Dans son livre La France selon les recherches Google, David Dubois explore comment les requêtes en ligne peuvent révéler des insights profonds sur les comportements et les aspirations des consommateurs français. Cet ouvrage souligne que les recherches sur Internet ne sont pas simplement des données brutes, mais un véritable pouls de la société, offrant une mine d’informations cruciales pour les professionnels du marketing.
Les recherches en ligne : un baromètre du marché de l’attention
Visualisées dans le temps et dans l’espace, les variations d’intensité de requêtes en ligne représentent ainsi une bonne mesure de ce que le sociologue Gérald Bronner appelle « le marché de l’attention »14, dans lequel les mots-clés seraient les valeurs qui montent ou qui descendent, un peu comme le mouvement des actions à la Bourse, selon l’intérêt du moment. David Dubois
Dubois décrit les recherches en ligne comme un reflet de l’attention collective, où chaque mot-clé représente une action fluctuante sur un marché virtuel. En 2020, les Français ont généré plus de 98 milliards de données via leurs recherches Google (quatre requêtes par jour et par habitant), offrant ainsi une vaste base de données pour les entreprises cherchant à comprendre les tendances émergentes et les changements de comportement.
En tant que professionnels du marketing, il est crucial de reconnaître que ces données ne sont pas seulement des chiffres, mais des indicateurs de ce qui capte l’attention des consommateurs à un moment donné. En analysant les mots-clés populaires, les marketeurs peuvent identifier des opportunités pour ajuster leurs stratégies, développer des campagnes publicitaires plus ciblées, et répondre de manière proactive aux besoins du marché.
La search intelligence est une source de données majeure et sous-utilisée.
La solution DVI (Digital Value Insights est beaucoup plus puissante que Google Trends pour analyser les intentions des consommateurs et à comprendre les dynamiques du marché. Voici les principales différences :
Source de Données Multicanal : Contrairement à Google Trends qui se limite aux recherches effectuées sur Google, DVI intègre des données provenant de plusieurs moteurs de recherche comme Baidu, Yahoo, Bing, et autres. Cela permet une vision plus globale des intentions des consommateurs, surtout dans des marchés où Google n'est pas dominant, comme en Corée du Sud ou en Chine.
Granularité des Données : DVI offre une granularité beaucoup plus fine des données. Là où Google Trends donne un index relatif sans les volumes absolus de recherches, DVI fournit des volumes exacts de recherches par mot-clé, permettant une analyse beaucoup plus précise des tendances et des comportements des consommateurs.
Analyse des Intentions : DVI permet non seulement de voir quels mots-clés sont recherchés, mais aussi d'analyser ces mots-clés en fonction de l'intention derrière la recherche. Cette approche est plus proche de la transaction et permet une meilleure compréhension des motivations des consommateurs, comparé à Google Trends qui ne fournit qu'une vue superficielle des données.
Capacité de Classification et de Filtrage : DVI permet de classer et de filtrer les données selon des critères très spécifiques, adaptés aux besoins des entreprises. Par exemple, elle peut classifier les recherches selon les marques, les produits et les intentions.
Comparaison et Historique Étendu : Avec DVI, les utilisateurs ont accès à 48 mois d'historique de données, ce qui permet des comparaisons temporelles robustes et l'identification de tendances à long terme. Google Trends offre une vue limitée à travers des périodes spécifiques sans permettre une analyse historique aussi profonde.
Insights Actionnables : DVI est non seulement un outil d'analyse de données, mais il intègre également des services de conseil pour interpréter les données et proposer des actions concrètes. Cette combinaison d'outil et de conseil est conçue pour répondre à des questions business précises, alors que Google Trends offre simplement des données brutes sans contextualisation ni recommandations.
Les requêtes dans Google sont les meilleurs exemples de données "Big Quali" que j'ai pu identifier avec les reviews (avis utilisateurs sur les sites de e-commerce).
