Chapitre 1. Historique et état du marché - Sciences Po Spire

OpenEdition Press
................................................................................................................................................................................................................................................................................................
Chapitre 1. Historique et état du
marché
................................................................................................................................................................................................................................................................................................
Avertissement
Le contenu de ce site relève de la législation française sur la propriété intellectuelle et est la propriété exclusive de
l'éditeur.
Les œuvres figurant sur ce site peuvent être consultées et reproduites sur un support papier ou numérique sous
réserve qu'elles soient strictement réservées à un usage soit personnel, soit scientifique ou pédagogique excluant
toute exploitation commerciale. La reproduction devra obligatoirement mentionner l'éditeur, le nom de la revue,
l'auteur et la référence du document.
Toute autre reproduction est interdite sauf accord préalable de l'éditeur, en dehors des cas prévus par la législation
en vigueur en France.
Revues.org est un portail de revues en sciences humaines et sociales développé par le Cléo, Centre pour l'édition
électronique ouverte (CNRS, EHESS, UP, UAPV).
................................................................................................................................................................................................................................................................................................
Référence électronique
Dominique Boullier et Audrey Lohard, « Chapitre 1. Historique et état du marché », in Opinion mining et ‎Sentiment
analysis (« Collection « Sciences Po │ médialab » », n o 1) , 2012 [En ligne], mis en ligne le 19 mars 2012, consulté le
22 mars 2012. URL : http://press.openedition.org/204
Éditeur : Cléo/OpenEdition
http://press.openedition.org
http://www.revues.org
Document accessible en ligne sur :
http://press.openedition.org/204
Document généré automatiquement le 22 mars 2012.
Licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Pas de Modification 3.0 France

Chapitre 1. Historique et état du marché
OpenEdition Press
Chapitre 1. Historique et état du marché 2
1 Depuis l’arrivée du web 2.0, l’intérêt va croissant pour connaître les opinions des internautes
qui s’y expriment spontanément et en temps réel. Cette masse de données d’opinions est
accessible avec des outils de fouille du web, avec une collection d’informations constamment
renouvelée. Des sites se sont spécialisés dans le recueil de ces opinions dans certains domaines
(critiques de cinéma par exemple) et les internautes ont pris l’habitude de consulter les avis et
notes déposés par les autres dès qu’ils doivent prendre une décision d’achat pour un produit
technique, ou encore pour une réservation d’hôtel. Les avis, les opinons intéressent donc les
internautes et ont suscité des applications et services multiples, ce qui provoque un cercle
vertueux d’encouragement à donner son avis et même à se faire reconnaître comme donnant
des avis pertinents et suivis par les autres. Mais ces données intéressent également des marques
et des cabinets d’études qui tentent de connaître ce « sentiment agrégé des foules ». Souvent
sensibles au fantasme « votre réputation peut être détruite à cause d’un commentaire de blog »,
les marques se soucient de leur identité en ligne mais cherchent également à mieux connaître
les attentes et critiques que les internautes leur adressent. D’où le développement croissant
des techniques pour capter ces évaluations des internautes, allant du simple dénombrement de
commentaires positifs ou négatifs à l’analyse plus fine des contenus de ces commentaires.
Ce que change le web 2.0
2 Il n’a pas fallu attendre l’arrivée d’internet et plus particulièrement celle du web 2.0 pour
pratiquer l’analyse de sentiment. Ce que pensent et disent les gens est un sujet d’intérêt
scientifique depuis au moins un siècle, politique depuis plus de cinquante ans et, depuis peu,
un sujet d’intérêt commercial.
3 Scientifique d’abord, puisque dès le début du XX e siècle, William Stern 1 , puis Gordon Allport
et Leo Postman 2 s’intéressent au phénomène de la rumeur et tentent de la définir et d’en
établir les mécanismes fondamentaux. Via le « bouche à oreille », les messages peuvent être
réduits, simplifiés, transformés. Certains détails peuvent être valorisés au détriment d’autres
en fonction de la sensibilité ou du contexte social de celui qui transmet le message. Quand
ce dernier ne relève pas tout simplement d’une pure invention, mais s’impose en raison de
l’ampleur que lui confère sa transmission à grande échelle (et l’on pense au phénomène
actuel des hoax qui envahissent régulièrement le web) ! La rumeur devient un phénomène
identifiable, analysable et mesurable. Après la psychologie sociale, la psychanalyse et la
sociologie s’emparent de l’objet « rumeur » 3 . On débat sur son caractère fondé (réelle
information) ou non (simple projection de fantasme), et elle est entrée désormais dans le champ
des études médiatiques et du management des marques 4 .
4 Les sondages quant à eux se sont développés depuis la fin de la seconde guerre mondiale.
Partant du principe qu’il existe une opinion publique, comme le disait Tarde des publics des
journaux en distinguant cette opinion de la foule, les sondages consistent à créer des méthodes
et des indicateurs pour la mesurer et ce faisant pour la faire exister vraiment. La dimension
performative des sondages a souvent été mentionnée, parfois pour critiquer leurs justifications
mêmes, plus souvent pour proposer des règles de contrôle de leur méthodologie qui éviterait
de mesurer un pur artefact provoqué par le dispositif. En effet, les sondages obligent de fait les
personnes interrogées à se poser des questions qu’elles n’ont peut-être jamais eu l’occasion de
se poser ou à avoir une opinion sur un sujet qu’elles ignorent complètement (ce que Converse
ou Bourdieu ont utilisé pour en faire la critique). D’autres ont pu critiquer leurs méthodes
et notamment la prétention de représentativité, réalisée en France sous forme de quotas et
à l’étranger sous forme d’échantillons aléatoires, ce qui vaut là encore des critiques aux
méthodes françaises, dépendantes du fait que l’INSEE ne traite pas de questions politiques
ou religieuses, ce qui rend l’accès à des échantillons aléatoires sur la population complète
impossibles. Mais par leur répétition, dès lors qu’ils utilisent les mêmes principes, on peut
considérer que les sondages détectent quelque chose des « mouvements d’opinion » (mais ici
ce sont bien les mouvements qui sont importants, avec maintien de la même méthode) et que

OpenEdition Press
Chapitre 1. Historique et état du marché 3
dans le même temps ils ont fini par faire exister l’opinion comme entité supposée indépendante
des méthodes pour y accéder.
5 C’est pourquoi les études d’opinion mining reprennent les mêmes principes sans trop
s’interroger sur le statut de cette opinion, considérant que, à force de sondages, elle a fini par
exister. Or, ce que vont mesurer les dispositifs d’opinion mining relève de conversations plus
que d’opinions constituées par les méthodes qui leur donnent le statut d’opinion. Cet écart
est malgré tout sous-estimé délibérément dans les offres commerciales. Cependant, nombreux
sont ceux qui parleront plutôt d’e-réputation, ce qui est sans doute plus correct, puisque c’est
bien la notoriété médiatique que l’on mesurera sur les médias.
6 Ces approches sont donc bien éloignées d’un souci de représentativité de la population,
établie en fonction de critères sociodémographiques, tels que l’INSEE les définit. Les études
d’opinion se prévalent toujours de leur capacité à corréler tous les attributs et opinions
des personnes sondées à leurs propriétés socio-démographiques. Ce lien personnel permet
ensuite des agrégats qui prétendront à la validité statistique par rapport à une population
de référence. Cependant, il sera tenu compte des intervalles de confiance, selon la taille de
l’échantillon rapportée à celle de la population, qui devraient relativiser les résultats mais qui
sont très souvent oubliés dans les publications des médias, ce qui entraîne des confusions, des
critiques et une controverse permanente. En réalité, bien d’autres opérations sont nécessaires
pour maintenir cet « effet de représentativité » face à tous les problèmes de constitution de
l’échantillon ou de récupération/exploitation des données : mais tous les redressements qui
font la cuisine ou l’art des sondeurs professionnels sont rarement explicités car la demande
sociale/médiatique n’attend pas cette garantie scientifique mais seulement son approximation.
C’est la même posture qui justifiera les approximations innombrables de la plupart des offres
en opinion mining et sentiment analysis.
7 Avec l’émergence du marketing relationnel dans les années 1990, apparaissent les outils de
CRM (Consumer Relationship Management ou en français GRC, Gestion de Relation Client).
Le souci de produire du reporting sur toutes les activités les plus fines de l’entreprise fait
partie de l’évolution contemporaine des entreprises dominées par les impératifs de la finance,
au point de produire des reports trimestriels rarement fondés mais utiles pour l’orientation
des marchés financiers. Les outils de e-réputation n’échappent pas à ce même impératif,
notons-le en passant, et leur destinataire est avant tout l’actionnaire bien plus que les stratèges
de l’entreprise eux-mêmes, puisqu’une réputation mise à mal sur le web peut se traduire
en un instant par un décrochage boursier. Par ailleurs, la féroce compétition entre marques
pour conserver des clients dont la solvabilité est de plus en plus problématique, conduit à
privilégier des outils de suivi qui peuvent alerter sur tout changement de comportement, sur
toute insatisfaction et qui peuvent servir de base de lancement à des propositions commerciales
nouvelles, personnalisées et monétisant tout ce qui peut l’être dans cette relation.
8 Le suivi des consommateurs et l’exploitation des retours clients ont reposé sur le
développement, depuis les années 2000, d’un appareillage de traçabilité et d’agrégation
particulièrement sophistiqué, dont une bonne partie est désormais automatisée. De nombreuses
données de consommation pour un client abonné ou fidélisé par une carte (dont il
laisse l’exploitation des données à l’enseigne par exemple) peuvent être exploitées
directement, puisqu’il s’agit de traces d’actes d’achat ou de commandes ou de demandes
d’interventions, etc. Elles n’ont donc pas de rapports avec les données d’opinion. Cependant,
les marques ont su désormais exploiter tous les outils de traçabilité des avis plus ou moins
informels émis en direct sur leurs sites ou sur des sites de consommation. Dans ce dernier
cas, les marques perdent souvent la connexion avec l’identité des clients et les croisements
sont moins directs mais le travail de corrélation se fait au niveau d’agrégats géographiques, de
segments de marché, etc. Par ailleurs, de nombreuses méthodes de marketing déjà anciennes
sont toujours exploitées pour générer du retour client ou au contraire des attentes de client (lors
de phases d’innovations). Les entretiens téléphoniques et les focus groups sont massivement
utilisés pour faire exister ce client évanescent ou supposé, tout autant fantomatique que
l’opinion que nous évoquions en introduction. Nous avons proposé de regrouper toutes ces
méthodes sous le terme de dispositifs de production « d’êtres intermédiaires », c’est-à-dire

