Matthieu Bruneteau de Gorsse, CEO, et Grégoire Pfirsch, Directeur Général
L’émotion est-elle modélisable ? Très certainement répond la startup Q°emotion, spécialiste de l’analyse des données textuelles et de la détection des émotions qui s’y cachent. Comment cela fonctionne-t-il et quels sont les usages possibles de cette nouvelle connaissance ?
Lorsqu’un client, un prospect, ou toute autre personne avec laquelle vous êtes en contact vit une expérience liée à vos produits, votre service, elle ressent le plus souvent une émotion. Cette émotion est difficile à occulter, l’Être humain l’exprime inconsciemment. Elle peut s’exprimer au travers du langage, mais également au travers d’expressions faciales, d’intonations de la voix.
Pour Grégoire Pfirsch, Directeur Général et co-fondateur de Q°emotion, les émotions peuvent être classifées en six niveaux : la joie, la surprise, la peur, la colère, la tristesse et le dégout. Il est intéressant de remarquer qu’au moins quatre des six niveaux, se rattachent à des émotions négatives, de la peur au dégout. Quant à la surprise, elle peut être positive, ou négative, et dans ce cas, Grégoire Pfirsch suggère de la rattacher à de la tristesse. A cette échelle de valeurs émotionnelles il convient également d’ajouter une valeur neutre, le calme non émotionnel.
Le métier de Q°emotion est d’analyser les éléments de langage, de les décrypter, les décortiquer, pour « qualifier et quantifier les ressentis émotionnels ».
Lorsqu’un client, un prospect, ou toute autre personne avec laquelle vous êtes en contact vit une expérience liée à vos produits, votre service, elle ressent le plus souvent une émotion. Cette émotion est difficile à occulter, l’Être humain l’exprime inconsciemment. Elle peut s’exprimer au travers du langage, mais également au travers d’expressions faciales, d’intonations de la voix.
Pour Grégoire Pfirsch, Directeur Général et co-fondateur de Q°emotion, les émotions peuvent être classifées en six niveaux : la joie, la surprise, la peur, la colère, la tristesse et le dégout. Il est intéressant de remarquer qu’au moins quatre des six niveaux, se rattachent à des émotions négatives, de la peur au dégout. Quant à la surprise, elle peut être positive, ou négative, et dans ce cas, Grégoire Pfirsch suggère de la rattacher à de la tristesse. A cette échelle de valeurs émotionnelles il convient également d’ajouter une valeur neutre, le calme non émotionnel.
Le métier de Q°emotion est d’analyser les éléments de langage, de les décrypter, les décortiquer, pour « qualifier et quantifier les ressentis émotionnels ».
Six niveaux d’émotions, dont certains sont des ressorts inattendus de vente
En quoi l’analyse des émotions serait-elle différente de l’analyse de sentiment ? Il existe en effet de nombreuses entreprises œuvrant dans le domaine de l’analyse de sentiment, depuis plus de quinze ans. Pour Grégoire Pfirsch, l’analyse des émotions « va un cran plus loin que l’analyse de sentiment. L’analyse de sentiment consiste essentiellement à classer en positif ou négatif, des messages publiés sur les médias sociaux ». Q°emotion met en avant des sources de données plus larges et une analyse plus fine, au travers de son échelle de mesure. L’analyse de sentiments classique entrainerait en effet beaucoup de classifications « neutres ». « Séparer simplement le positif du négatif, ce n’est pas de l’émotion », précise le co-fondateur de l’entreprise.
En fonction des domaines d’activité, des émotions primaires telles que la peur, peuvent être perçues de manière positive. Ainsi dans le domaine de l’assurance, la peur du sinistre ou de ses conséquences peuvent être les meilleurs arguments de vente d’une assurance complémentaire santé, d’une assurance contre le vol, ou d’une assistance voyage.
Pour un parc d’attraction, le frisson, voire la peur, seront des arguments de vente. Le client cherche à se faire peur, et achète un service qui y parvient. Le fait qu’une majorité des visiteurs d’une attraction « tour infernale » ait peur, sera le meilleur argument de vente pour le parc.