Avec ce nouveau livre blanc, Daniel Bô (fondateur et PDG de QualiQuanti) livre à la communauté des market researchers un opus qui nous a enthousiasmés, et dont nous recommandons donc vivement la lecture. À la fois synthétique, extrêmement informatif et concret, il traite plus particulièrement de l’usage de l’Intelligence Artificielle dans le domaine des études qualitatives, même si son intérêt déborde certainement de ce périmètre. Son auteur répond aux questions de Market Research News.
MRNews : Vous proposez un nouveau livre Blanc, sur le thème de l’IA. Pourquoi cette initiative ?
Daniel Bô (QualiQuanti) : Depuis la création de QualiQuanti en 1990, je m’intéresse à l’utilisation de la technologie au service des études qualitatives. En 1999, nous avons été parmi les premiers à créer un panel (en même temps que ToLuna et Harris Interactive) avec une approche qualitative (notre signature est « votre avis a de la valeur »). En 2006, j’ai publié un livre blanc intitulé « le Book des études online » avec une partie importante sur les bulletin boards. En publiant « Big Quali » chez Dunod en 2022, l’ambition était de traiter du quali à grande échelle à l’ère du Big Data. Ce livre blanc en est le prolongement avec l’objectif d’explorer l’impact de l’IA sur le quali.
Pour rédiger ce livre blanc, nous nous sommes appuyés sur une veille documentaire – en France et aux Etats-Unis, une cartographie des outils IA dédiés aux études, une série d’expérimentations, dont nous publions certains résultats via des liens. Et enfin des interviews et des suggestions de bêta-lecteurs, qui ont réagi aux premières versions de l’ouvrage.
J’ai ajouté en introduction une partie plus théorique issue d’échanges avec Frédéric Josué. Comprendre comment fonctionne l’IA est utile pour anticiper son potentiel : cf les notions tels que IA statistique Vs symbolique, les transformeurs (le T de GPT), multimodalité et vectorialisation, les tokens, les liens distants, le processus autorégressif.
Dans ce livre, vous identifiez les apports possibles de l’IA sur 7 stades ou enjeux différents, de la conception du projet à la production des livrables. Pour lesquels l’apport de l’IA vous semble plus particulièrement enthousiasmant ?
La retranscription « speech to text », la synthèse, la reformulation, la traduction, l’analyse documentaire, la recherche d’images via Google Lens, la génération d’images, la mise en forme, les chatbots, la fonction Describe de Midjourney, qui génère 4 prompts à partir d’une image téléchargée. Tout ce qui permet de se concentrer sur la dimension réflexive et créative des études et d’être augmenté dans le travail de recherche.
Ce qui est remarquable pour le métier des études, c’est le fait que l’IA ait été entraîné avec des dizaines de millions de livres. A nous de savoir mobiliser cette culture générale. Midlibrary avec 4690 styles répertoriés (architectes, réalisateurs, designers, illustrateurs, sculpteurs, peintres, photographes…) est une bonne illustration de cette culture encyclopédique.
Je trouve éclairant ce schéma de Guillaume Durand, head of data de SG, qui explique que les LLM (Large Langage Model), cumulent des fonctions de base (prédire, reconnaître, classer), de génération et transformation de texte (générer, traduire, réécrire) ainsi que d’analyse (résumer, rechercher, extraire).
Je suis enthousiasmé par l’opportunité de créer en quelques minutes son propre GPT. Brand Spirit est un chatbot alimenté par 15 livres ou études publiés, dont Brand culture et Brand content (Dunod) : https://chat.openai.com/g/g-ErVv3Doer-brand-spirit
A partir de ressources bibliographiques, Elodie Laye Mielczareck a également créé son ChatGPT customisé autour de la sémiologie : https://www.lasemiologie.com/.
Quelles ont été vos plus grandes et plus belles surprises au fur et à mesure de votre découverte de l’IA ?