OpenEdition Press
Chapitre 1. Historique et état du marché 4
de tenants lieux des utilisateurs/clients réels souvent difficiles à atteindre. Le statut virtuel
de ces êtres intermédiaires ne les empêche pas d’avoir un rôle décisif dans la suite de la
conception ou dans le traitement des retours clients 5 . Nous avions pris notamment l’exemple
de la mère Denis utilisée comme « être totem » pour servir d’argument imparable lorsque
l’on veut valider ou invalider un produit à destination d’un grand public non instruit. Toutes
les typologies, sociostyles et autres tendances qui permettent de produire des regroupements
synthétiques de la description des comportements ne font pas autre chose que produire ces
êtres intermédiaires. Cela n’invalide en rien ces travaux, car, et il faut y insister, seraient-ils
absents, qu’une marque trouverait toujours un moyen d’imaginer ses clients ou qu’un parti ne
pourrait s’empêcher de se représenter ses électeurs. Ce souci d’information plus argumentée
est avant tout stratégique et ne cherche donc pas de validation scientifique ultime. Cependant,
il en empruntera les protocoles et les arguments, lorsque c’est nécessaire. Les chercheurs en
sciences sociales doivent de leur côté s’imposer des contraintes plus importantes mais ils sont
de fait dans la même situation. Comme le font les botanistes et les pédologues de la forêt
amazonienne de Boa Vista dans cet article fameux de Bruno Latour 6 , les chercheurs en sciences
sociales travaillent constamment à aligner des traductions successives du monde, à s’assurer
que les transformations qu’ils leur font subir sont acceptables (mais il s’agit pourtant de
transformations) et de ce fait à manipuler aussi des êtres intermédiaires que sont des catégories,
des typologies, voire des idéaux-types qui valent pour l’infinie diversité des individus et des
opinions recueillies.
9 L’adoption massive des outils du web 2.0 par le public a renforcé l’intérêt pour le sentiment
analysis, qui vise directement l’analyse de la tonalité, positive ou négative, des opinions
recueillies. Les canaux d’expression spontanée des internautes se sont démultipliés (blogs,
réseaux sociaux, systèmes de microblogging) et regorgent d’avis sur des produits, marques,
personnalités, politiques publiques, etc. Il est même possible de considérer les conversations
web (qui sont devenues en tant que telles un objet d’analyse et de suivi notamment dans
les relations avec les marques, voir « les marques en conversation ») comme une entreprise
collective d’évaluation permanente de tout : articles de presse (à travers des commentaires),
blogs anonymes (à travers des commentaires, des liens, des flux RSS, des tweets pour les
signaler), pages web pour des produits, des événements, des personnes (que l’on attache
directement sur son mur Facebook), etc.
Les propriétés discursives des données recueillies
10 Cette prolifération n’est en rien réduite par les analyses d’opinion mining ou de sentiment
analysis. Au contraire, on peut même dire que, commercialement, tout pousse actuellement
à rester dans l’indifférenciation des matériaux linguistiques recueillis, quitte à trouver le
moyen de les calculer différemment selon les plates-formes par exemple mais jamais selon
leur statut énonciatif. Pourtant, le terme opinion puis celui de sentiment sont particulièrement
polysémiques. Tentons de dissiper certaines ambiguïtés au contraire pour éviter les fausses
promesses.
11 Le matériau linguistique recueilli sur le web lors d’un crawl (moisonnage) à visée d’opinion
mining qui sera analysé ensuite, relève de plusieurs types d’énoncés :
• un jugement ;
• une évaluation ;
• une opinion ;
• un avis ;
• un sentiment ;
• un goût ;
• un récit d’expérience ;
• un récit de pratique ;
12 Tous ces types d’énoncés possèdent des statuts différents mais se retrouvent mêlés dans toute
collecte. C’est souvent le cas dans les enquêtes qualitatives classiques aussi, mais l’analyse
peut par la suite faire la différence, alors que, pour tout questionnaire fermé, il est nécessaire
de bien différencier le statut de ces énoncés par avance puisque de la clarté de cette distinction

OpenEdition Press
Chapitre 1. Historique et état du marché 5
dépendra la possibilité ou non d’un traitement quantitatif correct. Entre toutes ces expressions
(et nous éliminons ici les questions d’intensité ou de registre de langues qui complexifient
l’affaire), plusieurs dimensions sont en jeu. Les uns n’ont d’existence que verbalisés, d’autres
peuvent garder un statut tacite ou non verbal tels le goût, l’expérience ou les pratiques. Dans
tous les cas, nous avons affaire à ce que les ethnométhodologues appellent des « comptes
rendus », des « accounts » 7 . Ce qui veut dire qu’il ne s’agit en aucun cas de traces de
consommations ou de pratiques effectives, enregistrées automatiquement par des capteurs de
divers types, mais bien de comptes rendus de ces pratiques, soumis de ce fait à toute la variété
des modalisations, des connotations et des associations présentes dans tout discours.
13 Nous reprendrons cette discussion plus précisément dans le cadre de nos analyses pour les
sciences humaines et sociales (voir le chapitre 6, « Sentiment analysis et SHS »), car elles
ne sont guère considérées comme pertinentes pour l’instant dans les offres présentes sur le
marché.
14 Textuels ou iconographiques (emoticons, étoiles – système de vote sur Amazon , RT sur
Twitter, etc.), les marqueurs de tonalité et les recommandations irriguent la toile et sont autant
d’indices de nos ressentis que certaines agences ou laboratoires s’empressent de répertorier et
d’analyser. L’importance de ces saillances perceptives est très bien analysée par les sciences
cognitives, à l’aide d’outils comme l’eye tracking qui permet de suivre à la trace les points
de fixation et leur durée sur un écran. La constitution de certains de ces marqueurs en routines
perceptives (comme les étoiles sur Amazon ou sur des sites d’évaluation de films) constitue
un vocabulaire qui fait convention et qui a tout autant de poids sinon plus que les expressions
les plus élaborées. En effet, le temps extrêmement limité de la perception de ces saillances
permet d’effectuer une première sélection quitte à affiner les critères ensuite.
15 Dans une économie de l’attention 8 , recommandations, avis et votes en tous genres sont des
indices précieux d’évaluation de la popularité en ligne, souvent qualifiée de manière abusive
et « fourre-tout » d’e-réputation. Mais ces classements de fait sont aussi des indices pour
s’orienter dans une offre pléthorique. Mieux encore, les qualités des biens qui sont essentielles
à la décision d’achat, ne sont pas accessibles sans en avoir fait l’expérience. Ces biens
d’expérience 9 exigent du temps et un risque pour les évaluer par l’expérience elle-même. Si les
critiques de cinéma font l’objet d’une telle exploitation par les outils d’opinion mining, c’est
qu’elles constituent une expérience par procuration pour un bien d’expérience de longue durée
(plus qu’une chanson qu’on peut écouter) au sein d’une offre abondante. Les avis exprimés
aident ainsi à s’orienter dans le choix, comme le faisaient les critiques auparavant combinées
aux conversations amicales : désormais, toutes ces sources sont disponibles et traçables sur
le réseau.
16 Plus important encore pour les marques (mais aussi pour les politiques ou les administrations),
le suivi de ces traces de conversation sur le web permet d’effectuer de la veille de façon
nettement plus réactive qu’auparavant. Certes, les données sont très hétérogènes et pas aussi
fiables qu’un travail d’enquête mais le veilleur y gagne un changement d’échelle de sa
surveillance, changement d’échelle dans l’espace, dans la capacité de traitement automatisée,
et partant, dans les délais de réactivité. Car il ne s’agit pas de veille stratégique dans ce cas,
qui doit aller chercher d’autres types de documents et de sources, mais bien de veille de
réputation. Les incidences d’une vague d’opinions défavorables générées à partir d’un bruit,
d’une rumeur, d’une information confidentielle postée publiquement, que ces informations
ou rumeurs soient fondées ou non par ailleurs, sont telles sur la réputation et partant sur
les cours des actions, que les marques ont l’obligation de surveiller, voire même de piloter
leur réputation à partir des conversations web. Le domaine du social media monitoring s’est
développé pour répondre à ces véritables angoisses parfois et doit être distingué du community
management qui cherche, lui, à créer des liens effectifs avec des clients et à faire vivre une
communauté attachée à la marque. Le social média monitoring adopte une focale beaucoup
plus ouverte et propose des outils pour non seulement identifier ces marqueurs d’opinion en
ligne, mais aussi intervenir directement pour gérer les effets de réputation qui s’ensuivent.

