amusant, une autre leçon de cette tweetparty est simplement liée aux comportements humains en général : quand il sait qu'il est observé, l'humain n'agit plus de la même façon que s'il était dans un mode spontané. Et l'internaute, qui est un humain comme les autres, n'échappe pas à la règle.

De l'importance, donc, pour qui veut sonder sinon l'âme humaine, du moins ce qu'expriment les utilisateurs sur Internet, de se placer en position d'écoute permanente, mais sans jamais provoquer la réaction. C'est la fonction de ce qu'on a appelé les listening platforms, permettant d'avoir en temps réel une image de la conversation Internet. Mais si l'écoute est permanente, elle doit se compléter de moyens d'analyse et de synthèse automatiques du contenu de cette conversation. Cet analyse doit pouvoir guider une éventuelle action, sans que cette action ne soit faussée par un préjugé de celui qui écoute. C'est là tout l'enjeu des plateformes de e-réputation.

Un buzz sans fondement?

2010-09-07T17:36:00.011+02:00

Lingway s’est engagé depuis près d’un an dans l’étude de la e-Réputation et le suivi de la conversation Internet. Ces travaux qui s’inscrivent notamment dans le cadre d’un projet de R&D collaboratif mené en commun avec le Medialab Sciences-Po et la société Pikko ont donné naissance à une offre innovante de produits et services en e-Réputation.

Pour valider notre approche, nous avons développé une application de suivi de l’actualité de ce qu’il est convenu d’appeler la « blogosphère », ou encore le « buzz ». Le principe en est simple : une surveillance quotidienne des réseaux sociaux majeurs sur certaines thématiques nous fait remonter à la fois des « posts » émis sur ces réseaux et des liens vers des pages qui viennent d’être publiées ou de revenir à la mode (plus rarement, mais cela arrive).

Sur l’ensemble de ces contenus, nous lançons ensuite nos outils d’analyse linguistique afin d’extraire, jour après jour, les noms de personnes, d’organisations ou de lieux (les « entités nommées », pour les connaisseurs) et les thèmes saillants. Ces thèmes sont essentiellement des groupes nominaux trouvés dans les textes et sélectionnés pour leurs représentativités. La comparaison entre les données du jour et celles de la semaine passée nous fournit ainsi un baromètre de la blogosphère. On y voit les thèmes qui apparaissent dans l’actualité, ceux qui montent, sont stables ou descendent, voire disparaissent. Parmi les sujets suivis, il y a bien sûr la politique. La consultation de ce baromètre, chaque matin, nous permet de connaitre en quelque sorte la conversation de « café du commerce » à l’échelle du Web : on y trouve les affaires du jour, leurs acteurs et, évidemment, les blogs et média politiques « en pointe » sur ces sujets.

Aujourd’hui, mardi 7 septembre 2010, jour de manifestation sur la réforme des retraites, mais est-ce un hasard ?, le premier thème est « Google bombing ». Ah, tiens, voilà un moment que ce genre de pratique n’avait pas refait surface. Plus étonnant, le deuxième thème, que nous vous laissons découvrir par vous-même sur la copie d’écran ci-dessous.

Il est vrai que « trou du c… » est une construction grammaticale tout ce qu’il y a de plus correcte, que notre analyseur, qui fait fi des convenances, a extrait naturellement parce qu’il se trouve être un groupe nominal comme les autres, détecté comme représentatif des pages collectées ce jour. Comme les autres ou presque ... La réponse à cette présence incongrue, c’est le troisième thème qui nous la fournit (et surtout la consultation des articles liés à ces thèmes, comme celui du Post) : des petits plaisantins s’étant livrés à un « Google bombing » envers Nicolas Sarkozy.

Google proteste de l’intégrité de ses résultats, assurant qu’il n’est pas responsable de ce genre de manœuvres. Nicolas Sarkozy apparaissait bien dans notre top des personnalités politiques et Google dans le top des organisations de ce matin, mais ces informations à elles seules n’étaient pas suffisantes pour éveiller la curiosité). Ce « bombardement Google », pour parler français, a « fait le buzz » ce matin sur twitter (et sur les autres réseaux sociaux, avec un peu en décalage) et notre baromètre l’avait décelé.