L’IA donne l’impression d’avoir une baguette magique. J’adore lui donner à analyser des liens ou des documents non confidentiels (en téléchargement) pour en extraire des éléments saillants. Je trouve génial de pouvoir transformer l’enregistrement d’une conférence en une synthèse intelligente. J’utilise l’outil « Noota« , dont les fondateurs sont installés à la Station F. Regardez cet exemple d’une conférence prospective sur la santé avec :
la synthèse structurée – dans un français clair avec des phrases fortes (décomposition du contenu audio, répartition par topic) ;
l’accès simultané et interconnecté au son et au texte : on passe facilement de la lecture à l’écoute ;
le résumé automatique avec les citations clés, les topics (résumés des différentes parties), les mots clés, les principales questions-réponses, les points clés et insights.
Il y a aussi des fonctions ludiques et créatives comme la fonction blend qui permet de mélanger deux sources d’images pour en créer une troisième.
L’IA favorise l’humour et le détournement. Je suis fan de cet exemple d’autofiction en IA générative créé par Stéphane Gallieni, où il joue avec les codes du luxe à travers un double, qui s’incruste dans les défilés et raconte les tendances de la mode : https://www.instagram.com/incognito_influencer_project.
Voici ce qui a été produit à un événement du Hub Institute, où j’ai demandé à rajeunir et à ressembler à Indiana Jones.
Il y a aussi le fait de pouvoir demander aux consommateurs de produire des UGC (User generated content) avec l’aide de l’IA. Ils peuvent désormais répondre en s’aidant d’outils IA. Voici par exemple l’initiative de Coca-Cola :
J’adore Polymnia, qui analyse les performances en termes d’expression orale des individus face caméra. Je conseille à tous les lecteurs de MR Research de tester cet outil, qui scrute vos prises de parole et analyse votre charisme avec un compte-rendu détaillé. Deux minutes suffisent pour scanner la performance.
Quels sont éventuellement les points de frustration ?
Ce qui est décevant, c’est quand l’IA produit des données générales et prévisibles. C’est aussi l’omniprésence d’une esthétique pop, criarde, stéréotypée, heroic fantasy avec des images saturées peuplées de cyborg.
Ce qui est frustrant, c’est que l’IA est limitée en nombre de tokens. Cela se traduit par des requêtes infructueuses ou limitées et oblige à découper sa recherche en séquences. Le tableau ci-dessous indique les limites en nombre de tokens des différents outils. Il faut avoir accès au ChatGPT-4 Turbo pour bénéficier de 128 000 tokens (équivalent de 300 pages de texte). L’IA est moins gourmand et plus puissant en anglais qu’en français.
Avec l’IA, le phénomène de « servuction » joue à plein : la qualité de l’expérience repose beaucoup sur les utilisateurs eux-mêmes et la façon dont ils « gèrent » celle-ci. Sur quels usages cela s’applique le plus ? Et quels conseils cela vous inspire ?
Un jour dans un travail d’improvisation pour un feuilleton radio, une phrase est sortie : « Si j’étais deux, on ferait une bonne équipe ». Bon, cela peut paraitre un peu mégalo (rires). Mais le fait est qu’avec l’IA, j’ai l’impression d’être deux et d’avoir un interlocuteur permanent disponible pour échanger, réagir, me relire ou me faire des suggestions. Je le sollicite et je sélectionne ce qui me semble utile.
« C’est un peu comme l’art d’interviewer mais appliqué à une machine. »
Avec l’IA, il faut multiplier les occasions d’expérimenter, de se former en se concentrant sur ce qui apporte de la valeur ajoutée. Il faut accepter d’utiliser les versions payantes, qui pour l’instant restent très accessibles. Il faut suivre les progrès au jour le jour, se laisser surprendre, s’entraîner et l’entraîner. Je ne trouve pas qu’il y ait une barrière à l’entrée importante pour les usages en quali. C’est un peu comme l’art d’interviewer mais appliqué à une machine. Il s’agit de trouver les bons stimuli (et pas uniquement des prompts) et les bonnes relances.