Ce que changent les techniques du datamining
La collecte de données en masse
OpenEdition Press
Chapitre 1. Historique et état du marché 6
17 Ces données (qui sont des opinions, des avis, des commentaires) sont produites en masse,
alors que les contributions du public étaient jusqu’ici limitées au courrier des lecteurs ou aux
sondages et enquêtes fort longs et coûteux. Dès lors, ce changement d’échelle est comme
toujours une amplification 10 potentielle tout à la fois :
• des tendances participatives de la démocratie ;
• de la visibilité d’opinions jusqu’ici marginales ;
• de la puissance d’influence sur les esprits de tous les médias relayés par le public luimême
;
• de la focalisation collective immédiate sur des thèmes qui sont répliqués à grande
vitesse ;
• de la réflexivité d’une société sur son propre climat, son humeur (mood), ce qui n’était
pas encore arrivé ;
• d’une possibilité de traiter statistiquement des informations subjectives même non
catégorisées ou indexées ;
• des outils de monitoring qui sont autant de tableaux de bord permanents de l’opinion ;
• des comparaisons entre types de données, émetteurs, propriétés des réseaux, des flux, etc.
qui ouvrent des pistes infinies, d’autant plus qu’on ne sait pas vraiment ce qu’on pourrait
y chercher !
L’automatisation de la collecte des corpus puis du traitement…
et de l’analyse ?
18 La masse des données étant quasi infinie, une tendance à automatiser au maximum les
procédures de collecte, d’archivage, de constitution des bases de données, s’est manifestée qui
ne fait que renforcer la fascination pour les masses de données disponibles. Puis le traitement
linguistique lui-même a dû être automatisé, même si certaines approches sont encore très
rustiques et approximatives. Mais la tendance serait aussi à rechercher l’automatisation de
l’analyse elle-même, soit pour laisser la main à la société prestataire de service soit pour fournir
des outils de pilotage direct par les clients qui demandent de l’opinion mining. Nous verrons
cependant qu’il ne saurait en aucun cas être question de se passer d’une activité d’interprétation
propre à des experts, spécialisés par domaines qui plus est.
L’accessibilité via les API à des sources spécifiques
19 La tendance aux développements de service reposant non plus sur les protocoles du Web mais
sur des protocoles propriétaires est importante et la diffusion des « apps » pour les mobiles
ne fait qu’encourager cette tendance. On aurait pu craindre dès lors une fermeture de l’accès
à ces données pour des robots indépendants de l’entreprise qui gère le service. Or, avec le
principe des API (Application Programming Interfaces) et leur mise à disposition fréquente
par les services en question, une partie des données (voire toutes pour Twitter, si on dispose
de la puissance de calcul nécessaire) peut être réexploitée par des développeurs qui créent les
applications qui utilisent les API et peuvent moissonner les données de ces services. Cela étant,
rien ne permet de garantir dans la durée une telle politique et, pour Facebook par exemple,
la partie la plus importante des données personnelles ou d’activité est réservée à l’usage de
Facebook voire de ses partenaires dûment référencés et payeurs pour un tel accès. La donnée
personnelle en général est devenue un « asset » qui fait l’objet de beaucoup de convoitises.
Quelques limites des données recueillies sur le web 2.0
à ne pas oublier
20 Malgré toutes les promesses faites par les services à vocation commerciale, il est nécessaire
de pointer certaines limites de ces prestations qui sont liées à la nature informelle des données
recueillies et à leurs enjeux commerciaux ou stratégiques. Nous en présentons seulement deux
ici pour l’instant car ce sont des prérequis, les limites proprement linguistiques seront traitées
dans les parties plus techniques.

OpenEdition Press
Chapitre 1. Historique et état du marché 7
Les opinions recueillies sont-elles sincères ?
21 Nous avons évoqué rapidement l’intérêt stratégique de la veille informationnelle et l’enjeu
représenté par le social media monitoring. Dès lors, il était fatal que les avis qui se propagent
sur le net fassent l’objet de tentatives de manipulation en tous genres, comme l’est déjà le
ranking de Google, avec l’apport des services de SEO, Search Engine Optimizers, pour faire
monter un site dans les résultats sur une requête donnée (que Google s’échine à contrer et à
désorienter lorsque leurs manœuvres sont grossières). Des sociétés sont désormais rémunérées
pour rédiger des faux avis. Ce travail de production de faux avis fait l’objet parfois d’une
chasse par les internautes eux-mêmes qui savent petit à petit débusquer les trolls dans un débat
ou encore les commentaires délibérément orientés par la marque, le vendeur du produit, le
parti ou l’émetteur du message d’origine. Des techniques d’ingénierie linguistique peuvent
même prétendre désormais en débusquer la plupart dès lors que leurs formes d’expression sont
un peu trop stéréotypées 11 . Les opinions émises sur le web ont donc à la fois le défaut d’être
spontanées et de ne pas être spontanées, d’être instrumentalisées par les marques par exemple.
Certains critiques déplorent le caractère trop spontané de ces réactions, beaucoup trop brutes
et sans argumentation, mais il n’est pas rare que les mêmes critiques enchaînent aussitôt pour
critiquer le caractère manipulatoire des opinions affichées, sous-entendant qu’elles n’ont rien
d’authentiques. Argument quelque peu contradictoire car on peut alors y déceler une intention
délibérée, une volonté d’influencer qui fera appel à tous les ressorts de l’argumentation que
l’on requalifiera ou disqualifiera alors en propagande. Mais il est nécessaire d’être averti de
ce caractère artificiel de certains effets d’opinion, puisque ces médias, comme les autres, sont
l’objet de stratégies délibérées pour exercer une influence 12 .
Sait-on vraiment qui parle ?
22 L’émergence des outils de publication de masse sur le web s’est accompagnée d’une
disparition de l’auteur certifié et identifié comme tel et cela perturbe tous les repères. En effet,
il reste impossible de savoir vraiment qui se cache derrière le pseudonyme d’un commentaire,
l’auteur d’un blog ou même un compte Facebook. Facebook a réussi cependant à instituer
une convention de présentation de soi qui tend à rester très rattachée à son identité légale,
celle fournie par l’état-civil. Mais il n’existe aucune garantie sur ce plan et nombreux sont
les profils « fake », créés délibérément pour une opération particulière ou pour éviter d’être
reconnu, sans parler des pages et des groupes qui peuvent être l’objet d’échanges très actifs. Or,
cette absence de garantie sur l’identité des auteurs des opinions recueillies semblerait parfois
invalider toute possibilité d’exploitation de leur contenu. Il faut en fait reconnaître ces limites
même si elles vont à l’encontre des habitudes et des façons de faire des sociétés de sondage
ou des sociologues traditionnels. Dans cette tradition, les expressions recueillies sont aussitôt
agrégées et corrélées à des propriétés sociales considérées a priori comme explicatives des
comportements. On ne s’inquiète pas tant alors de l’authenticité des identités sur le web que
de l’absence de propriétés sociales attachées, telles que l’âge, le genre, la CSP, le niveau de
diplôme, la préférence partisane, etc. En effet, ce sont ces agrégations d’opinions particulières,
fondées sur ces attributs, qui sont intéressantes pour les sondages de façon à expliquer des
régularités de comportements. Sur ce plan, il est vrai qu’il faut abandonner tout espoir de
récupérer ce type d’informations à propos de la masse d’opinions qui circulent sur le web,
quand bien même on parviendrait à identifier certaines de ces expressions en suivant à la trace
des pseudonymes pour les « démasquer » ou en les reliant à des profils Facebook supposés
authentiques (c’est-à-dire correspondant à la fiction administrative qu’est l’identité) ou encore
en normalisant les accès aux forums par des identifiants certifiés. C’est en fait un autre statut
de l’expression qui circule qu’il faut prendre en compte, beaucoup plus situé « en surface »
et sans espoir d’explications par des « causes sociales » fondées sur des agrégats d’attributs.
Les « conversations », elles, peuvent être suivies à la trace, mais avec certaines limites : tout
se passe comme si on les écoutait de l’autre côté de la porte, à travers un filtre et un masque,
tout en étant capable de très bien entendre les propos tenus et de les exploiter numériquement
mais sans jamais voir les interlocuteurs. Car le grand avantage de cette absence de référence
à certaines propriétés sociales des individus qui s’expriment, tient à l’absence de réduction