Heureusement, l’actualité « vraie », celle qui fera la une du 20 heures apparaît en 4e position de notre liste des thèmes émergents, c’est celui des retraites et la campagne de communication du gouvernement sur les retraites.

Quelle conclusion tirer de tout ça ? Au delà du plaisir évident que nous procure la consultation de cet outil et les considérations habituelles sur le caractère éphémère d’un buzz. Il démontre qu’une analyse linguistique puissante, combinée à des chaînes de collecte efficace, est capable de détecter avec précision des signaux d’information sur le Net et ce via des termes dont, nul chez Lingway n'a l’intention de les ajouter au dictionnaire !

e-notoriété ou e-réputation ?

2010-09-03T12:26:00.004+02:00

Interrogez Google sur « e-reputation » : 90 millions de hits.
Sur « e-notoriété » : 1 seul million de hits … Pourtant il semble bien que dans la pratique on fasse plus souvent de l’analyse de notoriété que de réputation sur Internet.
Faire de l’analyse de notoriété est assez simple : c’est pourquoi l’offre d’outils dans ce domaine est pléthorique, en pratique cela revient la plupart du temps à compter les apparitions d’une société, d’une marque ou d’une personne sur Internet, et à établir des statistiques de dénombrement par type de site, par langue, par période de temps, etc.

Faire de l’analyse de réputation est sensiblement plus délicat puisque ce sont des avis que l’on veut analyser. Il ne s’agit plus de savoir si une marque est connue ou non, mais bien de savoir si elle inspire confiance ou non à tel ou tel segment de ses clients.

Comment repérer des avis au milieu de la masse de textes de tous ordres qui mentionnent l’objet étudié ?

Comment s’assurer que les avis que l’on a repérés sont représentatifs des opinions exprimées sur Internet ?

Comment analyser l’avis lui-même et le catégoriser?

Repérer les avis: On constate généralement que le nombre de messages qui expriment réellement des avis est finalement faible par rapport au nombre total de citations de cette société ou cette marque.Selon notre expérience, et en temps « normal » , ce sont seulement 5 à 10%des pages citant une entreprise ou une marque sur Internet qui indiquent réellement un avis. Bien sûr ce ratio peut varier dans le temps et être sensiblement plus importants en temps de crise.

Si de plus on souhaite analyser les avis en fonction de la nature de leur auteur (personne privée, média, institution, société … ) et la nature de la source Internet (blog, forum, site, etc … ), on s’aperçoit très vite qu’une méthode par sondage est tout à fait insuffisante, car les effectifs par catégorie seraient trop faibles pour pouvoir en tirer un quelconque enseignement. (d’autant que par ailleurs, on ne connaît pas de méthode claire pour identifier un échantillon représentatif sur Internet …)
Il faut donc viser une approche autant que possible exhaustive, ramasser large puis filtrer et catégoriser finement.

Comment s’assurer que les avis sont représentatifs ? Pour cela, on peut utiliser deux méthodes : celle des « Bouquets » ou celle du « Search ». La première est largement répandue, elle consiste à recenser une liste d’URL à suivre sur un sujet donné. L’intérêt est évidemment de capitaliser sur cette liste, mais le risque est de rater de nouvelles URL intéressantes.

La méthode « search » consiste à relancer en permanence une recherche sur un index Internet, à partir d’une liste de mots clés représentatifs de l’étude. L’intérêt est de mettre en permanence à jour la liste de sites à suivre, mais le risque est d’introduire du bruit, donc nécessite d’avoir des outils de filtrage puissants.

Comment analyser les avis eux-mêmes ? Un avis se traduit généralement par un verbatim, qui est une séquence du texte initial, catégorisée sous différentes facettes :
- l’objet dont on parle ( une marque, une entreprise, une personne… )

- le thème qui est discuté ( un prix, un délai de livraison, la qualité d’un service ou d’un produit … )

- éventuellement, un jugement positif ou négatif, avec des gradations possibles passant par des félicitations, marques de satisfactions, critiques, injures, etc …

Mais tous ces « avis » qui circulent de manière spontanée sur Internet représentent une masse de données très importante et ne peuvent être analysés « à la main ». Le besoin d’outils logiciels pour aider à structurer cette masse d’information est évident et l’on comprend aisément que le succès de ces « analyses » passe par le TAL (Traitement Automatique des Langues).