J’attends avec impatience la montée en puissance des fonctionnalités de Copilot de Microsoft pour transformer rapidement des documents Word en PPT ou pour mettre à jour des présentations dans un masque actualisé.
À quelles fausses idées aimeriez-vous tordre le cou avec cet ouvrage ?
Il faut combattre l’illusion que l’IA est capable de traiter des données en vrac et d’en ressortir des choses intéressantes. L’IA est plus efficace si on lui donne des données classées, structurées, organisées. Plus la matière est dispersée, plus il y a du bruit et moins ce qui en ressort est pertinent. La synthèse automatique fonctionne mieux pour une conférence ou une interview individuelle que pour une réunion d’équipe. Si Voc.ai est aussi puissant, c’est qu’il s’appuie sur des données homogènes, les avis des consommateurs des produits achetés en ligne. Il analyse pour une référence précise les avis issus des sites d’e-commerce comme Amazon, Shopify, Ebay, Walmart, Alibaba. L’analyse est facilitée par la pureté des données focalisées sur les réactions à un produit. Le livrable est composé de sept rubriques autour des leviers de vente : profil client, scénario d’utilisation, points de douleur, motivation d’achat, pistes d’amélioration produit, comparaison avec des produits proches.
Il faut combattre l’illusion que l’IA est capable de traiter des données en vrac et d’en ressortir des choses intéressantes. L’IA est plus efficace si on lui donne des données classées, structurées, organisées.
Je trouve également intéressant de dialoguer avec ChatGPT. A la fin du livre, j’ai mis des réponses à une série de questions envoyées par Isabelle Fabry-Frémaux d’ActFuture. Voici en lien la quasi-intégralité de la discussion. J’ai notamment interrogé l’IA sur ses différences avec le jugement humain puis je lui ai demandé de classer sa réponse dans un tableau. Voici le résultat :
Une dernière question enfin : avez-vous demandé à ChatGPT de résumer votre livre blanc ? Le résultat était-il convainquant ?
Oui, bien sûr ! Voici ce qu’il m’a livré :
Ça reste assez général mais c’est propre. Dans le lien de la discussion avec Isabelle Fabry-Frémaux, ChatGPT donne des réponses originales concernant l’originalité du livre blanc, les axes qui restent à creuser, la limitation des biais, les synergies entre intelligence humaine et IA, la représentativité, les risques de dépendance…
Cette étude fut l’occasion d’analyser via un dispositif de veille, de sémiologie et d’étude consommateurs des dizaines de jeux de marque sur Roblox, Fortnite et Minecraft.
Voici en une image le champ des possibles des marques dans les mondes virtuels.
– Sur la partie gauche de l’image, on voit des avatars très réalistes comme celui d’Elon Musk tout en bas. Plus on monte, plus on va vers des représentations imaginaires comme l’avatar de Bjork en dessin animé.
– Sur la partie gauche de l’image, sont représentés des lieux (monuments ou lieux de travail) reproduits de façon fidèle en bas. Dans le cadran en haut à droite, ce sont des lieux imaginaires présentés comme des îles ou des pays utopiques (Croco island sur Minecraft pour Lacoste, Wallmart Land sur Roblox).
Au milieu, il y a les objets virtuels, troisième modalité de présence des marques en plus des avatars et des lieux.
Le Big Quali consiste à recueillir une grande quantité et diversité de données non structurées (photos, vidéos, retours d’expérience). Voyons l’utilité d’additionner différentes focales dans une étude.
Dominique Desjeux, anthropologue, recommande de regarder la réalité avec des angles différents et de changer d’échelle d’observation. Il distingue les échelles :
• macro-sociale des valeurs ;
• méso-sociale des organisations ;
• micro-sociale des acteurs sociaux en interaction ;
• micro-individuelle du sujet et neurobiologique du cerveau.