OpenEdition Press
Chapitre 1. Historique et état du marché 8
des propos a priori par l’observateur (les fameuses grilles d’entretien) et à la possibilité,
une fois ces données agrégées et calculées de revenir si nécessaire et cela sans effort, au
verbatim lui-même. Chose qui devenait impossible avec les questionnaires ou même avec
les entretiens qualitatifs qui restaient dans les limbes de l’enquête, dans l’arrière-cuisine que
personne ne devait aller observer s’il n’avait les titres requis (et même avec !). Sur le web 2.0,
toutes ces expressions peuvent certes être calculées et agrégées à partir de leur expression
brute et spontanée, mais en plus il est possible d’y retourner à tout moment, pour vérifier
les expressions exactes. Cet effet de transparence de la méthode peut parfois constituer un
artifice et prétendre à l’évidence. Mais il correspond aux exigences des clients, des lecteurs, qui
sont désormais souvent aussi instruits que les experts qui livraient les interprétations fermées
comme autant d’oracles à prendre au pied de la lettre. Rien ne pourra cependant garantir que
les faux avis, désormais automatisables, ne deviennent aussi une ressource pour les stratèges
de l’opinion sur internet 13 .
Les domaines d’application
23 Comme le rappellent Pang et Lee dans « Opinion Mining and Sentiment Analysis » 14 , « ce que
les autres pensent » est régulièrement convoqué dans tout processus décisionnel, que ce soit en
vue de l’achat d’un bien, dans le contexte d’une élection, ou encore pour évaluer la réputation
de son entreprise. Et ce phénomène n’est pas né avec le web.
Les avis ordinaires ont une influence
24 Il est en effet aisé d’observer comment les réseaux relationnels jouent un rôle tout aussi
important que les avis d’experts du domaine. Les autorités avaient certes plus de poids
médiatique jusqu’ici et finissaient par être considérées comme les seules sources fiables.
Mais avec le web 2.0 en particulier, le « bruit » des non-experts menace clairement leur
monopole médiatique. Cependant, bien avant, l’orientation et les choix se faisaient aussi par
des canaux d’influence qui jouaient plutôt sur la proximité sociale et culturelle. Ainsi, pour un
avis médical, je peux tenter d’obtenir le diagnostic du meilleur médecin du domaine dans ma
ville, dans mon pays voire au-delà, pour avoir des garanties. Mais dans le même temps, l’avis
de ma belle-sœur qui a eu le même problème que moi ou celui de mon copain d’enfance qui
a fait des études d’infirmier peuvent m’être tout aussi précieux, car ils vont avoir l’immense
avantage de me parler dans ma langue, de prendre en compte ma situation et mon expérience
car ils la partagent. Dans un ouvrage qui date de la préhistoire du numérique 15 , nous avions
proposé cette distinction entre frapper à la porte exacte (le scientifique, l’expert, l’autorité du
domaine) et frapper à la bonne porte (le bon tuyau, le coup de main, le bouche à oreille). L’un
n’exclut pas l’autre. Michel de Certeau et Luce Giard en avaient déjà fait une description dans
L’Ordinaire de la communication 16 . Mais avec le web, ces avis ordinaires sont disponibles
en abondance, sur des sites médicaux comme Doctissimo, et grâce à cette prolifération des
avis, l’un d’entre eux finit par parler dans notre langue de situations voisines et peut dès
lors prendre une grande valeur. Ces avis peuvent donc constituer une ressource personnelle
importante et c’est pour cette raison qu’ils attirent le public en masse (selon Médiamétrie/
NetRatings, le site Doctissimo faisait partie en juin 2011 du top 30 des sites les plus visités
en France, avec 7 944 000 visiteurs uniques par mois et 564 000 visiteurs uniques par jour 17 .)
Leur agrégation dans des moyennes ou des classements peut atténuer leur portée de proximité
culturelle mais pour une première approche, ces avis, même agrégés, peuvent donner une
orientation sommaire. Et ce processus est opératoire non plus seulement pour les individus
lambda mais aussi pour les marques, pour les politiques, qui veulent avoir accès à ces avis
ordinaires, qui reconstituent l’équivalent d’un réseau d’influence personnel.
Les entreprises
25 Car à côté de la consultation des avis en ligne pour un usage personnel dans la vie courante,
la collecte et l’analyse des opinions des individus sont devenues des sources d’informations
précieuses pour les entreprises. Alors que le recueil des opinions des consommateurs a eu
pendant longtemps un caractère fastidieux, sans garantir que les avis recueillis soient spontanés

OpenEdition Press
Chapitre 1. Historique et état du marché 9
(organisation de focus groups, recours à des consultants, enquêtes et questionnaires, etc.),
l’accessibilité de ces informations, dès lors qu’elles se retrouvent postées en ligne par les
consommateurs eux-mêmes, autorise des analyses à grande échelle (opinions en provenance
du monde entier).
26 Le marketing a rapidement compris l’intérêt du sentiment analysis. Des agences vendent aux
entreprises la traque des moindres mots sur leur image, sur leurs produits.
27 Dans le domaine du product review mining : notamment à partir des sites d’avis de
consommateurs. Les consommateurs viennent y échanger des avis et trouver des conseils pour
leurs décisions d’achat (produits technologiques, voitures, voyage et hôtels, etc.). Selon le 7 e
baromètre sur les comportements d’achat des internautes de Médiamétrie et de la FEVAD 18 .
« Ce sont désormais près de 9 internautes sur 10 (86 %) qui déclarent avoir consulté
un site internet avant d’acheter un produit, qu’ils aient finalement effectué cet achat
sur internet ou bien en magasin. […] Les deux tiers d’entre eux consultent les
portails et moteurs de recherche ou les sites marchands pour consulter les fiches
produits. 6 sur 10 arpentent les sites marchands pour lire les avis des internautes.
Et enfin près de la moitié d’entre eux (49 %) recherche de l’information sur les
comparateurs de prix ».
28 Le sentiment analysis permet non seulement de catégoriser les avis au sujet d’un produit (cf. le
système de review classification, comme dans le cas des critiques de cinéma), d’en proposer
des résumés, mais aussi de détailler à un niveau fin ces avis (quelle dimension du produit
est appréciée, quelle autre dimension ne l’est pas – on parle alors de « features »). Il peut
également aider à lutter contre le spam en contribuant à détecter les faux avis postés par des
agences (cf. note 11). Le site d’enchères en ligne eBay utilise également des outils de sentiment
analysis pour repérer les meilleures critiques et les rendre accessibles plus facilement parmi
toutes les revues de produits (et les spams commerciaux) que présente le site. L’équipe des
eBay Research Labs a en effet défini des indicateurs de qualité d’un avis sur un produit parmi
lesquels la réputation de l’auteur de l’avis au sein de la communauté des utilisateurs d’eBay,
son « seller degree » qui reflète le cas échéant quel type de vendeur ou d’acheteur il est, et
enfin un « expertise degree » qui reflète la connaissance que l’auteur peut avoir sur un type
de produits 19 .
29 Dans le domaine du e-commerce et du CRM (ou GRC en français) : acquérir des
connaissances sur ses consommateurs ou anticiper leurs attentes est possible à partir de la
collecte des avis de consommateurs sur un produit, un service, une marque. Le contrôle
qualité des produits peut s’en servir comme d’une veille. Il est aussi possible d’améliorer la
relation client/fournisseur en récupérant les critiques ou avis favorables. Les évolutions à venir
des marchés de consommation courante peuvent être anticipées par des signes précurseurs
dans les tonalités des conversations dès lors qu’on dispose d’un étalon en temps normal
ou favorable pour percevoir ces changements rapides 20 . Une autre application du sentiment
analysis proposée par eBay permet de rechercher la présence de mots-clés sur Twitter pour
détecter les pannes du service signalées par les utilisateurs, avant même que l’alerte ne soit
donnée par le système d’enchères lui-même.
30 Mais le sentiment analysis a également trouvé d’autres applications.
31 Dans le domaine financier (prédiction de tendances de marché par exemple). Ainsi dans
leur article « Predicting Movie Sales from Blogger Sentiment » 21 , Gilad Mishne et Natalie
Glance utilisent des techniques de sentiment analysis pour améliorer la prédiction du succès
commercial d’un film à partir des blogs. Ils montrent que le constat selon lequel le volume
de citations d’un produit dans les blogs est corrélé avec la réussite financière du produit,
peut être amélioré, au moins dans le domaine du cinéma, en analysant le sentiment positif
exprimé dans les blogs au sujet d’un film, avant sa sortie en salle, et en le comparant avec
son score au box office. L’utilisation des techniques de sentiment analysis contribuerait ainsi à
construire de meilleures prédictions que la mesure du simple buzz, surtout si elle était associée
à d’autres types de données comme le genre du film et le moment de sa sortie. Une autre
utilisation du sentiment analysis dans le domaine financier est la classification des dépêches

OpenEdition Press
Chapitre 1. Historique et état du marché 10
financières afin d’observer l’impact éventuel de ces dernières sur le prix des actions cotées
en Bourse. C’est ce type d’application que présentent Michel Généreux, Thierry Poibeau et
Moshe Kopple dans leur article « Sentiment analysis using automatically labelled financial
news items » 22 en faisant l’hypothèse que « la réaction du marché suite à la publication d’une
dépêche reliée à une action particulière est un bon indicateur de la polarité de la nouvelle et
qu’un algorithme d’apprentissage à partir de ces dépêches permet de construire un système
qui donne à l’investisseur une source d’information supplémentaire qui peut être exploitée de
façon avantageuse dans une stratégie d’investissement » 23 .
32 Dans le domaine de la veille. Les techniques de sentiment analysis, parce qu’elles permettent
de classer de grandes quantités de textes, rapports, conversations informelles sur des produits
ou des dirigeants d’entreprises, etc., peuvent être utilisées dans le domaine de la veille, qu’elle
soit économique, technologique, stratégique ou institutionnelle. Ainsi espère-t-on par exemple
mettre en place des systèmes d’évaluation de la réputation des entreprises en rassemblant dans
des bases de données des faits et opinions trouvés sur le web et permettant de tracer le profil
de telle ou telle entreprise 24 .
33 Dans le domaine politique. La publication croissante sur internet de textes à teneur politique
(lois, rapports, billets de blogs politiques, etc.) et le constat que la politique ne se fait
plus seulement dans les hémicycles mais aussi dans les débats en ligne, a conduit certains
chercheurs à utiliser les techniques de sentiment analysis pour déterminer l’accord ou le
désaccord des commentateurs avec telle ou telle proposition de loi. Dans leur article « Get out
the vote : Determining support or opposition from Congressional floor-debate transcripts 25 »,
Matt Thomas, Bo Pang et Lillian Lee espèrent faciliter la reconnaissance du positionnement
d’un orateur dans un débat politique grâce au sentiment analysis. D’autres recherches tentent
par exemple d’analyser en masse les commentaires et opinions des citoyens américains lors de
l’élaboration des réglementations proposées par les agences indépendantes du gouvernement 26 .
34 Dans le domaine de la publicité en ligne. Si la publicité en ligne, ciblée et contextuelle, s’est
considérablement développée ces dernières années, elle pourrait bénéficier des recherches en
sentiment analysis. Car si une annonce publicitaire est d’autant plus efficace qu’elle apparaît
au bon endroit au bon moment, elle pourrait l’être encore plus si elle s’adaptait au ressenti des
consommateurs vis-à-vis d’un produit ou d’un service. C’est ce que propose par exemple la
stratégie DASA (Dissatisfaction-oriented Advertising based on Sentiment Analysis) 27 , qui a
pour but de détecter et de prendre en compte les points d’insatisfaction des consommateurs
afin d’adapter encore mieux les annonces publicitaires à leurs cibles.
35 L’infographie ci-dessous, du cabinet indien Beacon 28 , présente quelques domaines
d’application du sentiment analysis.