A notre sens, on ne peut donc parler raisonnablement de « e-réputation » si l’on ne traite pas cet aspect lié à l’analyse des avis. Si l’on reste au niveau de l’analyse de la présence sur Internet, parlons plutôt de e-notoriété

Quelle e-Réputation pour les banques en ligne ?

2010-06-25T14:02:00.004+02:00

Les banques en ligne ont un peu plus de 10 ans d'existence, malgré cela l’image de « Confiance » ou de « Fiabilité » … ne leur est pas encore totalement associée contrairement à leurs grandes sœurs et concurrentes directes, les banques « traditionnelles ». Sans doute parce que le caractère « virtuel » de la banque en ligne fait peur !

Afin de se démarquer et d’affirmer leur positionnement sur le marché, les banques en ligne (Monabanq, Boursorama, ING, Fortuneo et Bforbank…) ont concentré leurs efforts sur la mise en ligne de services innovants pour améliorer la proximité avec le client au quotidien et une communication « agressive » pour inciter le grand public à passer d’une banque traditionnelle à une banque en ligne.

Dans le cadre de son offre LINGWAY e-Réputation, Lingway a mis en œuvre ses outils d’analyse automatique de l’opinion sur Internet sur les « banques en ligne » à travers 2 "crawls" réalisé en avril et mai derniers, afin d’en déterminer les grandes tendances :

* Quelle est l’image de ces banques dans la conversation Internet ?

* Leur aspect virtuel : reste-il un handicap ou ont-elles réussi à le contourner ?

* Quelles sont les représentations qui leur sont associées par les internautes ?

A la suite de notre étude sur les « banques en ligne » nous pouvons constater quatre éléments clefs :

1er constat : On parle sur Internet des banques en ligne. C’est bien le moins, puisque c’est leur « zone de chalandise »,mais c’est grâce à une communication importante qui tend à devenir le premier thème de discussion des internautes et à éclipser ceux portant sur les services en ligne et produits bancaires.

2ème constat : La proportion de pages contenant des "véritables avis", c'est-à-dire qui expriment effectivement une opinion sur les produits ou services bancaires, est relativement faible. Ce qui oblige à effectuer des recherches les plus exhaustives possible pour recueillir des échantillons significatifs.

3ème constat : Lorsqu’il n’est pas écarté, c’est le thème de "l’innovation" qui est le plus présent.
Plus précisément, les internautes perçoivent l’innovation :

* dans l’offre de services (proximité, compétitivité)

* via l’offre de produits liés aux avancées technologiques, en particulier autour de la téléphonie.

Emergent également des verbatims sur la fiabilité souvent présentés comme corollaire à l’innovation …

4ème constat: En ce qui concerne leur cœur de métier, c’est-à-dire les produits et services bancaires, les banques en lignes sont globalement perçues positivement par les internautes. Aucune ne descend en dessous de 50% d’opinions positives, ce qui est un bon score, si l’on garde à l’esprit qu’Internet est souvent plus le lieu d’expression des mécontentements que des louanges.

Les résultats de notre étude sur notre site internet cliquer ici

« Buzz », retweet et influence …

2010-05-27T18:13:00.010+02:00

Les circuits informels de l’information sur internet

Sur internet, l'influence (*) occupe une position singulière : omniprésente dans les esprits, elle est pourtant l'une des notions les plus difficiles à définir, et donc à mesurer. Ses réseaux se reconfigurent en permanence, tant en fonction du moment d’observation que du sujet traité.

Cette volatilité est particulièrement flagrante sur Twitter. En effet, la facilité et la rapidité d’utilisation du site de micro-blogging ont entraîné une accélération des cycles de circulation et de consommation de l’information sur internet.

On retrouve souvent le mot « buzz » pour désigner d’un même terme la rapidité de l’émergence et de la propagation des « hots topics », généralement matérialisés par des liens. Le terme est largement utilisé par de nombreux acteurs de la chaîne informationnelle (journalistes spécialisés ou non, communiquants, internautes actifs, etc.), mais il reste pourtant difficile à cerner. Le buzz semble correspondre plutôt à une dynamique et à un ensemble de comportements interdépendants qu’à une situation précisément délimitable.

Pour contourner ces diffcultés théoriques, étudions plutôt un cas concret.

