Passer au contenu principal

Analyse soutenue par l'intelligence artificielle

Écrit par Nola Moreau

Aperçu de l'analyse IA

La fonction d'analyse de l'IA aide les administrateurs à comprendre, classer et analyser rapidement de grands volumes d'informations provenant des habitants. Il fonctionne à la fois pour les idées et les enquêtes, en offrant :

  • Analyse qualitative : Récapitulatif de la saisie textuelle à partir d'idées, de commentaires ou de réponses de sondage

  • Analyse quantitative : Exploration des corrélations entre les démographies, les tags et les réponses de l'enquête

ℹ️ L'accès à cette fonction dépend de votre licence.

Interface d'analyse IA

L'interface a quatre colonnes principales :

  1. Gestion des étiquettes : Créez et gérez des étiquettes pour regrouper les entrées

  2. Liste d'entrée : Montre toutes les contributions à analyser

  3. Utilisateur & Vue des filtres : Affichez les réponses anonymes des utilisateurs, appliquez des filtres ou explorez les commentaires

  4. Résumés & Questions : Résumez les données filtrées ou demandez à l'IA de vous éclairer

Comment utiliser l'analyse par IA ?

  • Accédez aux statistiques du projet

  • Clique sur le widget « Analyse IA » en haut à droite

En option :

  • Pour les sondages : va sur une question ouverte et clique sur « Explorer » pour voir les questions spécifiques

  • Ajouter une question complémentaire dans l'analyse IA « Poser une question »

  • Utilisez les filtres pour exploiter les fonctionnalités de l'IA dans un contexte spécifique (par exemple, filtrez par données démographiques, horodatages, réponse spécifique à une question, etc.)

ℹ️ Le filtre du niveau d'engagement n'est disponible que pour les projets d'idéation/proposition

Méthodes d'étiquetage dans l'analyse IA

Le balisage aide le cluster et interprète les entrées de l'utilisateur. L'outil prend en charge :

  • Étiquetage entièrement automatisé : L'IA attribue des étiquettes communes.

  • Par étiquette : Créez vos propres étiquettes.

  • Par l'exemple : Fournissez des exemples manuels pour enseigner le marquage par l'IA.

  • Étiquetage par sentiment : Tagguez les contributions comme positives ou négatives.

  • Détection de la langue : Identifiez la langue de la contribution.

  • Étiquetage manuel : Pour un contrôle total, vous pouvez étiqueter chaque contribution manuellement.

Qu'est-ce que l'Analyse Croisée?

Analyse Croisée relie les étiquettes, les données démographiques et les questions de l'enquête pour découvrir des tendances.

  • Affiche des corrélations clés (par exemple, quel groupe d'âge s'engage avec quelle étiquette)

  • Inclut une vue de la carte de chaleur, avec des boîtes marquées si une corrélation est statistiquement significative

  • L'unité d'analyse peut être basculée entre :

    • Contributions

    • J'aime

    • Dislikes

    • Les participants

Différence :

  • En ideation, Auto‐Insights connecte la démographie à des tags

  • Dans sondages, Auto‐Insights relie la démographie, les tags et les questions du sondage

Vous pouvez entrer dans l'auto-aperçu en appuyant sur explorer en dessous des informations démographiques de l'interface de l'outil IA.

Pourquoi la supervision humaine est-elle recommandée ?

Les outils Résumer et Poser une question génèrent des aperçus rapides mais nécessitent une surveillance humaine.

  • Les résumés comprennent des références cliquables aux données d'origine pour plus de transparence

  • La surcharge de l'IA avec un trop grand nombre de contributions peut réduire la précision - les filtres & étiquettes permettent d'y remédier

  • Les références en ligne manquantes peuvent se produire pour des raisons telles que :

    • pertinence contextuelle (références non nécessaires)

    • équilibrage de la lisibilité (évitant les citations excessives)

    • Raffinement du système (amélioration constante)

  • Hallucinations : bien que cela soit rare, l'IA peut parfois générer des informations qui ne figuraient pas explicitement dans l'ensemble de données d'origine.

  • Exagération : l'IA pourrait mettre davantage l'accent sur certains thèmes ou certaines idées que sur d'autres, ce qui pourrait fausser l'interprétation globale.

  • Biais : les résultats peuvent comporter divers biais. Ces problèmes peuvent provenir, par exemple, d'un déséquilibre dans les données utilisées pour l'entraînement du modèle, de différences de langue et d'expression, ou encore d'un manque de compréhension du contexte. En particulier, l'ironie, le sarcasme, le dialecte, l'argot des jeunes ou certaines tournures de phrases qui dépendent du contexte peuvent être mal interprétés.

⚠️ Les résumés ne sont pas 100% exacts. Toujours vérifier les clés trouvées avec les données originales.

Masterclass sur l'IA

Pour une démonstration complète de notre outil d'analyse d'IA, consultez l'enregistrement de notre classe IA Masterclass. Sélectionnez votre langue pour l'enregistrement approprié.

Avez-vous trouvé la réponse à votre question ?