Domaines d’application du sentiment analysis selon le cabinet Beacon
Source : http://www.thebeaconservices.com/sentiment_analysis.php
Les questions à se poser
OpenEdition Press
Chapitre 1. Historique et état du marché 11
Connaître le type d’informations ou de phénomènes que l’on recherche
36 L’un des prérequis essentiels avant tout lancement d’une étude de sentiment analysis est de
savoir le type d’information ou de phénomènes que l’on recherche. Il est vain d’espérer
que les résultats de la machine s’imposent d’eux-mêmes, sans avoir besoin d’être interprétés.
À quel objectif répond la recherche d’opinions ? Selon les visées, les méthodes seront
différentes :
• Suivre l’évolution des opinions sur un domaine, sur une question, sur un produit/service,
sur une marque, sur une personnalité. Parmi tous ces objets qui peuvent être suivis,
l’échelle ou la complexité du domaine peut varier mais l’élément clé restera la notion
d’évolution. Il sera donc nécessaire de mettre en place des outils de veille sur des
bouquets de source définis a priori et suivis à intervalles réguliers, pour récupérer leurs
données. Dans ce cas, malgré les biais inévitables dans la constitution des sources ou
des mots clés, l’évolution émergera à partir de la ligne de temps.
• Veiller à des alertes ponctuelles pour détecter des événements. La méthode peut être
proche de la précédente mais il s’agit plutôt de construire les indices d’alerte qui vont
permettre une réaction. Ce sont les éléments déclencheurs qui sont recherchés, soit pour
être analysés soit pour être neutralisés. Mais dans ce cas, l’aspect agrégat et mesure
globale n’est pas tant important que l’identification d’une source et d’un canal de
propagation.
• Explorer les réseaux de composition de l’opinion (à l’aide ou en vue de management
de communautés) : dans ce cas, les verbatims sont moins importants que les canaux par
lesquels ils circulent. Les approches de topologie du web permettent de cartographier
les liens entre les sites ou blogs et les thématiques qui circulent entre ces sites ou blogs
sont alors analysables en fonction de ces relations et non plus pour elles-mêmes.
37 Ces trois points de vue permettent de distinguer sommairement les trois grandes visées de
toute veille en opinion mining et sentiment analysis. Elle peut être centrée sur :
• un agrégat d’opinions et son évolution sur un grand nombre de sources ;
• un énoncé qui fait événement et dont on peut suivre la trace 29 ;
• un milieu que l’on étudie en tant que tel et qui échange sur des thèmes qui lui sont en
partie propres.

38 Pour chacune de ces approches, les outils à mettre en place seront différents.
Définir la visée de sa recherche
OpenEdition Press
Chapitre 1. Historique et état du marché 12
39 Un autre prérequis pour se lancer dans une analyse de la tonalité sur le web est de savoir
pourquoi on cherche. On distingue au moins deux postures : observer pour comprendre ou
observer pour agir. De plus en plus de prestataires en social media monitoring proposent des
solutions « complètes » qui vont jusqu’à permettre aux clients de répondre en quasi-temps réel
à un tweet qui ne leur conviendrait pas. Beaucoup de fonctionnalités mises en avant dans ces
offres supposent que le client a pour but d’« engager la conversation » avec ses consommateurs
ou de réagir aux attaques à sa réputation.
40 Mais l’observation à visée de compréhension peut être un premier objectif et un objectif
suffisant. On se retiendra alors de préqualifier les expressions recueillies (et le sentiment
analysis pousse à les qualifier immédiatement) pour comprendre par exemple les règles
d’expression propres à un domaine, propres aussi à un site ou à un média social. Une fois
cette compréhension profonde acquise à partir d’études sur des échantillons restreints, il
devient possible de mettre en place des indicateurs plus précis et automatisables en partie,
mais pas avant. Introduire une visée opérationnelle dès le début du travail d’opinion mining
modifie nécessairement les méthodes utilisées, les saillances retenues, les modes d’alerte,
et donc le poids relatif des expressions relevées. Cela ne l’invalide pas mais cela oblige à
distinguer une telle posture de connaissance stratégique par rapport à une observation à visée
compréhensive. C’est pourquoi les outils à destination des chercheurs seront souvent différents
de ceux proposés par les sociétés qui proposent des services opérationnels.
Décider de la composition des ressources mobilisables :
humains (lesquels ?) et machines (pour faire quelle tâche ?)
41 Nous l’avons dit, on ne peut s’en remettre entièrement à la machine, ce qui se traduit par
l’exigence d’avoir des analystes experts du domaine et ne pas s’en remettre au logiciel
censé s’occuper de tout. Il est donc nécessaire de réaliser une étude de faisabilité et d’évaluer
les moyens financiers nécessaires en tenant compte de cette contrainte. Si le client a besoin
d’examiner un très grand nombre de données et qu’il estime devoir impérativement passer par
un prestataire, il doit prévoir des analystes qui sauront interpréter les résultats. L’évaluation
des prestations proposées devrait passer plus souvent par l’examen des qualifications des
personnels qui réalisent le travail. Il est trompeur de prétendre qu’aucune interprétation n’est
nécessaire ou qu’on peut la laisser au client final. Car toute la chaîne de production de
données, même la plus automatisée, même celle qui produit les résultats les plus bruts ou
les plus synthétisés, repose sur une succession d’interprétations, qui ne sont jamais des choix
« purement techniques » ou d’optimisation (pour des raisons de coûts ou de délais) : chacune
présuppose une certaine analyse implicite du domaine, de la question posée, du statut du
matériau recueilli, etc.
Qui pratique l’analyse de sentiment ?
42 Parce qu’il existe beaucoup de domaines d’application du sentiment analysis, on trouve
également beaucoup d’acteurs, et très variés, s’inscrivant dans ce secteur. Nous ne pouvons
ici rendre compte de l’ensemble des acteurs du sentiment analysis. De nouveaux entrants
apparaissent régulièrement dans ce domaine, leurs positionnements ne sont pas toujours
identiques, et leur nombre évolue tous les jours. Certains acteurs disparaissent, d’autres
ressurgissent sous de nouveaux noms, notamment après un rachat, comme ce fut le cas pour
l’ex-Scoutlabs, racheté en 2010 par la société Lithium Technologies.
43 Voyons plutôt quels types d’acteurs pratiquent l’analyse de sentiment.
Les services internes des entreprises et des organismes
44 La collecte et l’analyse des avis des consommateurs ne sont pas nouvelles et des services
internes dans les entreprises et organismes publics s’occupaient déjà de sonder les opinions
des consommateurs et citoyens, à l’aide des outils de CRM. Cependant, l’analyse du sentiment
se fait encore de manière relativement artisanale chez ces acteurs : « à la main », avec outils de

OpenEdition Press
Chapitre 1. Historique et état du marché 13
bureautique classique. Un suivi de blogs connus par l’entreprise ou l’organisme peut également
être mis en place. Les outils d’assistance à l’analyse (CAQDAS) sont rarement utilisés et
encore plus rarement les solutions d’analyse automatique (outils de text mining spécialement
configurés, solutions sur étagère). Ces services et ces entreprises ont souvent recours à un
prestataire pour toute analyse plus ambitieuse.
Les prestataires de services
45 Les prestataires de services sont les cabinets de veille, les web agencies, les agences d’eréputation
et de social media monitoring. Ces acteurs se sont multipliés au point de provoquer
une véritable explosion de l’offre durant les années 2009-2010. Au 25 mai 2011, Camille
Alloing recensait, sur le site caddE-réputation, 163 agences 30 dans le domaine de l’e-réputation
au sens large. De son côté, l’agence Blueboat proposait à la même époque une carte des agences
d’e-réputation en France 31 – justement réalisée à partir de la liste de Camille Alloing et revisitée
en fonction de ses critères propres.
Carte des agences d’e-réputation en France, par l’agence Blueboat
Source : Carte tirée d’un billet de Justin Timmel pour le blog Blueboat : http://www.blueboat.fr/agences-e-reputationfrance
46 123 agences prestataires en e-réputation étaient ainsi représentées et réparties en 9 catégories :
• protection de la réputation/juridique ;
• web agency ;
• conseil, communication, influence, stratégie ;
• relations publiques/presse ;
• prestataires outils, solutions logicielles ;
• pure players ;
• SEO/SEM ;
• veille, audit, analyse ;
• marketing digital/communautaire, webmarketing.
47 Outre leur nombre, c’est la diversité de ces acteurs qui frappe. Les différentes modalités
de l’étude de la conversation en ligne (que nous allons détailler plus bas) sont prises en
charge par des consultants indépendants, souvent spécialistes en intelligence économique,
veille sectorielle ou en stratégie de communication, mais aussi par des agences web dont les
métiers de départ peuvent être la création de site web, le référencement naturel ou le marketing
digital.

