Comment comprendre ce que disent des milliers d’avis clients sans les lire un par un ?

La question

Au-delà de quelques centaines d’avis, la lecture manuelle ne suffit plus. L’outil prend un fichier d’avis (CSV, Excel, JSON, texte, DOCX ou PDF) et en donne une vue d’ensemble : sentiments, thèmes, contradictions entre la note et le texte, doublons.

Un modèle multilingue qui tourne en local

Le sentiment est calculé par XLM-T de Cardiff NLP, un modèle multilingue converti en ONNX et quantifié en int8. Il fonctionne sur l’ordinateur, sans envoyer les avis à un service extérieur. Les avis longs sont découpés en segments de 256 tokens, tous analysés.

Quand le meilleur score est inférieur à 0,60, ou trop proche du deuxième, le résultat est « Indéterminé » plutôt qu’un classement forcé. Un avis qui contient des passages nettement positifs et négatifs est classé « Mixte ». Ces cas sont proposés à la relecture.

Une interface pour explorer et corriger

Les filtres, graphiques et exports fonctionnent dans le navigateur. Les thèmes reposent sur des mots et expressions que l’utilisateur peut adapter à son domaine. Chaque correction manuelle est exportée avec le sentiment initial.

Ce que le contrôle mesure, et ce qu’il ne mesure pas

Sur 24 exemples construits (8 en français, 8 en portugais, 8 en anglais), le modèle donne 23 classements attendus et une abstention. Ce contrôle n’est pas un benchmark indépendant : il ne permet pas d’annoncer une précision en production. Le modèle a été entraîné sur des tweets, un décalage avec des avis marchands est donc possible, et l’ironie ou les fautes peuvent encore produire des erreurs.