L' ANALYSE TEXTUELLE : A L'HEURE DE L'INTELLIGENCE ARTIFICIELLE :
Tastelweb® permet de traiter l'expression totalement libre !
Perception, qualités et défauts :
pourquoi analyser les commentaires textuels ?
Les commentaires libres permettent une expression des perceptions des panélistes et des consommateurs en langage naturel, sans contrainte et sans filtre, et dont l'expression recèle une information extrêmement riche, précise, qualitative et quantitative !
- Evaluations de produits par des experts : qui n'a jamais ressenti une certaine frustration lors d'une évaluation d'un produit, de devoir se limiter à quelques notes d'intensité sur une grille de descripteurs standardisée ?
- Evaluations par des consommateurs : les réponses à des questions ouvertes peuvent apporter une quantité d'informations clés à une marque, à un produit.
Depuis toujours, nous savons pourtant exprimer nos perceptions avec des mots : ce langage libre qui restitue toute la complexité des sensations ressenties lorsqu'une molécule du produit, sa texture ou tout autre caractéristique rencontre nos cellules sensorielles.
La principale difficulté réside par conséquent à pouvoir traiter automatiquement et facilement
cette expression libre sans devoir passer un temps rédhibitoire, pour pouvoir regrouper les originalités de chaque individu, et ne pas réduire trop fortement la richesse des termes collectés.
Tastelweb® permet de traiter l'expression totalement libre !
1. Analyse syntaxique (approche quantitative)
Un texte sensoriel reste spécifique par une description guidée par l'évolution de la perception et par la nature des mots utilisés, si on se réfère à un texte classique.
Tastelweb® prend en compte cette spécificité dans le traitement de textes issus de tests consommateurs (questions ouvertes) ou de tests descriptifs (profil classique / QDA, Napping, Profil Pivot©...).
Chaque phrase est analysée syntaxiquement afin de préciser le type, le genre, le nombre, le substantif,… de chaque terme.
Ne seront retenues que les "expressions qualificatives" (hors formes verbales, adverbales, ponctuations … ), avec distinction des formes positives, des formes négatives.
Les termes précédés, par exemple de ‘sans’, ‘aucun’, ‘absence de’, ‘exempt de’… sont alors automatiquement précédés de ‘pas ______’ afin de préciser leur forme négative.
Les modalisateurs sont aussi pris en compte : ce sont ces mots qui peuvent changer le sens d'un autre mot - exemple, bulle fine, absence de bulle…
Les fréquences des expressions qualificatives les plus importantes peuvent être ressorties et calculées par produit, de manière quasi automatique.
Ces résultats permettent de décrire et de comparer les produits entre eux de manière complètement ouverte, sans que ces termes n'aient été suggérés préalablement auprès des panélistes.
2. Analyse synthétique par ChatGPT (approche qualitative)
Les commentaires textuels issus des évaluations peuvent désormais être synthétisés grâce à ChatGPT version 4.0, une version spécifiquement personnalisée par notre équipe IT, pour l’univers de la description organoleptique.
Dans le cadre des tests consommateurs, cet outil intègre le contexte précis de la question afin de produire une synthèse pertinente et adaptée. Grâce à un prompt personnalisé, le panel leader n’a plus qu’à définir le nombre de mots souhaité pour obtenir une synthèse claire et efficace des commentaires recueillis.
Des développements futurs, concrets,
grâce à l'Intelligence Artificielle (IA)
1. Analyse syntaxique (approche quantitative)
Plusieurs pistes d'amélioration sont en cours de développement :
- synonymes, antonymes : Tastelweb® permet déjà de prendre en compte des synonymes et antonymes, mais de manière manuelle. L'IA pourra réaliser ce travail de regroupement ou de dissociation de manière automatique, par un apprentissage des produits, familles de produits.
- dictionnaire de mots : ce travail de regroupement est facilité aujourd'hui par des dictionnaires de mots. Ces derniers, spécifiques à chaque catégorie de produits, pourraient être générés et personnalisés de manière automatisée.
2. Analyse synthétique par ChatGPT (approche qualitative)
Autres pistes d'amélioration en cours de développement sur cette seconde approche :
- experts / consommateurs : améliorer le rendu des synthèses selon le type de répondants.
- famille de produits : adapter les résultats selon les catégories de produits évaluées.
- catégorisation des commentaires
:
pouvoir distinguer les commentaires selon le thème abordé par les panélistes, par exemple des commentaires sur la présentation, le goût, la texture...des produits.