OpenEdition Press
Chapitre 1. Historique et état du marché 14
48 D’autres agences se sont créées autour de la seule notion de réputation en ligne, l’e-réputation.
Elles sont, en quelque sorte, les pure players du secteur.
49 Enfin, on trouve également parmi ces acteurs les grandes agences historiques de publicité et de
communication comme Publicis ou Havas, qui ont développé des branches de leurs activités
spécialement dédiées à la dimension numérique.
50 La diversité des secteurs d’origine de ces prestataires nous permet déjà d’imaginer que les
offres de ces agences seront très différentes les unes des autres et qu’elles ne vont pas se réduire
à du sentiment analysis. Cependant, ce dernier apparaît comme une brique nécessaire à une
analyse fine des conversations sur le web pour tout suivi de réputation ou toute entreprise de
social media monitoring.
Les éditeurs d’outils logiciels ou de solutions en ligne
pour l’analyse automatique
51 Les éditeurs d’outils logiciels ou de solutions en ligne pour l’analyse automatique conçoivent
et commercialisent des solutions capables de traiter de très gros volumes de données
(catégorisation automatique, volumétrie, analyse de la tonalité, etc.). Leurs produits sont
très souvent « prêts à l’emploi » et sont censés pouvoir s’adapter indistinctement à tous les
types de contenus et de secteurs. Dans les faits, ils présentent des faiblesses du point de
vue de leur adaptation à la spécificité des secteurs d’activité (d’où émane la demande). De
manière générale, les éditeurs survalorisent les performances de leurs produits. Et les clients
se sont souvent rendu compte au moment du bilan que les promesses vendues ne s’étaient
pas réalisées. Enfin, les logiciels et solutions en ligne pour l’analyse automatique ne sont
pas infaillibles. Dans certains cas, le défaut de robustesse est partiellement compensé par le
recours à des stratégies de « retour de pertinence » (relevance feedback), qui bénéficient, à
l’aide de systèmes apprenants, des corrections apportées par les experts du domaine. Seuls
quelques prestataires sont en mesure de fournir les efforts financiers pour satisfaire aux
coûts des investissements et aux exigences élevées en matière de stockage des données, de
maintenance, de constitution des dictionnaires, de traitement des données et de constitution
d’équipes d’experts qui viennent compléter le travail effectué par les machines.
Certains laboratoires de recherche
52 Ces laboratoires de recherche (universitaires ou autres) peuvent être rattachés à plusieurs
disciplines mais le plus souvent en TAL (Traitement Automatique du Langage), c’est-à-dire
au croisement de l’ingénierie informatique et des sciences du langage.
53 Ces laboratoires cherchent à améliorer leurs méthodes et algorithmes qu’ils testent, notamment
dans le cadre de « défis ». Ces défis sont en fait de grandes campagnes d’évaluation qui
permettent aux laboratoires de confronter leurs résultats. À cette occasion, ces laboratoires
se retrouvent souvent en concurrence ou en partenariat avec les éditeurs de solutions et/
ou prestataires mentionnés plus haut. C’est ainsi que la société Celi-France, spécialisée
en extraction d’information et traitement automatique du langage a participé en 2007 à la
campagne d’évaluation DEFT en présentant un travail sur la classification d’opinions par
méthodes symbolique, statistique et hybride 32 .
Encadré 1 : campagnes d’évaluation
Il existe plusieurs campagnes d’évaluation dans le domaine de la fouille de textes. Ainsi
de l’atelier d’évaluation DEFT 33 (DÉfi Fouille de Textes), actuellement organisé par le
Laboratoire Informatique pour la Mécanique et les Sciences de l’Ingénieur (LIMSI) 34 , qui
permet à différentes équipes de confronter leurs méthodes sur un même corpus pendant des
conférences scientifiques telles que TALN 35 (Traitement Automatique des Langages Naturels),
événement annuel organisé par l’ATALA - Association pour le Traitement Automatique des
Langues. Si DEFT concerne le domaine général de la fouille de textes, les éditions de 2007
et 2009 étaient plus particulièrement consacrées à des problématiques de sentiment analysis
(classification de textes d’opinion 36 et analyse multilingue d’opinion 37 ).

OpenEdition Press
Chapitre 1. Historique et état du marché 15
À l’étranger, autre campagne d’évaluation dans le domaine de la recherche d’information
(Information Retrieval), TREC 38 (Text REtrieval Conference), soutenue par le National
Institute of Standards and Technology et l’Advanced Research and Development Activity
Center du Département de la Défense des États-Unis, a proposé en 2006 Blog Track 39 , avec
pour objectif l’étude des textes d’opinion dans un corpus issu de la blogosphère.
54 De manière générale, les laboratoires de recherche travaillent sur des corpus fermés et dédiés
à un sujet (et non sur des flux comme c’est le cas pour l’analyse des opinions sur le web).
Les papiers produits présentent en général des propositions d’amélioration de features pour
l’apprentissage machine.
Le marché actuel
Une offre foisonnante
55 Depuis quelques années, on assiste à une augmentation du nombre d’acteurs sur ce marché.
Comme nous l’avons indiqué précédemment, les cabinets et agences de veille, de management
de la réputation en ligne et de social media monitoring, mais aussi les éditeurs de logiciels
ou les outils en ligne se sont multipliés au point de provoquer une sur-offre sur un secteur
dont les frontières se brouillent toujours un peu plus. Le domaine de l’analyse d’opinion,
plus couramment appelée dans ces offres « l’écoute de la conversation des internautes »,
se caractérise donc par des frontières floues, allant du présumé service complet de social
media monitoring à « l’analyse de sentiment » sur un seul réseau social, en passant par
le « management de l’e-réputation » d’une marque ou d’une personne (personal branding).
Inévitablement, une certaine confusion règne dans un domaine au vocabulaire non stabilisé.
Veille, analyse d’opinion, e-réputation, dans tous les cas il s’agit de détecter et d’analyser les
opinions présentes sur les réseaux sociaux et le web, en utilisant des techniques d’extraction
d’information et en essayant de fournir aux clients des indicateurs de leur présence, de leur
image, de celle de leurs concurrents, pour éventuellement proposer des stratégies de contreattaque.
56 Quelles prestations les acteurs du secteur proposent-ils en effet ? Passons en revue les
termes employés pour décrire leurs offres sur leurs sites web : e-réputation, veille marketing,
veille digitale, référencement, community management, communication interactive, veille
en intelligence économique, buzz tracking, brand monitoring, marketing communautaire,
web marketing, marketing digital, sentiment analysis, social analytics, relation blogueurs,
e-influence, sentiment monitoring, veille image, engagement dans la conversation web,
réputation digitale, online sentiment, mesure de la visibilité, RP 2.0, suivi de notoriété, buzz
monitoring, identité numérique, etc. La liste est longue et il n’est pas toujours facile de voir
où commence et où finit l’offre : simple mesure de la visibilité, décompte des citations d’un
nom de marque sur les blogs, analyse des opinions exprimées au sein d’un bouquet de sites
sur une thématique donnée, possibilité de réagir en quasi-temps réel à un commentaire de
consommateur ?
57 Sous l’effet de la concurrence, les offres semblent tendre peu à peu à se ressembler et
à se rapprocher vers une sorte de modèle « 360 » allant parfois de la création d’un site
pour une marque, à la campagne de communication, en passant par son référencement et
en terminant par l’évaluation de son image. Les acteurs proposant des plateformes ou suites
logicielles semblent intégrer au fur et à mesure toujours plus de fonctionnalités autour de leur
noyau de savoir-faire premier, parfois en s’alliant avec d’autres. En témoignent par exemple
l’alliance entre Lexis Nexis (fourniture d’informations à usage professionnel et solutions
de veille et d’analyse des médias) et Augure (entreprise de réputation en management), le
rachat de Scoutlabs, éditeur de logiciel en social media monitoring, par Lithium Technologies,
spécialiste en applications en gestion de la relation client 40 , ou encore celui de Backtype
(suivi et analyse des conversations sociales) par le service de micro-blogging Twitter 41 . Et ces
rapprochements ne sont pas des cas isolés sur le marché de l’e-réputation !

