L’analyse des émotions permet au marketing de recueillir une multitude d’informations sur les consommateurs. La puissance de l’intelligence artificielle et des outils qui en dérive, augmente ses capacités d’analyse, sa précision, sa vitesse d’exécution, affine sa collecte des données et la pertinence des réponses. Des performances qui méritent une rapide revue de quelques IA, des technologies déployées et de leurs cas d’usage en marketing.
Analyser les émotions quand les internautes visitent votre site
L’analyse des émotions quand l’internaute visite un site web est une des tâches des UX Designers. Grâce à des cartes de chaleur (heatmap), ils analysent les clics, le défilement de la souris, ses déplacements, le mouvement oculaire (eyes tracking). Ces comportements de navigation expriment des sentiments et des émotions des internautes quand ils visitent le site internet.
L’intelligence artificielle améliore les performances de ces outils. Ainsi, Attention Insight a élaboré une IA de suivi oculaire prédictive. Cette technologie produit des cartes thermiques au moment de la création d’un visuel (publicité, application, emballage, affiche…). Dès la phase de tests, les designers connaissent la zone du visuel qui attirera le regard des internautes.
Cette IA est une VLM LLM (vision language models). Elle est couplée à une base de données de plus de 30 000 images issues d’études sur le suivi oculaire. Les prédictions se font à partir de cette base de données.
Feng-Gui propose un service similaire de suivi oculaire prédictif. Cette entreprise offre également un simulateur du comportement visuel. L’outil simule les cinq premières secondes de vision d’un internaute quand il regarde un contenu graphique (pages web, vidéos, signalétique…). L’IA teste ces visuels et définit les points d’arrêt du regard et son parcours à travers le visuel.
A cette fin, Feng-Gui utilise une IA qui intègre les grands modèles de langage (LLM) d’OpenAI. Pour l’analyse des émotions sur le visage, utilisée dans les vidéos, elle recourt à des jeux de données publiques contenant plus d’un demi-million d’images et de vidéos.
Ces outils optimisent le taux de conversion et améliorent l’attractivité des créations graphiques.
Les réseaux sociaux : un défi data pour mesurer les émotions
Une difficulté du traitement des émotions sur les réseaux sociaux est leur volume. Les consommateurs expriment leurs émotions sous forme de commentaires, de contenus UGC, d’avis, de notes… Ils représentent des milliers voire des millions de données, dès qu’une entreprise atteint une taille moyenne ou s’étend à l’international. Seule une IA peut traiter un tel volume de données et répondre aux consommateurs dans un bref délai.
L’entreprise DAC propose ainsi une IA qui recueille ces grands volumes de données, les analyse en reconnaissant les subtilités du langage, les synonymes, les sentiments… Elle utilise l’analyse du langage naturel et intègre les technologies d’OpenAI. De ces observations, le service marketing en retire des informations sur les réponses à donner aux clients, des modifications de fonctionnalités, des lancements de campagnes…
BrandWatch, l’outil d’écoute sociale (social listening), analyse des millions de conversations tenues sur les réseaux sociaux (X, Reddit, Instagram, TikTok, Facebook, Twitch, etc.). L’entreprise s’appuie sur le machine learning, les réseaux neuronaux artificiels et le deep learning pour identifier les tendances, reconnaître des images, catégoriser les données, établir des segments automatiquement, etc.
Ces outils aident les marketeurs à faire émerger des informations sur les consommateurs, la concurrence, l’amélioration de leur prospection, etc.

L’analyse des émotions permet aux UX Designers d’améliorer un graphisme voire le parcours d’achat d’un site, illustration de Davide Baraldi/Pexels
Analysez les émotions de vos clients au moment des échanges directs
Le contact direct est une excellente occasion d’analyser les émotions des clients. Il peut se faire au moment d’un appel téléphonique ou d’un échange avec un chatbot ou d’un assistant virtuel.
Amazon a développé Amazon Transcribe, un outil de reconnaissance vocale automatique, qui convertit la parole en texte. Elle utilise des modèles de synthèse vocale, de langage et de traitement du langage naturel (NLP). Elle reconnaît les pauses, la vitesse d’élocution, les mots-clés, des expressions spécifiques, etc.
Des IA génératives donnent des résumés après les conversations téléphoniques pour analyser les interactions avec les clients.
De la même manière, les chatbots et les conseiller virtuels reconnaissent les sentiments au moment des échanges et les analysent. C’est ce que fait watsonx Assistant, une IA conversationnelle d’IBM. Elle aide à créer des assistants vocaux et des chatbots qui comprennent des demandes complexes et peuvent y répondre.
Cette IA utilise plusieurs grands modèles de langage, comme IBM Granite, ainsi que le NLP et la compréhension du langage naturel (NLU). Elle permet de répondre rapidement aux questions courantes, mais aussi à des questions spécifiques d’un client en particulier. Cet outil aide à l’assistance client et à la génération de leads.
Et vous, comment analysez-vous les émotions des consommateurs ?