Une fois définis les niveaux émotionnels, Q°emotion permet bien sûr d’en faire la synthèse. On saura ainsi quel pourcentage des utilisateurs ont exprimé quel type d’émotion. Et l’on pourra également, si la donnée clef est disponible, analyser les différentes émotions ressenties par une même personne et traduites dans différents messages.
La température émotionnelle sera surtout rattachée à un contexte. Il ne sert en effet à rien de savoir que X % des clients sont insatisfaits, si l’on n’est pas capable d’en expliquer la raison. Rattacher l’émotion à un événement permet d’orienter les priorités d’actions.
En fonction des domaines d’activité, des émotions primaires telles que la peur, peuvent être perçues de manière positive. Ainsi dans le domaine de l’assurance, la peur du sinistre ou de ses conséquences peuvent être les meilleurs arguments de vente d’une assurance complémentaire santé, d’une assurance contre le vol, ou d’une assistance voyage.
Pour un parc d’attraction, le frisson, voire la peur, seront des arguments de vente. Le client cherche à se faire peur, et achète un service qui y parvient. Le fait qu’une majorité des visiteurs d’une attraction « tour infernale » ait peur, sera le meilleur argument de vente pour le parc.
Une fois définis les niveaux émotionnels, Q°emotion permet bien sûr d’en faire la synthèse. On saura ainsi quel pourcentage des utilisateurs ont exprimé quel type d’émotion. Et l’on pourra également, si la donnée clef est disponible, analyser les différentes émotions ressenties par une même personne et traduites dans différents messages.
La température émotionnelle sera surtout rattachée à un contexte. Il ne sert en effet à rien de savoir que X % des clients sont insatisfaits, si l’on n’est pas capable d’en expliquer la raison. Rattacher l’émotion à un événement permet d’orienter les priorités d’actions.
La langue évolue, l’expression de l’émotion également
Au cœur de la solution Q°emotion, un dictionnaire du langage émotionnel. Ce travail, qui a été réalisé en amont du lancement de la solution, regroupe plusieurs dizaines de millions de mots et d’expressions, en trente langues. Les plus développées sont actuellement le français, l’anglais et le chinois. Des mots, mais surtout des expressions qu’il faut comprendre pour déterminer l’émotion exprimée. Ainsi l’expression « mener en bateau », n’a en français rien à voir avec la navigation maritime, mais exprime un sentiment très négatif de malhonnêteté.
Q°emotion comprend et analyse l’ensemble des messages textes, quels qu’en soient les canaux d’émission. Il peut s’agir d’emails, de messagerie instantanée type WhatsApp, de robots conversationnels, etc. Il faut donc s’adapter et comprendre la manière de s’exprimer utilisée sur chacun de ces canaux : émoticons, abréviations, le dictionnaire du langage émotionnel doit contenir tout cela.
Pour y parvenir, Q°emotion utilise des algorithmes d’apprentissage (machine learning), même si une supervision humaine reste toujours nécessaire pour valider de nouvelles expressions. La startup utilise également les réseaux neuronaux pour rechercher les proximités entre différents commentaires.
Q°emotion comprend et analyse l’ensemble des messages textes, quels qu’en soient les canaux d’émission. Il peut s’agir d’emails, de messagerie instantanée type WhatsApp, de robots conversationnels, etc. Il faut donc s’adapter et comprendre la manière de s’exprimer utilisée sur chacun de ces canaux : émoticons, abréviations, le dictionnaire du langage émotionnel doit contenir tout cela.
Pour y parvenir, Q°emotion utilise des algorithmes d’apprentissage (machine learning), même si une supervision humaine reste toujours nécessaire pour valider de nouvelles expressions. La startup utilise également les réseaux neuronaux pour rechercher les proximités entre différents commentaires.
Quelle plateforme concentrera toutes ces émotions à terme ? Le CRM ou une plateforme dédiée ?