OpenEdition Press
Chapitre 1. Historique et état du marché 16
58 Enfin, la tarification des offres disponibles sur le marché va de la gratuité au service payant.
À côté des solutions gratuites qui permettent de suivre un aspect particulier de la conversation
web comme par exemple :
• Samepoint (reputation management search engine) ;
• SocialMention (real-time social media search & analysis) ;
• BoardTracker (forum discussion search) ;
• Twilert (Twitter alerts) ;
• Comment (suivi de commentaires), etc.
59 Les solutions payantes proposent très souvent des offres intégrées et packagées (comprenant
ou non du sentiment analysis). Elles sont en général proposées par abonnement. Dans ce
cas, le prix peut varier en fonction du nombre d’utilisateurs futurs de la solution, du nombre
de requêtes autorisées, du type de fonctionnalités auxquelles on souscrit, etc. Pour aider les
clients potentiels à s’y retrouver, et à ne pas choisir une formule sous- ou surdimensionnée,
les prestataires précisent souvent à titre indicatif à qui s’adresse telle ou telle formule.
Tarification Radian 6 (pour l’Amérique du Nord) – janvier 2012
Source : http://www.radian6.com/what-we-sell/radian6-pricing/

Tarification Ubervu – août 2011
Source : http://www.ubervu.com/pricing
OpenEdition Press
Chapitre 1. Historique et état du marché 17

Tarification Ubervu – janvier 2012
OpenEdition Press
Chapitre 1. Historique et état du marché 18
Source : https://www.ubervu.com/pricing. Le marché du social media monitoring évoluant très rapidement, les offres
et tarifs évoluent également très vite.
60 Le marché regroupant les offres en e-réputation, en social media monitoring, en veille, et en
sentiment analysis est donc composé d’acteurs très différents, qui définissent leur métier de
manières très diverses, en proposant des gammes de prix très étendues et en s’adressant à
des cibles très diverses elles aussi. Dans le cas des marques et grosses entreprises qui se
soucient de leur image en ligne, les offres peuvent même être taillées sur mesure pour les
différentes directions de ces sociétés. Certains prestataires et agences construisent leur discours
commercial en expliquant que telle ou telle de leurs solutions sera particulièrement utile à la
direction marketing et stratégique, ou bien à la direction de la communication, ou encore à
la direction des études marketing, sans oublier la direction des achats, le service client ou la
direction générale elle-même 42 .
61 D’autres offres visent les TPE et les PME exclusivement.
62 D’autres offres encore sont adressées à des secteurs particuliers comme les professionnels
du tourisme ou les secteurs sensibles que sont par exemple le secteur pharmaceutique ou celui
de l’énergie.
Les fonctionnalités proposées
63 Pour comprendre les offres disponibles, il faut donc les décrypter, entrer dans le détail
des fonctionnalités proposées, voire les tester quand cela est possible, des versions de
démonstration étant souvent disponibles en ligne. Dans certains cas comme les services
gratuits en ligne, le test peut être immédiat (voir plus bas les outils dédiés au sentiment analysis
sur Twitter).
64 Pour les autres, il faut donc s’attarder sur les présentations vidéo, documents et indications
disponibles sur les sites web et, le cas échéant, demander un test gratuit. De manière générale,
les offres packagées payantes et s’adressant aux marques et grandes entreprises – qu’il s’agisse
de logiciels ou de plateformes clé en main – comprennent :
• le sourcing (sur le web, le « web profond », les sites d’actualités, ou sur des bases de
données fermées comme les bases de brevets) ;
• la collecte (automatisée) des entités mises sous surveillance ;

OpenEdition Press
Chapitre 1. Historique et état du marché 19
• l’archivage des données ;
• leur traitement ;
• l’analyse des données ;
• la livraison des résultats sous des formats différents (tableau de bord partageable,
newsletters, reporting, etc.).
65 De gros moyens financiers sont nécessaires pour les investissements de développement, de
stockage et de maintenance. Certains prestataires proposent même des offres particulières à des
secteurs à partir de bases de données spécialisées par domaine, d’outils dédiés (dictionnaires
métiers, etc.). Seuls certains d’entre eux sont capables de fournir un tel service en raison
du temps de travail très important nécessaire pour constituer ces bases ou ces dictionnaires
spécialisés.
66 Entrons plus avant dans le détail des fonctionnalités de ces offres packagées.
67 On peut débuter un sourcing de plusieurs manières (voir le chapitre 3, « Le sourcing »). Celuici
peut faire suite à une analyse de la demande faite directement via un échange avec le client.
Il peut également être réalisé via un formulaire à remplir pour définir le besoin. Un corpus-test
peut être mis en place pour tester sa pertinence. La rédaction d’une liste de mots clés à mettre
a priori sous surveillance, et qui sera complétée au fur et à mesure, est également un moyen
assez répandu de débuter un sourcing. Quoi qu’il en soit, une fois la demande circonscrite, il
faut identifier les sources. Là encore, plusieurs méthodes peuvent être proposées. Les sources
peuvent être identifiées via des moteurs, méta-moteurs, annuaires et portails. Très souvent,
les principaux réseaux sociaux et sites du web social (bookmarking, micro-blogging, etc.)
font d’emblée partie des sources mises sous surveillance, parfois au détriment de sources du
web « 1.0 » pourtant tout aussi pertinentes. La programmation d’alertes en cas d’apparition
de nouvelles sources sur un thème donné est une fonctionnalité parfois proposée. Et il est en
général toujours possible de déclarer des mots clés supplémentaires à surveiller. Un travail
d’élimination du bruit (désambiguïsation) et d’élimination du silence (synonymes, fautes
d’orthographe courantes) peut venir compléter de manière plus ou moins efficace le sourcing,
en fonction des moyens alloués à cette tâche par le prestataire. Enfin, une fois le périmètre du
sourcing défini, tout un travail de qualification (avec parfois attribution d’un indice de fiabilité
ou de pertinence des sources), de catégorisation, voire de cartographie des sources, est mis
en œuvre.
68 La collecte (voir le chapitre 4, « Constituer et traiter les corpus de travail avant l’analyse
de tonalité »), en raison de la masse de données à crawler (moissonner), est une opération
automatisée qu’il faut néanmoins paramétrer. Quels types de paramètres peuvent donc être
pris en compte ?
• Le choix du ou des bouquets de sources à crawler dans le cas où de tels bouquets ont été
définis. Le client peut par exemple demander une mise sous surveillance de sites qu’il
a l’habitude de consulter.
• Le choix du type de sources à crawler : réseaux sociaux, blogs, sites de presse, etc.
• La granularité et la régularité du crawl (qui peut aller jusqu’à une collecte en quasitemps
réel).
• Des requêtes peuvent également être construites à partir de mots-clés ou de groupes de
mots-clés à surveiller.
69 L’archivage et le traitement des données récupérées via le crawl (voir les chapitres 4, et 5,
« Détecter les tonalités ») sont souvent des opérations sur lesquelles le client n’a pas la main.
Pour le prestataire, il s’agit essentiellement de construire des bases de données d’archivage
où classer des documents nettoyés (suppression des bandeaux publicitaires, reformatage, etc.)
et étiquetés, afin de pouvoir les retrouver facilement dans la base en fonction de catégories.
La catégorisation peut se faire automatiquement, ou au moins semi-automatiquement – une
rectification manuelle pouvant être nécessaire car les techniques de classement automatisées
ne sont pas infaillibles.
70 Concernant l’analyse des données, de nombreuses features sont proposées aux clients. En voici
quelques exemples :

OpenEdition Press
Chapitre 1. Historique et état du marché 20
• volumétrie : nombre d’occurrences d’un mot-clé, nombre de citations sur les réseaux
sociaux et les blogs, nombre d’« amis » sur les réseaux sociaux, nombre de « Like »
Facebook, etc. ;
• mots fréquents (i.e. les plus souvent associés à un mot-clé ou à une thématique) ;
• analyse de la tonalité (sentiment analysis) ;
• suivi dans le temps de la volumétrie, des mots fréquents, de l’analyse de la tonalité ;
• distribution des résultats en fonction des différents types de sources, pour chacune des
sources, en fonction de leurs catégories thématiques, en fonction de la langue ;
• évolution comparée des résultats suivant le type de sources, suivant la requête, suivant
la catégorie thématique des sources,
• entités nommées et expressions significatives associées ;
• co-occurrences de termes (clusterisation) ;
• mise en évidence de corrélations.
71 La livraison des résultats peut s’effectuer de différentes manières. L’analyse des données en
provenance des médias sociaux est souvent rendue accessible via des tableaux de bord en ligne.
Le client peut même souvent accéder directement aux verbatims par un simple clic, répondre
en quasi-temps réel à des commentaires de clients, etc. Cette dernière feature est devenue
très en vogue avec l’impératif de l’« engagement dans la conversation » avec les internautes
prôné par plusieurs prestataires et gourous du e-marketing. Plus traditionnels, des rapports de
veille personnalisés et rédigés par des experts, souvent spécialisés par secteur, ainsi que des
newsletters et alertes, font partie des options de diffusion des résultats.
72 Pour chacune de ces fonctionnalités, l’utilisateur peut avoir plus ou moins la main sur
le logiciel/la plate-forme et son paramétrage. Il peut, selon les cas, affiner ses requêtes,
ajouter une source à mettre sous surveillance, etc. Concernant la feature particulière que
représente le sentiment analysis, la plupart des prestataires se targuent de fournir des services
de recueil et d’analyse automatiques des opinions sur le web. Mais la grande majorité des
solutions proposées se limitent en fait, en termes de sentiment analysis, à un classement qui
répartit les opinions en trois grandes catégories : positif, négatif et neutre. Cette dernière
catégorie tend à regrouper tous les verbatims dont la polarité est soit effectivement neutre,
soit, et surtout, trop difficile à classer (alors que ce sont deux choses très différentes 43 !).
Ces difficultés tiennent largement au fait que la polarité est encore trop souvent jugée à
l’aune de listes de termes identifiés a priori comme laudatifs ou péjoratifs, liste composée à
partir de dictionnaires internationaux (General Inquirer, SentiWordNet). Nous y reviendrons
plus tard, mais rappelons pour l’instant que la polarité d’une opinion est une affaire plus
complexe que la simple identification de la polarité d’un terme présent dans une expression.
Le contexte d’énonciation, l’origine du locuteur ou encore l’inscription dans un dispositif
communicationnel particulier sont autant de critères d’évaluation de l’opinion qui doivent être
pris en compte. Si la plupart des prestataires disent fournir des solutions automatisées, il reste
que la grande majorité des prestations pointues d’analyse du sentiment restent supervisées par
des cellules d’experts (justement en raison des difficultés citées plus haut qui réclament une
expertise humaine). Le « tout automatique » constitue plus un argument marketing qu’une
réalité et l’on peut parler à plus juste titre « d’analyse du sentiment assistée par ordinateur »,
comme on le fait pour la traduction lorsqu’on admet les limites de la supposée traduction
automatique.
Notes
1 W. Stern, 1902, « Zur Psychologie der Aussage. Experimentelle Untersuchungen über
Erinnerungstreue », Zeitschrift für die gesamte Strafrechtswissenschaft, vol. XXII.
2 G.-W. Allport et L. J. Postman, 1945, « The Basic Psychology of Rumor », in Transactions of the New
York Academy of Sciences, série II, vol. 8.
3 E. Morin, La Rumeur d’Orléans, Seuil, 1969.
4 J.-N. Kapferer, Rumeur, le plus vieux média du monde, Seuil, 1987.
5 D. Boullier, 2010, La Ville-événement. Foules et publics urbains, Paris, PUF.

