Accueil > Actualités > Le Textminig Outil De La Veille Stratégique à L’ère Du Web2

Le Textminig Outil De La Veille Stratégique à L’ère Du Web2

jeudi 12 mars 2009

Il est très important de constater que les technologies arrivent à maturité, notamment par l’augmentation constante d’informations non structurées, des données textuelles non exploi-tables manuellement et de la nécessité qui en découle de pouvoir les traiter de manière automatique. Dans cette optique, les outils de Text Mining sont majoritairement dotés de puissantes fonctionnalités d’extraction, de catégorisation mais aussi de résumés automatiques de documents de plus en plus nombreux et indispensables décisionnellement.

Force est de constater donc que le volume croissant de données textuelles provenant de l’Internet, des Intranets, des forums de discussion, des contacts client (par mails, retranscription de messages téléphoniques, lettres de réclamation, enquêtes…) propose une quantité d’informations potentiellement pertinentes pour toute l’entreprise, mais qui ne sont pas exploitables manuellement. Les enjeux économiques attachés à l’utilisation de ces informations sont très importants et l’utilisation du Text Mining est devenue incontournable.

Or, Si les entreprises ne parviennent pas à inclure ces données non structurées dans leurs analyses (clientèle, opportunités commerciales, opérations internes, chaines d’approvisionnement, etc.), leur vision de la réalité ne peut être que partielle et risque de les conduire à prendre des décisions erronées.

Le Text Mining, ou Text Data Mining, ou encore Knowledge Discovery in Texts (KDT) peut être défini comme du Data Mining sur données textuelles. Le Text Minig comprend l’ensemble des techniques issues du traitement automatique du langage naturel, qui permet de transformer les données textuelles en données « codées » et de la fouille de données permet-tant de trouver des informations cachées dans de larges bases de données textuelles comme les bases de curriculums vitae, e-mails, enquêtes de satisfaction, les pages Web, les documents, les courriers électroniques, les images et autres informations non stockées dans une base de données structurée. L’objectif est toujours d’utiliser cette information afin d’améliorer les décisions prises en entreprise.

Cette nouvelle technologie combine les analyses linguistiques et statistiques, détermine les idées clés contenues dans un corpus de documents (analyse descriptive) et affecte les documents traitant d’un même thème dans à une même classe (analyse prédictive). En d’autres termes, cet outil est doté de fonctionnalités d’extraction et de catégorisation d’informations non structurées. Certes, L’un des objectifs du Text Mining est de découvrir des schémas, des modèles des tendances cachés, d’établir des liens entre les termes recensés et les documents et donner partant du sens à des informations non structurées et puis exploiter ces découvertes pour prendre des décisions plus pertinentes, résoudre des problèmes et saisir des opportunités. Ceci propose une approche méthodologique pour exploiter l’information non structurée et la combiner avec les techniques de « data mining » usuelles.

Bibliographie

BARTHEL M.P KHOUAS L., SANFORD E. ET COUILLAULT A., « Evaluation au-tomatique pour résumé automatique ». Journée d’étude de l’ATALA sur résumé de texte automatiques : solutions et perspectives, France, 2002.

BRUGIDOU M., ESCOFFIER C., FOLCH H., LAHLOU S., LE ROUX D., MORIN-ANDREANI P ET PIAT G., « Les facteurs de choix et d’utilisation de logiciels d’Analyse de Données Textuelles ». JADT 2000 (5ème Journées Internationale d’Analyse Statistique de Données Textuelles)

CLAIRE GAUZENTE, « E-marketing et text mining - Une application à l’analyse des opinions de consommateurs sur Internet », LARGO – UFR Droit Économie Gestion, Angers - France

ROSTAING H., « Traitement de l’information à l’aide d’outils infométriques », Réseau Européen REVEIL, CRPHT, Luxembourg, le 6 mai 1999.

YASMINA QUATRAIN, ANNE PERADOTTO ET SYLVAINE NUGIER, « Evaluation d’outils de Text Mining dans un contexte industriel », 7ème Journées internationales d’Analyse statistique des Données Textuelles, 2004.

PASCAL COUPET, BIANKA BUSCHBECK, AMANDINE SIX, FRANÇOISE CARDOSO ET CHALES HUOT, « Le Text Mining Multilingue : application au monde de l’intelligence économique », TEMIS, Paris, France, 2007.

Le Site web officiel de SPSS http://www.spss.com/fr/

http://www.marketing-en-ligne.net/

http://www.journaldunet.com

Article posté par

MOUSLIH Kamal
mouslih@ymail.com