C’est parce que la réalité change en changeant d’échelle qu’il faut être mobile avec des méthodologies adaptées à chaque découpage. L’échelle macro est celles des grandes valeurs collectives et des clivages sociaux que l’on trouve dans les enquêtes quantitatives : classes, genres, générations et cultures ethniques, politiques ou religieuses.
Par exemple, à l’échelle macro-sociale, l’obésité est corrélée avec la pauvreté. À l’échelle d’une famille pauvre, certains vont générer de l’obésité car c’est lié à leur système culinaire ou à l’interaction dans la famille. Selon l’échelle d’observation, l’analyste ne voit pas la même chose.
Le Big Quali milite repose sur la production de données qualitatives à grande échelle avec une multiplicité de données issues de différentes focales. Cela passe par différents outils : veille à grande échelle, sémio-live, crowdsourcing, bases de données créatives, matrices de découverte, analyse historique, étude macro et micro, études longitudinales, observatoires, questions ouvertes, exploration créative, etc
Pour une étude sur les marques et le vrac, nous avons utilisé plus d’une vingtaine de focales :
– L’état chimique, bactériologique, hydrométrique, visuel des denrées en vrac vendues en GMS (avec la question des mites alimentaires qui génèrent du gâchis l’été)
– L’histoire du vrac avec les bateaux (les vracquiers) et la tradition du vrac dans le transport maritime de colza, du charbon, du pétrole, les souks ou dans le domaine textile
– La prononciation du mot vrac et ses connotations
– La gestion par les fans de vrac de leurs placards et l’ensemble de leur logistique
– Le vrac comparé entre différents univers de produits (oléagineux, céréales, biscuits, mochis, macarons, chocolat, confiserie, thé, café, huile, vin, lessive, produits pour animaux, copeaux de bois, parfum, miel, etc)
– L’évolution des packagings de produits alimentaires avec des denrées vendues en vrac (ex : riz, oléagineux, mélanges de céréales, avoine, etc)
– La vente en vrac dans les autres pays occidentaux y compris chez Waitrose, Whole Foods avec des investigations en suède, Italie, Angleterre, USA, Espagne, etc
– Le vrac sur les marchés
– Le vrac dans le domaine des fruits & légumes, du fromage, de la viande et du poisson, qui évoluent vers de plus en plus d’emballage
– Les initiatives de marques dans le vrac dont Michel & Augustin, Bénénuts, Carambar, Carte Noire, Kellogg’s, Lutti, Panzani, Vichy
– Le vrac assisté dans le secteur des épices, du saumon, du thé, du chocolat
– Les alternatives au vrac avec les sachets proposant les mêmes produits déjà pesés et emballés à proximité des rayons vrac
– Les marques de vrac et la position des distributeurs par rapport aux marques artisanales et aux grandes marques
– La gestion des récipients pour transporter les produits en vrac (sachets kraft, bocaux, boites de transport, bouteilles, etc
– Les alternatives constituées par la consigne dans les différents domaines où le vrac est présent
– La communication des enseignes qui proposent du vrac
– Le prix de vente au kilo des produits en vrac par rapport aux produits emballés et la perception de ces prix
– Les manipulations des acheteurs qui achètent en vrac, du moment où ils pèsent la marchandise jusqu’à la consommation
– Les motivations (majoritairement idéologiques) des acheteurs de vrac
– Le vrac dans les circuits de proximité (magasins indépendants et chaînes type day by day)
– Le vrac du point de vue des commerçants qui ont développé cette activité
– La médiatisation du vrac avec différents reportages à la télévision
– La législation qui a été voté pour imposer le vrac dans les surfaces de plus de 400 m2
– Le vrac du point de vue des responsables de rayon, qui doivent gérer la démarque inconnue, les erreurs de pesée, les problèmes d’hygiène et d’abandon d’achat
– L’analyse statistique des gros consommateurs de vrac qui montre une corrélation avec le fait d’être bio, vegan, contre les produits transformés avec une préférence pour les marques artisanales
– L’utilisation des nouvelles technologies dans le vrac en Asie ou aux Etats-Unis
Ce constat confirme l’intérêt d’une hybridation méthodologique. Il milite pour combiner données structurées et non structurées, collectif et individuel, zoom arrière sur le secteur et zoom avant sur le produit, observation et interrogation, sémiologie et ethnologie, consommateurs et experts avec une capacité à associer des compétences interdisciplinaires.