OpenEdition Press
Chapitre 1. Historique et état du marché 21
6 B. Latour, 1993, « Le “topofil” de Boa Vista ou la référence scientifique », La clef de Berlin et autres
leçons d’un amateur de science, Paris, La Découverte.
7 H. Garfinkel, 1967, Studies in Ethnomethodology, Englewood Cliffs, Prentice Hall.
8 Cf. M. H. Goldhaber, 1992, « The Attention Society », Release 1.0, n° 3, p. 1-20 et D. Boullier, 2009,
« Les industries de l’attention : fidélisation, alerte ou immersion », Réseaux, n o 154, p. 231-246.
9 G. A. Akerlof, 1970, « The Market for “Lemons”: Quality Uncertainty and the Market Mechanism »,
The Quarterly Journal of Economics, MIT Press, vol. 84, n° 3, p. 488-500, [en ligne]
[URL : http://www.jstor.org/stable/1879431].
10 E. L. Eisenstein, 1991, La Révolution de l’imprimé dans l’Europe des premiers temps modernes, Paris,
La Découverte.
11 Voir cette étude récente menée à Cornell University : M. Ott et al., 2011, « Finding Deceptive
Opinion Spam by any Stretch of the Imagination », Proceedings of the 49 th Annual Meeting of the
Association for Computational Linguistics, Portland, Oregon, 19-24 juin 2011, [en ligne] [URL : http://
www.cs.cornell.edu/~myleott/op_spamACL2011.pdf].
12 Pour une bonne illustration de ce point, lire l’article « Fake Twitter accounts used to promote tar
sands pipeline », [en ligne] [URL : http://www.guardian.co.uk/environment/2011/aug/05/fake-twittertar-sands-pipeline].
13 http://proxem.wordpress.com/2011/10/07/la-societe-generale-objet-d%e2%80%99unemanipulation-sur-twitter/
14 B. Pang, L. Lee, 2008, « Opinion Mining and Sentiment Analysis », Foundations and Trends in
Information Retrieval, vol. 2, n o 1-2, p. 1-135, [en ligne] [URL : http://www.cs.cornell.edu/home/llee/
omsa/omsa-published.pdf]. DOI : 10.1561/1500000001.
15 D. Boullier, 1984, « Autres outils, autres communications. À propos de Telem - Nantes », Télématique
- Promenade dans les usages, M. Marchand et C. Ancelin éd., Paris, La Documentation Française,
p. 71-93.
16 Michel de Certeau, Luce Giard, 1983, « L’ordinaire de la communication », Réseaux,
vol. 1, n o 3, p. 3-26, [en ligne] [URL : http://www.persee.fr/web/revues/home/prescript/article/
reso_0751-7971_1983_num_1_3_1092].
17 Cf. le communiqué de presse de Médiamétrie/NetRatings, L’Audience de l’Internet en France, juin
2011.
18 http://www.fevad.com/espace-presse/7eme-barometre-sur-les-comportements-d-achats-desinternautes
19 S. Huang et al., 2010, « Promote Product Reviews of High Quality on E-commerce Sites », Pacific
Asia Journal of the Association for Information Systems, vol. 2, n° 3, art. 5, [en ligne] [http://
aisel.aisnet.org/pajais/vol2/iss3/5].
20 Pour une illustration de la « Voix du Client chez
Auchan », cf. http://proxem.wordpress.com/2012/01/11/interview-de-jerome-desreumaux-directeur-dela-relation-clients-auchan/
21 G. Mishne., N. Glance., 2006, « Predicting Movie Sales from Blogger Sentiment », proceedings of
AAAI-CAAW-06, the Spring Symposium on Computational Approaches to Analyzing Weblogs, [en ligne]
[URL : http://www.aaai.org/Papers/Symposia/Spring/2006/SS-06-03/SS06-03-030.pdf].
22 M. Généreux, T. Poibeau, K. Moshe, 2011, « Sentiment Analysis Using Automatically Labelled
Financial News Items », Affective Computing and Sentiment Analysis: Metaphor, Ontology, Affect
and Terminology, K. Ahmad éd., chap. 9, p. 111–126, [en ligne] [URL : http://www.clul.ul.pt/files/
michel_genereux/EMOTI.pdf].
23 M. Généreux, « Système d’analyse de la polarité de dépêches financières », TALN 2011,
Montpellier, 27 juin – 1 er juillet 2011, [en ligne] [URL : http://www.lirmm.fr/~lopez/RECITAL/DEMOS/
DEMO_Genereux_UnivLisboa.pdf].
24 H. Saggion, A. Funk, 2009, « Extracting Opinions and Facts for Business Intelligence », Revue des
Nouvelles Technologies de l’Information (RNTI), n o E-17, p. 119-146, [en ligne] [URL : http://gate.ac.uk/
sale/rnti-09/final-version/Saggion-Funks-OM-09.pdf].
25 M. Thomas, B. Pang, L. Lee, 2006, « Get out the Vote: Determining Support or Opposition from
Congressional Floor-Debate Transcripts », Proceedings of EMNLP 2006, p. 327–335, [en ligne] [URL :
http://www.cs.cornell.edu/people/pabo/papers/emnlp06_convote.pdf].
26 N. Kwon, S. W. Shulman., E. Hovy, 2006, « Multidimensional Text Analysis for eRulemaking »,
Proceedings of the 2006 International Conference on Digital Government Research, p. 157-166, [en
ligne] [URL : http://www.isi.edu/natural-language/people/hovy/papers/06dgo-eRule-textanalysis.pdf].
DOI : 10.1145/1146598.1146649.

OpenEdition Press
Chapitre 1. Historique et état du marché 22
27 K. Liu et al., 2008, « Incorporate Sentiment Analysis in Contextual Advertising », TROA2008-
WWW2008, p. 1-8, [en ligne] [URL : http://research.yahoo.com/workshops/troa-2008/papers/
submission_4.pdf].
28 http://www.thebeaconservices.com/
29 http://memetracker.org/
30 http://caddereputation.over-blog.com/article-26988418.html
31 http://www.blueboat.fr/agences-e-reputation-france
32 S. Maurel, P. Curtoni et L. Dini, « Classification d’opinions par méthodes symbolique, statistique
et hybride », Actes de DEFT 2007, p. 111-117, [en ligne] [URL : http://www.celi-france.com/IMG/pdf/
celi-france_deft07-2.pdf].
33 http://deft.limsi.fr/
34 http://www.limsi.fr/
35 http://www.atala.org/-Conference-TALN-RECITAL-
36 http://deft07.limsi.fr/
37 http://deft09.limsi.fr/
38 http://trec.nist.gov/
39 I. Ounis et al., 2006, « Overview Of The Trec-2006 Blog Track », The Fifteenth Text REtrieval
Conference (TREC 2006) Proceedings, p. 17-31, [en ligne] [URL : http://trec.nist.gov/pubs/trec15/
papers/BLOG06.OVERVIEW.pdf].
40 http://techcrunch.com/2010/05/06/lithium-technologies-picks-up-scout-labs-for-20-million/
41 http://blog.backtype.com/2011/07/backtype-has-been-acquired-by-twitter/
42 Voir par exemple la plaquette de présentation des Solutions de veille et d’analyse de l’information
de LexisNexis Analytics : http://www.lexisnexis.fr/pdf/pdf_brochures/Plaquette_LN_Analytics-
_11VM032.pdf.
43 Ce qui revient au traitement analogue des refus de répondre, des « ne sait pas » dans les sondages.
Pour citer cet article
Référence électronique
Dominique Boullier et Audrey Lohard, « Chapitre 1. Historique et état du marché », in Opinion mining
et ‎Sentiment analysis (« Collection « Sciences Po │ médialab » », n o 1) , 2012 [En ligne], mis en ligne
le 19 mars 2012, consulté le 22 mars 2012. URL : http://press.openedition.org/204
Droit d’auteur
Licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Pas de Modification
3.0 France