Analyser les commentaires clients et les réponses ouvertes avec l’IA

« La commande est arrivée en retard, mais les chemises sont solides. » La personne qui s’occupe des livraisons et celle qui choisit les produits ont chacune quelque chose à retenir de cette phrase. La classer comme un simple avis négatif ferait disparaître l’appréciation du produit.

Pour analyser les réponses ouvertes d’un questionnaire avec l’IA, attribuez un identifiant à chaque commentaire et définissez vos catégories. Demandez un tableau que vous pourrez vérifier ligne par ligne, puis calculez les fréquences avant de rédiger le rapport. L’exercice proposé ici porte sur 50 commentaires synthétiques concernant une boutique fictive de fournitures de bureau : aucun ne provient de vrais clients.

Fichiers de l’exercice, en espagnol :

• CSV source : 50 commentaires synthétiques
• CSV du classement vérifié
• CSV des effectifs vérifiés
• Rapport final en PDF (3 pages, espagnol)

Que conserver dans le fichier de départ ?

Conservez un identifiant stable et le texte original de chaque réponse, ainsi que la question posée lorsqu’il s’agit d’un questionnaire. Vous pourrez ainsi retrouver le contexte pour vérifier une étiquette ou une conclusion discutable.

Fixez une question précise, par exemple : « Quels aspects de l’achat ces commentaires abordent-ils ? » Regrouper dans un même décompte des avis sur les livraisons, des réponses à une enquête interne et des publications sur les réseaux sociaux rendrait le résultat difficile à interpréter.

Notre CSV contient deux colonnes, id et comentario, et les identifiants C001 à C050. Les commentaires sont en espagnol. Les extraits français de cet article servent à expliquer les choix de classement ; le fichier source conserve les formulations d’origine. On y trouve des compliments, des problèmes, des demandes et quelques réponses très peu informatives. Gardez aussi ces dernières : « Sans commentaire » n’exprime pas un avis neutre sur le service.

Pour une véritable enquête, ne conservez que les données nécessaires à votre analyse et autorisées par votre entreprise pour l’outil choisi. Relisez les champs libres : retirer la colonne des noms ne supprime pas une adresse ou un détail permettant de reconnaître quelqu’un dans le commentaire lui-même.

Comment distinguer les thèmes de la tonalité ?

Le thème indique le sujet abordé ; la tonalité décrit l’appréciation exprimée dans le texte. Une même réponse peut évoquer plusieurs sujets et mêler satisfaction et critique, ce qui justifie des colonnes distinctes.

La documentation de l’analyse thématique de SurveyMonkey distingue elle aussi identifiant, texte, thèmes et, si l’option est activée, ressenti dans ses exports. Pour notre exercice, nous avons défini une grille de six thèmes. Les codes espagnols restent identiques dans tous les fichiers pour faciliter les vérifications :

Utilisez sin_tema lorsqu’aucun thème n’est identifiable. Ce statut se compte à part ; il ne forme pas une septième barre dans le graphique des thèmes.

La tonalité prend ici cinq valeurs : positive, négative, mixte, neutre et indéterminée. « Je voudrais choisir le jour de livraison » constitue une demande neutre selon cette grille. « Je ne commanderai plus » est négatif, sans thème identifiable. « Ah. » ne suffit pas pour conclure : la tonalité est indéterminée. Il s’agit de classer les propos, sans déduire l’état émotionnel de leur auteur.

Essayez la grille sur des réponses variées avant de traiter votre export. Précisez les règles lorsque plusieurs interprétations se présentent, puis revoyez les lignes concernées par chaque changement. Conservez la version de la grille utilisée pour l’analyse.

Quelle consigne donner à l’IA ?

Demandez une ligne de résultat par commentaire, avec tous les thèmes pertinents, une seule tonalité et un extrait original justifiant le classement. Ce tableau permet de retrouver les réponses derrière chaque catégorie avant d’accepter un résumé.

