Verbatims clients : comment l’IA révèle les signaux faibles de satisfaction et d’insatisfaction

Cet article présente une démarche d'analyse des verbatims clients associant l'intelligence artificielle générative et la théorie des graphes pour identifier les facteurs de satisfaction, les sources d'insatisfaction et les signaux faibles de l'expérience client. L'approche est illustrée par l'analyse de 3 000 avis Google Maps concernant Costco Wholesale à Los Angeles. Un grand modèle de langage, Mistral 7B, extrait les relations entre les attributs de l'expérience, les opinions et les sentiments exprimés. Ces relations sont représentées sous forme de graphe, puis analysées par détection de communautés pour faire émerger des ensembles thématiques cohérents. Les résultats mettent en évidence des leviers de satisfaction liés aux prix, à la valeur perçue et aux interactions avec le personnel, ainsi que des points de friction concernant la propreté, la maintenance, le stationnement, l'affluence et l'attente. Cette cartographie préserve les appréciations multiples, parfois contradictoires, contenues dans un même commentaire et facilite le repérage de préoccupations discrètes que les indicateurs globaux peuvent masquer. L'article examine les usages managériaux de cette démarche pour hiérarchiser les actions d'amélioration et suivre l'évolution de l'expérience client, en complément du jugement des managers et de leur connaissance du terrain.