Samedi 17 avril 2010, M6 annonce que plusieurs joueurs de l’équipe de France de Football ont été entendus comme témoins dans le cadre d’une enquête sur une affaire de proxénétisme impliquant une mineure. L’information est confirmée le lendemain “de source judiciaire”.

Pendant les deux jours qui suivent, plusieurs noms vont circuler, dans les médias puis sur internet : ceux des footballeurs en question, puis celui du proxénète présumé. Il s’avère que ce dernier n’est pas un inconnu complet : il a notamment été un candidat malheureux à une émission de télé-réalité (href="http://vids.myspace.com/index.cfm?fuseaction=vids.individual&VideoID=8362019).

Dans la journée du 20 avril, plusieurs personnes commencent à exhumer diverses vidéos le montrant en compagnie de célébrités, et à poster les liens sur des réseaux sociaux, ainsi que sur Twitter. Ces vidéos sont rapidement retirées de Youtube, Dailymotion ou Vimeo, souvent au prétexte de violations sur le droit d'auteur (par exemple ici : http://bit.ly/bVCrTM). On peut supposer que cette réactivité et cette combativité ont contribué à pousser les internautes à aller fouiller toujours plus loin. C'est l'effet « Streisand » (http://en.wikipedia.org/wiki/Streisand_effect).

Le 21 avril, le prénom de la jeune prostituée est révélé : elle s’appelle Zahia D. Très peu de temps après, on peut lire le tweet suivant sur le compte de Vincent Glad (http://twitter.com/vincentglad), journaliste à Slate.fr, qui compte plus de 6 200 followers :

Le profil Facebook de Zahia D. est public, et n’importe quel membre de Facebook peut donc voir ses photos. Ces photos sont téléchargées et hébergées ailleurs, puis mises à disposition sur Twitter.

Moins de quarante minutes plus tard, Gautier Gevrey (http://twitter.com/woumpah) (graphiste, 1 400 followers environ) poste le twit suivant :

La photo en question (http://twitpic.com/1h90wt) est un montage assez grossier, avant tout destiné à faire rire. Une demi-heure plus tard, pour le posteur, l’affaire est close - on peut passer à autre chose : « Et voilà... Zahia peut rejoindre Amandine du 38 [http://blog.bakasphere.com/2009/02/webstory-miss-amandine-la-rappeuse-du-38-jsuis-dretour-ouais-gros/] et David Bivas [http://www.dailymotion.com/video/xbdj7l_le-gros-bide-de-davis-bivas_fun] au panthéon du buzz ».

Deux heures plus tard pourtant, un premier rebondissement : Zataz, site d’actualités spécialisé dans la sécurité informatique, reprend le montage montrant Frank Ribéry et Zahia D., en le présentant comme une vraie photo. L’erreur est vite corrigée, mais quelqu’un a déjà eu le temps de faire des captures d’écran :

A partir de ce moment, le montage a quitté Twitter. On peut supposer qu’il commence à circuler par mail et par messagerie instantanée, c’est-à-dire dans un cadre privé, où personne ne se soucie de créditer la source d’origine.

Le 22 avril, une phase de « backlash » commence. On peut lire sur Twitter et sur divers blogs des messages dénonçants les personnes ayant mis à disposition les photos de Zahia D. (http://cestlagene.com/2010/04/22/faux-scandale-et-vrai-probleme/). Parallèlement, le montage montrant Ribéry et Zahia D. continue son chemin jusque dans la presse papier (le Daily Mail, sans reproduire l’existence, annonce l’existence d’un cliché montrant Ribéry et Zahia ensemble). Il est également repris sur plusieurs sites d’actualités « people » (http://www.exclusifpeople.com/article-zahia-dehar-sa-photo-exclusive-avec-ribery-49090412.html).

A ce stade, il semble que les sites qui reprennent le montage photo n’ont plus la moindre idée de sa provenance, et se moquent de son authenticité. Ils évoquent parfois la possibilité d’une falsification (“La photo est-elle authentique ?”), mais plutôt pour se prémunir contre d’éventuelles accusations.

Le buzz a alors entièrement quitté Twitter pour rejoindre le circuit classique de l’information.