L’approche Big Quali consiste à multiplier les données qualitatives :
– A partir d’une veille à grande échelle, qui est enrichie via des comparaisons, des panoramas ou explorations.
– En multipliant les interactions avec les consommateurs : questionnaires semi-ouverts, forums dans la durée, visio-conférences consistant à faire réagir à une multitude de stimuli
Ce travail génère une galaxie de données composées d’exemples, de réactions, de retours d’expériences.
A partir de cette multiplicité de données, le jeu consiste à identifier des tensions, des récurrences, des corrélations. Tout cela génère une multitude d’insights, ces éclairs de compréhension, sources de clarté et d’innovations inexploitées.
Ces révélations sont générées en associant des cas, en identifiant des difficultés, en analysant des pépites. Seule une masse critique de données permet d’obtenir ces eureka effects, qui invitent à voir les choses différemment.
Exemple : Qu’est-ce qu’un QR code performant ?
Depuis quelques mois QualiQuanti explore les QR codes, constitue une veille internationale, observe les contextes de diffusion, analyse les pages d’atterrissage, fait réagir des consommateurs. Cela génère des centaines de résultats, dont vous aurez un tout premier aperçu au début de ce message de voeux : https://www.qualiquanti.fr/wp-content/uploads/2022/12/voeux-pour-2023-QualiQuanti.pdf
Parmi les outils mis en place, une chaîne Youtube avec l’enregistrement vidéo des meilleures pages d’atterrissage, un observatoire des QR codes en presse, affichage, TV, packaging, PLV mais aussi dans l’espace public à Paris, Londres, New York, Rome, Shangaï, des comparaisons avec les codes barre ou les call to action, une analyse des formats de contenus.
NB : L’insight vient de la théorie de la Gestalt. C’est l’Aha-Erlebniss, l’éclair de génie, l’Eureka Effect, où le sujet se met à voir les choses différemment. Un singe avec un tabouret se trouve dans une pièce, face à une banane qu’il ne peut pas saisir, accrochée au plafond. L’insight est le moment jubilatoire où le singe comprend qu’il doit placer le tabouret sous la banane et où il reconfigure l’espace pour attraper la banane. Cela conduit à l’Einsicht, traduit en anglais par Insight, qui signifie révélation.
Voir ci-après la version Linkedin avec les commentaires.
La recherche documentaire est un pilier des études qualitatives. Voici le chapitre que je consacre à ce sujet dans le livre Big Quali.
Analyse des différentes expressions de la marque, veille concurrentielle (benchmark), vécu consommateurs en images (UGC, crowdsourcing), reportage photo et vidéo, social listening, ouvrages et études de référence, c’est toute cette matière qui a vocation à alimenter l’analyse et le planning stratégique, à illustrer et documenter le rapport d’étude.
C’est un domaine où la masse de données disponibles a fortement augmenté en quantité et en qualité ces dix dernières années. Comment l’exploiter sans se noyer ?
Dans son livre La France selon les recherches Google, David Dubois explore comment les requêtes en ligne peuvent révéler des insights profonds sur les comportements et les aspirations des consommateurs français. Cet ouvrage souligne que les recherches sur Internet ne sont pas simplement des données brutes, mais un véritable pouls de la société, offrant une mine d’informations cruciales pour les professionnels du marketing.
