L’intelligence artificielle générative permet de mieux comprendre les réactions des utilisateurs sur les réseaux sociaux. Ces développements vont de pair avec de nouvelles stratégies marketing très efficaces qu'analyse Pascal Bizzari, directeur général délégué et partner au sein du cabinet de conseil en data et IA Avisia.

Décideurs. En quoi l’intelligence artificielle générative change-t-elle la compréhension des contributions des internautes sur les réseaux sociaux ?

Pascal Bizzari. Auparavant, les marques faisaient de la veille sur les réseaux sociaux. Leurs collaborateurs effectuaient des recherches pour analyser les contributions des internautes, grâce à des outils d’alerte et de la recherche manuelle. Ils classaient les réactions selon trois grandes catégories, les positives, les neutres et les négatives. Au tout début, des algorithmes appelés NLP (natural language processing) permettaient de comprendre le langage dit naturel, désormais l’intelligence artificielle générative permet d’aller bien plus loin, en appréhendant l’ironie, les émojis ou encore l’utilisation de plusieurs langues en même temps.

Comment cela fonctionne-t-il ?

Il y a quelques années, lorsque les outils analysaient des plateformes comme X (ex-Twitter), ils pouvaient s’appuyer sur le style assez journalistique des contributions, donc sur des typologies de phrases classiques. Avec le développement d’Instagram et de TikTok, le style des internautes a évolué. Ils utilisent davantage d’anglicismes ou d’émojis. Les algorithmes, qui avaient déjà du mal à capter le sens de certains mots dans un contexte donné, n’arrivaient pas à saisir celui des nouveaux modes de communication. Désormais, les technologies d’IA génératives appréhendent un ensemble du texte plus important et possèdent une puissance de calcul qui facilite la compréhension des mots et des images en les contextualisant davantage.

Auriez-vous un exemple ?

Depuis sept ans, nous analysons les commentaires autour de l’élection de Miss France afin de savoir si nos outils permettent d’en déterminer la gagnante. Sur cinq élections, ils ont vu juste à deux reprises. Dernièrement, nous avons réussi à décrypter des messages comme "so glam, so 🔥" au sujet d'une candidate. L'IA générative comprend l’argot, les anglicismes et peut donner la signification de l’émoticône feu dans ce contexte. Dans un modèle classique de NLP, la machine ne savait pas si le commentaire était positif ou négatif.

"À partir du moment où l’on examine les informations provenant d’un réseau social, il convient de toujours analyser la typologie d’utilisateurs"

L’évolution des profils d’utilisateurs sur X influence-t-elle votre manière d’appréhender le réseau social ?

À partir du moment où l’on examine les informations provenant d’un réseau social, il convient de toujours analyser la typologie d’utilisateurs. Chaque réseau rassemble un type de clients cibles, mais n’est pas représentatif. Il est possible de pondérer la part de chacun des réseaux dans les résultats en fonction de sa clientèle. Par exemple, on retrouve des profils plus âgés sur Facebook que sur Instagram. Donc, si ma clientèle est composée à 80 % de jeunes, je vais donner une part plus importante à ceux d’Instagram qu’à ceux de Facebook.

La stratégie des marques sur les réseaux sociaux a-t-elle évolué ?

Avant, les marques avaient une stratégie ascendante. Elles observaient la manière dont les utilisateurs réagissaient à leurs produits. Aujourd’hui, leur stratégie est descendante. Elles écoutent moins les bruits ambiants. Les marques font appel à des micro-influenceurs (c’est-à-dire des personnes qui ont entre 10 000 et 30 000 followers) qu’elles sélectionnent après avoir analysé leur profil. Elles leur donnent des produits à tester et sponsorisent des posts. Les utilisateurs se reconnaissent davantage dans ces profils que dans Beyoncé. Les entreprises travaillent grâce à une multitude de profils de ce type, ce qui est très efficace.

"L’IA générative comprend l’argot, les anglicismes et les émoticônes"

Au-delà des réseaux sociaux, comment les entreprises utilisent- elles ces développements ?

Elles se sont vite approprié l’IA générative pour traiter l’information, comme dans le domaine du service client. Lorsqu’un client appelle un SAV, par exemple, l’IA générative écoute la conversation et transcrit sa problématique. Cette conversation est ensuite transmise à un autre outil, dit agent, qui va chercher dans la documentation de l’entreprise les bonnes pages pour permettre à l’utilisateur de répondre rapidement au client en lui évitant une recherche manuelle. Cela profite à l’image de l’entreprise, mais également aux employés qui sont rémunérés au nombre d’appels.

Vous mettez en avant les progrès dans le reporting. Quels sont-ils ?

Les entreprises diffusent une multitude de données en interne. Elles sont tellement nombreuses qu’il est parfois difficile de savoir celles dont on a besoin et où les trouver. À partir d’une petite interface (équivalente à ChatGPT), il devient possible de poser une question dans un langage naturel. Par exemple : "Je cherche les audiences sur tel ou tel article à telle date." Un agent va comprendre la question, l’analyser, vérifier que j’ai le droit de consulter cette information et me la donner en langage naturel. Il peut aussi réaliser des focus, décomposer des chiffres ou encore proposer des graphiques. C’est un détournement de l’IA générative – au départ créée pour traiter du langage – qui permet de gagner du temps.

Propos recueillis par Olivia Vignaud