Sur Twitter, il ne reste plus qu’à faire un dernier commentaire avant de passer à autre chose :

En elle-même, l’histoire de ce montage est anecdotique. Elle est néanmoins révélatrice d’un certain nombre de traits saillants.

On constate d’abord que sur les réseaux où l’information circule à grande vitesse (Twitter, messageries instantanées, etc.), l’information a un cycle de vie similaire à celui des médias plus traditionnels – scoop, accélération / précipitation, ralentissement, remise en cause de la réaction de départ et promesse de ne plus s’emballer pour rien. Ce cycle de vie est totalement indépendant du cycle traditionnel, car son rythme est tellement plus rapide que la seule interaction possible est le moment où le buzz quitte Twitter pour entrer dans la médiasphère.

Ensuite, on voit que les participants ont un regard critique sur leur propre action, même s’ils ne sont pas toujours pleinement conscients de leur influence (ou la refusent). On ne peut donc pas se fier à eux pour déterminer qui est influent et qui ne l’est pas.

Grâce à des études récentes (http://an.kaist.ac.kr/~mycha/docs/icwsm2010_cha.pdf), on sait maintenant que l’influence n’est pas directement fonction du nombre de followers.

L’influence correspond plutôt à la capacité à produire du contenu qui sera retwitté (http://an.kaist.ac.kr/~haewoon/papers/2010-www-twitter.pdf).

Enfin, du point de vue des applications du Traitement Automatique des Langues, notamment la veille et l’analyse de sentiment, il est actuellement impossible de travailler à cette échelle en temps réel.

Pour l’instant, on doit se contenter de repérer les liens lorsqu’ils quittent Twitter et les réseaux sociaux pour arriver sur le web classique, par le biais des blogs.

Mais cela pourrait changer dans l’avenir : les moteurs de recherche généralistes, Google en tête, sont en passe de mettre en place une indexation en temps réel de tous les contenus qu’ils crawlent, Twitter compris. Mieux, Twitter vient de lancer une rationalisation et un renouvellement de son API, qui représentait déjà l’une de ses plus grandes forces. On voit déjà fleurir des applications concrètes et prometteuses. Des chercheurs américains ont par exemple montré l’existence d’une corrélation entre les messages postés sur Twitter et les résultats de sondages d’opinion effectués au même moment (http://www.research-live.com/news/analytics/twitter-data-mirrors-opinion-poll-results-study-finds/4002686.article).

(*) Lingway aborde ces problématiques dans le cadre du Projet iPinion mené conjointement avec le médialab de Sciences Po et l’éditeur de logiciels de cartographie Pikko. Ce projet de R&D collaborative labellisé par Cap Digital Paris Région a pour objectif le développement de nouveaux outils pour l’analyse et la représentation de l’e Réputation des sociétés, des marques et des personnes sur Internet.

Les premiers résultats de ce projet incluant notamment une interface avec Twitter sont d’ores et déjà disponibles dans l’offre commerciale LINGWAY e-Réputation.

LINGWAY à la Conférence RIAO 2010

2010-04-29T18:42:00.000+02:00

Lingway était présent à la 9ème Conférence Internationale RIAO (Recherche d'Information Assistée par Ordinateur) qui c'est tenue du 28 au 30 avril 2010 dans le cadre du Campus des Cordeliers de l'Université de Paris VI.

A cette occasion Lingway Labs, la structure de R&D collaborative de Lingway, et ses partenaires du Projet SIRE (Sémantique Internet Emploi et Recrutement), le Laboratoire MoDyCo - UMR 7114 CNRS de l'Université Paris Ouest Nanterre La Défense et Proxem, ont présentés les premiers résultats de ce projet qui vise à créer des composants sémantiques adaptés au secteur de l'emploi et des ressources humaines.

Un article scientifique sur cette intervention est disponible sous le titre "Linguistic information extraction for job ads"

Lire ou télécharger l'article

Sentiment Analysis Symposium : Lingway y était

2010-04-21T11:45:00.000+02:00

Le 13 Avril dernier s’est tenu à New-York le premier Sentiment Analysis Symposium.
Organisé par Seth Grimes (Analyste chez Altaplana Corporation et également organisateur du Text Mining Summit de Boston) le symposium a réuni plus de 80 personnes, tant fournisseurs qu’utilisateurs de la technologie.