Aujourd’hui commercialisée en mode SaaS ou au travers d’APIs, la solution Q°emotion a été conçue pour fonctionner en quasi-temps réel. Même s’il ne reflète pas encore une demande actuelle, le scénario pourrait être le suivant, dans le futur :
- Un client ou un prospect dialogue avec un robot conversationnel au travers de Facebook Messenger ou WhatsApp ;
- Les sentiments exprimés dans ses messages écrits sont analysés en temps réel, au travers de l’API Q°emotion, et la température émotionnelle est communiquée comme paramètre au chatbot ;
- Le chatbot peut utiliser cette émotion pour adapter ses messages, ou transférer en cas de besoin la conversation à un humain qui prend le relais.
Commercialisée à partir de 1500 euros par mois, la solution Q°emotion cible actuellement en priorité les grands secteurs B2C : Tourisme, Luxe, Distribution, Banques et Transport.
Q°emotion n’a pas vocation à se développer sur tous les axes d’expression de l’émotion (voix, expression corporelle ou faciale…). Ils envisagent cependant à terme de combiner l’analyse de texte à l’analyse d’images, afin de comprendre ce qu’un visuel traduit comme émotions.
En revanche, il semble évident que la maturité prochaine de ce marché de la collecte et de l’analyse des émotions, entrainera un besoin de « plateformisation ». Difficile pour une grande entreprise B2C de collectionner les outils, mais il sera intéressant d’intégrer l’ensemble des expressions émotionnelles au sein de la fameuse vision 360° du client.
Sans doute donc dans un futur plus ou moins proche, ces différents outils, pour l’instant développés par des startups indépendantes, seront-ils intégrés dans une plateforme.
Il pourra s’agir d’une plateforme de CRM (Salesforce pourrait être intéressé à se développer dans ce domaine), ou d’une plateforme analytique (Adobe serait alors bien placé).
Cela ne semble pas la priorité des clients ; le marché se développe pour l’instant en silos. Q°emotion a cependant déjà été contacté par des agences de communication, par exemple à l’occasion d’événements sportifs majeurs, afin d’intégrer l’analyse émotionnelle des textes au sein d’un projet plus large.
- Un client ou un prospect dialogue avec un robot conversationnel au travers de Facebook Messenger ou WhatsApp ;
- Les sentiments exprimés dans ses messages écrits sont analysés en temps réel, au travers de l’API Q°emotion, et la température émotionnelle est communiquée comme paramètre au chatbot ;
- Le chatbot peut utiliser cette émotion pour adapter ses messages, ou transférer en cas de besoin la conversation à un humain qui prend le relais.
Commercialisée à partir de 1500 euros par mois, la solution Q°emotion cible actuellement en priorité les grands secteurs B2C : Tourisme, Luxe, Distribution, Banques et Transport.
Q°emotion n’a pas vocation à se développer sur tous les axes d’expression de l’émotion (voix, expression corporelle ou faciale…). Ils envisagent cependant à terme de combiner l’analyse de texte à l’analyse d’images, afin de comprendre ce qu’un visuel traduit comme émotions.
En revanche, il semble évident que la maturité prochaine de ce marché de la collecte et de l’analyse des émotions, entrainera un besoin de « plateformisation ». Difficile pour une grande entreprise B2C de collectionner les outils, mais il sera intéressant d’intégrer l’ensemble des expressions émotionnelles au sein de la fameuse vision 360° du client.
Sans doute donc dans un futur plus ou moins proche, ces différents outils, pour l’instant développés par des startups indépendantes, seront-ils intégrés dans une plateforme.
Il pourra s’agir d’une plateforme de CRM (Salesforce pourrait être intéressé à se développer dans ce domaine), ou d’une plateforme analytique (Adobe serait alors bien placé).
Cela ne semble pas la priorité des clients ; le marché se développe pour l’instant en silos. Q°emotion a cependant déjà été contacté par des agences de communication, par exemple à l’occasion d’événements sportifs majeurs, afin d’intégrer l’analyse émotionnelle des textes au sein d’un projet plus large.
