Dictanova automatise les remontées d'avis clients grâce à l'IA

"Les data-visualisation décrivant les données de satisfaction client, c’est joli, c’est sympa. Sauf qu’en réalité, personne ne veut en faire de l’analyse", raille Fabien Poulard, fondateur de Dictanova. "Les services opérationnels, et ils ont bien raison, ne veulent savoir qu’une seule chose : qu’est-ce qui relève de mon domaine ?" Pour simplifier la vie de ses clients, la vingtaine d’employés de Dictanova a donc choisi de compliquer la sienne.

La Fnac a par exemple sélectionné l’entreprise nantaise pour traiter ses 40 à 50 000 retours d’expériences clients par mois. 200 employés Fnac utilisent régulièrement les outils de Dictanova. Des analyses qui peuvent prendre des formes très différentes, de l’alerte indiquant qu’un client est sur le point de partir, au rapport global, en passant par l’explication des tendances de fond. Il est également possible d’utiliser un moteur de recherche pour aller creuser un peu plus loin. Que pensent les clients de tels produits ? Est-ce que l’on pourrait lancer tel service ? Ce genre de question va faire remonter les argumentaires des clients qui ont déjà abordé ces questions.

Pour produire ces analyses, les textes des clients sont mis en rapport les uns aux autres. "Par exemple, nos outils vont automatiquement observer que les personnes qui mettent de mauvaises notes se plaignent plutôt de tel service que d’un autre. Dans notre alerte, on indiquera que l’amélioration de ce service augmenterait la satisfaction générale de X points".

Machine learning + analyse sémantique

Mais pour arriver à ce résultat, il faut d’abord analyser une multitude de textes, souvent dans des formats hétérogènes. DictaNova travaille donc en NoSQL, un socle big data capable de traiter de grosses quantités de données même si elles n’ont pas toutes la même forme. En fait, les outils informatiques rendent les données interrogeables et plus encore, interrogeables par rapport aux règles métiers spécifiques à chaque filière. "Notre expertise tient à un mélange d’analyse sémantique des textes récupérés et de machine learning, ajoute Fabien Poulard, qui est également docteur en traitement automatique des langues. C’est une approche hybride que nous développons grâce à un partenariat avec le laboratoire LS2M de Nantes". Deux thèses du laboratoire sont actuellement en cours au sein de Dictanova.

Créée en 2011 à Nantes, Dictanova emploie 19 personnes et a effectué une levée de fonds de 1,2 million d’euros en 2016. Son chiffre d’affaires est en augmentation de 20% d’une année sur l’autre, selon Fabien Poulard.

Sélectionné pour vous

Dans l'usine de Stellantis à Vesoul, la quête des données du flux logistique en temps réel

Comment Sanofi utilise la science des données pour adapter sa chaîne d'approvisionnement

Aux Etats-Unis, le fisc utilise l'intelligence artificielle pour mieux repérer l'évasion fiscale