Très éclectique, cette conférence a donné lieu à des présentations théoriques sur l’état de l’art en Analyse du Sentiment (Seth Grimes, Claire Cardie), et fourni des pistes prometteuses comme celle de Shlomo Argamon sur la segmentation automatique du marché. Ainsi que des communications plus orientées « marché » avec des témoignages d’utilisateurs d’Analyse du Sentiment, comme Stephanie Noble sur l’utilisation de ces technologies dans le domaine pharmaceutique ou Leslie Barret (LBTech Consulting) dans les news.

Dans ce même domaine Richard Brown (Thomson Reuters) a présenté d’étonnants modèles permettant de coupler l’évolution des cours d’actions avec la tonalité détectée dans les news et ouvrant la voie à une analyse prédictive de ces cours. La pharmacie comme la finance sont sans doute des marchés précurseurs, le prochain « grand » marché devant être celui de la politique de l’avis de nombre de participants (twitter, pendant la réunion, a beaucoup fonctionné !)

Enfin, éprouvants pour les présentateurs, mais très enrichissants pour l’auditoire ont été les « lightening talks », présentations de 5min (chrono !) de fournisseurs de technologie. A côté des leaders technologiques américains comme Lexalytics, SentiMetrix ou ClaraBridge, quelques européens (Saplo, Integrasco, Temis), ainsi que des fournisseurs de technologie open-source comme LingPipe (Alias-i). Enfin, SAP, aujourd’hui plus « global » qu’allemand, a présenté l’intégration de twitter comme canal de CRM dans le système SAP, avec une mesure de sentiment pour classifier les interactions.

4 idées-force peuvent résumer cette journée :

« you need strong NLP to perform Sentiment Analysis ». L’importance d’un véritable traitement linguistique, affiché par Seth Grimes dès sa présentation d’introduction, a fait un réel consensus ;
en revanche, personne ne table sur une automatisation complète. Une image donnée dans ce symposium fut celle du détecteur de métaux : cela donne une information, mais il faut un humain pour creuser ;
dans le même ordre d’idée, un chiffre est à retenir : 80%. Soit le taux de succès qu’on peut espérer d’une analyse du sentiment. Et comme c’est aussi le taux moyen d’accord de deux jugements humains face à une expression (écrite) de sentiment, il semble illusoire de vouloir aller plus loin ;
toutefois, il y a – même parmi les industriels – une forte demande à standardiser les mesures, les procédés de ce domaine encore immature. En marge du symposium, une tendance s’amorce avec la standardisation du vocabulaire, ce qui est une bonne façon de procéder ;

Par ailleurs, trois grands défis vont conditionner l’avenir de cette discipline. Des défis autant scientifiques que marché :

premier besoin : le multilinguisme. Et ceci même pour le marché nord-américain, pour lequel nombre d’internautes s’expriment en espagnol, par exemple. Hors l’anglo-américain, l’offre est pratiquement inexistante ;
deuxième défi : comment connecter les sentiments exprimés aux actions des internautes, autrement dit, comment mesurer une influence à partir d’un sentiment ? Il faut dire que l’utilisation de ces technologies se fait principalement aujourd’hui dans le cadre des applications CRM. Mais, comme l’a fait remarquer Richard Brown, « not all content is created equal » (tous les contenus n’ont pas la même valeur). Et ici, les réponses, même théoriques, ne sont pas claires ;
dernier défi : l’objet sur lequel portent des évaluations. Aujourd’hui, les analyses de sentiment se font essentiellement sur les marques (ou plus généralement d’entités nommées), pas à propos de sujets plus vastes, parce que plus simple à mettre en œuvre. Faire automatiquement une analyse de sentiment sur un sujet de société constitue un réel challenge pour ce type de système.

Rendez-vous en 2011 pour un deuxième Sentiment Analysis Symposium … à Paris ?.

OUI la sémantique est aujourd'hui mature

2010-04-01T17:39:00.000+02:00

En réponse à l’article intitulé « Il y a sémantique et sémantique » paru dans le N°116 de Veille Magazine en janvier dernier, Bernard Normier Président de Lingway apporte sa vision qui tient en 6 points.

