Brice Teinturier, Directeur Général Délégué d'Ipsos en France a démontré lors de notre cycle de conférences Humanized Data comment l'utilisation de la data permet de mieux identifier les phénomènes sociétaux et d'accéder à une compréhension plus fine des consommateurs et des citoyens.

La compréhension des consommateurs ne passe pas seulement pas la connaissance de leurs profils, l’identification de leurs besoins et l’anticipation de leurs attentes. Il est indispensable de prendre également en compte les dynamiques qui traversent la société dans son ensemble et structurent l’opinion publique. Un exemple emblématique est le mouvement des gilets jaunes qui a débuté en novembre 2018. 

« Cette contestation populaire était relativement prévisible, indique Brice Teinturier, Directeur général délégué d’Ipsos en France. L’intensité grandissante des tensions ressortait à chaque étude sur la population depuis de nombreux mois. » Précarité grandissante de l’emploi, injustice sociale et fiscale fortement ressentie, rejet de la logique technocratique et d’une France ramenée à un tableur Excel, crise de la représentation… les motifs de rébellion se sont multipliés ces dernières années, tandis que la violence s’exprimait de plus en plus librement. 

Parallèlement, le syndrome de la goutte d’eau qui a donné naissance aux gilets jaunes était également détectable dans les données sur les individus obligés de se déplacer en voiture individuelle dans les zones rurales et périurbaines. La montée des prix des carburants et des taxes les a touchés de plein fouet, ajoutant un garrot supplémentaire et les rendant otages d’une situation subie. Il est particulièrement intéressant d’observer que la carte de France des territoires où les gilets jaunes sont les plus virulents correspond à peu près à la carte des déplacements contraints en voiture, issue d’une étude d’Ipsos sur la mobilité pour le groupe Vinci et réalisée en octobre 2018. « Relier les datas macro aux datas micro permet d’avoir une compréhension holistique des consommateurs citoyens », insiste Brice Teinturier.

Le point de vue d'Ipsos sur la question

« L'intelligence humaine est essentielle pour parachever le processus d'analyse des algorithmes. » - Mathilde Guinaudeau, directrice du département Social Intelligence & Analytics

À l’heure où les quantités de données récoltées pour nos clients sont toujours plus massives, il est impératif d’en maîtriser la collecte et l’analyse, et d’en tirer une interprétation fine.

Au sein du département Social Intelligence & Analytics d’Ipsos en France, notre travail quotidien consiste à traiter d’énormes quantités de données non structurées – images, textes et verbatims provenant des réseaux sociaux, d’outils CRM, d’études qualitatives ou de témoignages de consommateurs – pour en tirer des enseignements pour nos clients. 

Dans le passé, nous analysions toutes ces données de façon qualitative, avec l’intelligence humaine comme seul filtre. Aujourd’hui, en ayant recours à l’intelligence artificielle, il est possible de les analyser de façon beaucoup plus fine, même quand il s’agit de traiter plusieurs millions de verbatims, par exemple. Dans ce contexte, deux éléments sont essentiels : intégrer différentes sources de données pour avoir une vision la plus complète possible de la vérité – c’est tout le sens de notre plan de transformation Total Understanding – et être en mesure d’analyser ces données. 

Concernant la récolte des datas, nouss disposons depuis l’acquisition de Synthesio, spécialiste du social listening, d’une palette d’outils d’écoute des réseaux sociaux, nous permettant de maîtriser pleinement nos sources et de compléter en interne notre travail classique d’institut d’études. 

Ensuite, nous sommes en mesure de traiter nous-mêmes l’analyse de ces datas : Ipsos s’est doté de sa propre équipe de data scientists regroupant ingénieurs linguistes, experts en traitement automatique du langage, développeurs et experts en “sentiment” capables de détecter les émotions derrière les mots utilisés par exemple. Cela nous permet de maîtriser l’intégralité du processus d’analyse, de créer nos propres algorithmes et surtout de pouvoir les customiser en fonction des besoins de nos clients. 

Dans tous les cas, en complément de l’exploitation des données, l’aspect humain demeure essentiel pour trouver du sens à ces datas. Nous travaillons dans un processus itératif avec nos équipes de data scientists, afin d’obtenir des algorithmes produisant des résultats qui ont du sens. Nous croisons ensuite cela avec des insights, des histoires, bref toutes les méthodes que nous maîtrisons depuis toujours. Si l’intelligence humaine n’est pas en mesure de traiter les masses de datas dont on  dispose aujourd’hui, elle n’en reste pas moins essentielle pour parachever le processus d’analyse.