Joignez le CSV et fournissez la grille dans la même conversation. Adaptez les catégories à votre question ; cette consigne fixe les éléments attendus et les vérifications :

1Analyse le CSV joint selon la grille fournie. Conserve chaque
2identifiant et chaque commentaire original, sans supprimer ni
3dupliquer de ligne. Les 50 réponses de cet exercice sont synthétiques.
4
5Crée un CSV téléchargeable avec les colonnes :
6id, comentario, temas, sentimiento, evidencia, nota_revision.
7
8Attribue tous les thèmes explicitement pertinents. Sépare plusieurs
9codes par des points-virgules ; ne répète jamais un code dans une
10ligne. Utilise sin_tema seul si aucun thème n’est identifiable.
11Conserve les codes espagnols de la grille. Attribue une seule
12valeur globale : positivo, negativo, mixto, neutro ou indeterminado,
13selon les définitions fournies. Ne déduis pas d’état émotionnel.
14
15Recopie un extrait exact du commentaire espagnol comme preuve
16et note les ambiguïtés. Vérifie que les identifiants d’entrée et
17de sortie correspondent. Compte les commentaires mentionnant chaque
18thème, au plus une fois par thème et par commentaire, sur une base
19de 50. Présente sin_tema séparément ; les tonalités doivent totaliser
2050. Ne présente pas cet exercice comme représentatif de vrais clients.

Enregistrez la consigne réellement envoyée et le nom du modèle avec le résultat. Si vous changez de modèle ou de définition, gardez la sortie précédente pour expliquer les écarts. Le maintien de l’accès à chaque cas fait également partie de la méthode d’analyse des questions ouvertes présentée par Rädiker et Kuckartz.

Comment vérifier le classement et les totaux ?

Comparez chaque ligne produite au commentaire original et aux règles de la grille, puis recalculez les fréquences après correction. Le total des thèmes peut dépasser le nombre de réponses, puisqu’un commentaire peut aborder plusieurs sujets.

Dans cet exercice, le dénominateur reste 50, y compris les commentaires sans thème. Pour chaque pourcentage, divisez le nombre de commentaires mentionnant le thème par 50, puis multipliez par 100. Diviser par le nombre d’étiquettes attribuées donnerait une autre mesure.

Nous avons réalisé l’exercice dans l’environnement de test d’Ilisai, avec l’option Auto. La première sortie conservait les 50 identifiants et commentaires, mais classait toutes les tonalités comme neutres ou indéterminées, omettait des thèmes et affichait un graphique différent des valeurs du CSV. Il fallait reprendre ce résultat avant d’en utiliser les totaux.

Un autre agent d’IA a comparé les 50 lignes au texte original et à la grille. Cette relecture a modifié les thèmes de 30 lignes et la tonalité de 44 ; elle a aussi remplacé les 50 champs de citation, qui avaient perdu les majuscules d’origine et coupaient souvent le passage pertinent. Nous avons ensuite fourni les corrections explicites, demandé de nouveaux fichiers et vérifié ceux obtenus. Aucune validation humaine n’a été réalisée.

C013 exige de retenir le retard de livraison et la solidité des chemises. C015 mentionne un carton déchiré et une agrafeuse abîmée, sans établir que l’un a causé l’autre. C025 apprécie la clarté du coût, sans évoquer une interface web. C039 dit « Tout est parfait » : une appréciation positive, sans sujet identifiable. Ces explications traduisent les propos espagnols.

Le CSV final conserve également cinq notes d’interprétation. C027 associe par exemple une livraison ponctuelle à une préférence conditionnelle pour un carton plus petit et moins cher. Selon notre grille, la tonalité reste positive, car cette demande ne signale pas de problème constaté. Une autre grille pourrait trancher différemment ; la note rend ce choix explicite.

Les fichiers finaux ont été vérifiés : 50 identifiants uniques, textes intacts, étiquettes et citations exactes. Aucune ligne n’associe sin_tema à un thème. Cette vérification porte sur la correction d’un exercice synthétique ; elle ne mesure pas la précision générale du modèle et ne dispense pas de relire les résultats.