Vous pouvez-lire l'ensemble de cet article en cliquant ici

Le TAL : indispensable pour suivre sa e-Réputation

2010-02-09T15:14:00.000+01:00

Dans un rapport récent, Suresh Vittal, analyste chez Forrester, faisait une remarque très pertinente à propos du développement des « Plate-forme d’apprentissage » : le succès de ces offres passe par une combinaison de technologie, notamment le TAL (Traitement Automatique des Langues) et de services d’expertise humaine.

Cette approche pragmatique, qui reconnaît que les méthodes entièrement automatiques ne permettent pas d’interpréter toutes les finesses d’un texte, mais qui en même temps considère que les outils du TAL sont désormais indispensables pour aider efficacement un analyste est exactement celle que Lingway souhaite mettre en œuvre dans le projet iPinion.

Ce projet de 2 ans, piloté par Lingway en collaboration avec Sciences Po Medialab (http://www.sciences-po.fr/recherche/fr/dispositif/medialab.htm) et Pikko (http://www.pikko-software.com/), a obtenu le label du pôle de compétitivité Cap Digital (www.capdigital.com) et a été retenu comme un des projets lauréats de l’Appel à Projet sur les Web 2.0 lancé par le Secrétariat à l’Economie Numérique. (www.telecom.gouv.fr/fonds.../webinnovant/aap-webinnovant.pdf).

Il a pour ambition de lever 4 verrous bloquants :

- Définir les conditions dans lesquelles des corpus pertinents peuvent être réunis, et développer les outils capables de réaliser leur recueil sur Internet.
- Développer les outils capables d'identifier dans les pages Internet les zones de textes ayant un véritable intérêt informationnel.
- Développer les outils d'analyse linguistique et sémantique capables de repérer et catégoriser les opinions exprimées dans ces pages, notamment les liens logiques et les modalités de jugement.
- Développer, enfin, les outils d'analyse de données et de cartographie permettant une représentation intuitive et pédagogique de la structuration, du contenu et de l’évolution de l’opinion sur Internet.

En abordant ces 4 points, iPinion pourra introduire une rupture significative dans le monde des études de marché et d’opinion en proposant aux Directions Marketing des Grandes Entreprises des outils innovants de compréhension de leurs marchés.

La Sémantique : c’est pas du luxe !

2010-02-02T17:45:00.000+01:00

Ce billet aurait pu porter le nom sérieux de « évaluation de la valeur ajoutée de la sémantique pour la recherche de documents »…

Récemment, nous avons réalisé une évaluation avec un de nos clients dans le domaine de la recherche d’offres d’emploi.

Nous avons comparé un moteur classique (non sémantique) avec notre moteur sémantique LINGWAY KM. Il s’agissait de la même base de 25.000 documents.

Pour l’évaluation, nous avons utilisé 45 requêtes tirées au hasard parmi les requêtes fréquentes (plus de 40 fois à par an) à un moteur de recherche d’offres de ce client. Il est intéressant de commenter qu’à côté des requêtes typiques associées à un profil (« chargé d’études statistiques », « avocat international »…), on trouve des requêtes qui peuvent être plus surprenantes comme « chinois », « anglais espagnol » ou encore « AS400 ».

Deux évaluateurs indépendants ont été invités à se prononcer sur la pertinence de chacune des 20 premières réponses à chacune des 45 requêtes sélectionnées (techniquement on parle de la « précision à 20 »).

Un premier fait est frappant : le moteur classique montre 16% de cas avec aucune réponse pertinente, et le moteur sémantique (LINGWAY KM) seulement 4%, autrement dit les cas où l’utilisateur repart bredouille sont divisés par 4 !!

Un deuxième fait est également assez clair : dans plus de 55% des cas, le moteur classique présente plus de 10 mauvaises réponses sur les 20 premières. Sur ces mêmes cas, LINGWAY KM ne présente en moyenne que 5 mauvaises réponses sur les 20 premières.

Ces deux faits font une grande différence en termes de qualité perçue par l’utilisateur …

D’autres tests réalisés dans d’autres domaines montrent les mêmes tendances (notamment sur des sites de e-commerce).

Notre conclusion, c’est que la sémantique dans les moteurs de recherche, ce n’est pas un luxe.

En revanche perdre des clients sur un site de e-commerce ou des candidats sur un site emploi, voilà qui serait un luxe !

? en savoir plus : sur la notion de précision à N :

http://en.wikipedia.org/wiki/Information_retrieval