Que montrent les 50 commentaires après vérification ?

La livraison et le produit figurent chacun dans 13 commentaires, soit 26 % de cet ensemble synthétique. Les six thèmes comptent 63 attributions et leurs pourcentages totalisent 126 %, puisqu’une réponse peut aborder plusieurs sujets.

Les cinq commentaires sans thème identifiable, soit 10 %, sont présentés à part et ne forment pas une septième barre. Le graphique vérifié reprend ces six effectifs, avec un axe partant de zéro ; ses libellés sont en espagnol.

Capture du graphique vérifié dans Ilisai. Un commentaire peut avoir plusieurs thèmes : 63 attributions pour 50 commentaires synthétiques ; les cinq sans thème sont présentés à part. Les libellés sont en espagnol.

La tonalité attribue une seule valeur à chaque commentaire :

Le rapport final est un PDF de trois pages, rédigé en espagnol. Il contient les deux tableaux, trois observations associées à des identifiants et deux suites proposées, à partir du classement et des consignes éditoriales corrigés. Ses chiffres et ceux du graphique concordent avec le CSV vérifié ; ils décrivent uniquement ces commentaires fictifs.

Comment rédiger un rapport utile à partir du graphique ?

Un graphique en barres permet de comparer le nombre de commentaires qui abordent chaque thème, avec des exemples repérés par leur identifiant. La fréquence aide à choisir les sujets à examiner, mais ne suffit pas à mesurer leur gravité, la satisfaction ou la priorité commerciale.

La barre « livraison » peut réunir des félicitations pour la rapidité, des retards et des demandes de choix de date. Lisez les réponses concernées avant de proposer une amélioration. Un défaut sérieux signalé une seule fois peut également demander une action.

Une fois la vérification des lignes terminée, demandez le rapport :

1Utilise uniquement le CSV de classement vérifié. Recalcule les
2effectifs et crée un graphique en barres par thème, avec un axe
3partant de zéro et l’unité « nombre de commentaires ». Précise que
4les 50 commentaires sont synthétiques et peuvent avoir plusieurs
5thèmes. Présente séparément les réponses sans thème et les tonalités.
6
7Produis un rapport PDF téléchargeable avec la méthode, les effectifs,
8trois observations appuyées sur des identifiants et deux propositions
9d’investigation. Distingue observation et interprétation. N’affirme
10ni causalité ni représentativité. N’invente pas de validation humaine,
11d’amélioration des ventes ou de gain de temps.

Pour comparer de véritables périodes, gardez la même question, la même méthode de sélection et la même grille, ou expliquez les changements. Il faut également savoir qui pouvait répondre et qui a répondu. Ce fichier synthétique ne permet ni d’estimer l’opinion d’une clientèle ni de fixer la quantité de texte que votre équipe pourra traiter correctement en une session.

Dans la grande entreprise

Désignez les responsables de la grille, des cas ambigus et de la validation du rapport. Si plusieurs pays ou services participent, conservez la langue originale et documentez les traductions : une liste commune de thèmes demande encore une lecture attentive dans chaque langue. Pour un traitement continu relié au CRM, avec droits d’accès et suivi des dossiers, examinez les outils d’enquête ou d’expérience client conçus pour cette organisation.

Essayer ce travail dans Ilisai

Ilisai permet d’analyser un CSV ou un XLSX, d’afficher un graphique dans la conversation et de produire des fichiers téléchargeables à vérifier en dehors du chat. Vous pouvez choisir parmi les modèles disponibles et poursuivre jusqu’au rapport ; la personne responsable de l’analyse contrôle les étiquettes et les conclusions.

Commencez par le CSV synthétique, puis utilisez un export dont votre entreprise a autorisé le traitement. Le guide de l’analyse de données avec l’IA explique le travail avec les tableurs ; le générateur de documents avec l’IA présente les formats de sortie. Les limites et les modalités de consommation figurent sur la page des tarifs.