logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Menu
mobile logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
19 janvier 2018
A la Une, DAP, Dossiers thématiques, L’homme sur mesure, News

Mesurer l’engagement émotionnel, nouvelle variable marketing

⏱ 3 min

Rien d’étonnant à ce que le marketing s’intéresse aux données comportementales. L’objectif ? Acquérir de nouveaux outils de mesure pour mieux connaitre ses clients.

Avec l’appui des neurosciences, le marketing s’intéresse aux données comportementales pour développer de nouvelles pratiques commerciales. Ce champ de recherche, basé jusque-là sur l’utilisation de l’imagerie cérébrale, date du début des années 2000 et fait débat car il donne des clés pour manipuler les personnes (1, 2). Aujourd’hui, c’est l’identification des émotions et des réactions des consommateurs ou d’un public qui commencent à être sondées, comme le fait Datakalab. Cette startup française, créée début 2017, utilise pour l’instant les données issues de caméras et de bracelets connectés. « Nous analysons des données émotionnelles (les feel data) de façon anonyme dans le but d’objectiver le ressenti : de quoi permettre aux marques, aux annonceurs ou aux entreprises de mieux comprendre leurs clients, leurs téléspectateurs ou leurs salariés, explique Xavier Fischer, CIO de Datakalab, Centralien, passé par Emotient, une société spécialisée dans l’IA et l’analyse des expressions faciales rachetée par Apple en 2016. En croisant ces feel data avec des données déclaratives ou physiologiques, notre but, à terme, est de créer des modèles prédictifs d’émotions, pour différents marchés. »

How do you feel ? L’application d’analyse vidéo de Datakalab est basée sur le Facial Action Coding System de Paul Ekman, psychologue américain qui a catégorisé les 7 principales émotions (joie, surprise, peur, tristesse, colère, dégoût et mépris) et les 46 actions en jeu (action units) comme le froncement de sourcils ou l’étirement de la commissure des lèvres. Un système considéré comme universel qui permettrait de distinguer un vrai sourire d’un sourire de circonstance. « Notre solution, à base de deep learning, permet d’automatiser ce facial coding, explique Lucas Fischer, responsable produit, en 3e année de l’école Centrale, frère cadet de Xavier. Nous pouvons analyser des centaines de visages dans une salle, en temps réel, avec une seule caméra devant l’auditoire. Nous identifions les visages, puis les action units qui permettent de déterminer les émotions et leur intensité. Le point clé, c’est la labellisation des expressions faciales. Aujourd’hui, nous utilisons des réseaux de neurones convolutifs avec une analyse image par image (15 analyses par seconde) et nous travaillons sur des réseaux de neurones récurrents pour passer à une analyse en mode vidéo. »

Accroitre l’impact

La technique a été exploitée pour TF1 Publicité pour analyser la corrélation entre intensité des émotions et mémorisation des spots publicitaires en croisant ces données avec des données déclaratives. Objectif : accroitre l’efficacité publicitaire en choisissant mieux le moment de leur insertion. La bande annonce du film La marche de l’empereur (Walt Disney) a aussi été testée et modifiée pour être plus émouvante. Autre exemple : « Sur la base d’un panel de personnes dans une salle, nous avons utilisé notre API pour objectiver les émotions lors des débats télévisés des primaires américaines, ajoute Xavier Fischer. Parmi les conclusions : Donald Trump provoquait 6 fois plus d’émotions qu’Hillary Clinton, donc plus d’ancrage mémoriel… De même nous pouvons évaluer l’impact d’un discours dans une conférence et fournir des recommandations. »

Avec le bracelet connecté, c’est le niveau de stress qui est mesuré grâce au battement cardiaque, à la sudation ou à la température extracutanée… De quoi analyser les émotions que suscitent un espace, un magasin, un lieu public ou une exposition. A part le facial coding et le bracelet connecté, développés en interne, Datakalab, qui se définit comme un laboratoire conseil en neuromarketing, cherche à nouer des partenariats avec le monde académique pour automatiser d’autres technologies à des fins de marketing ou de communication en échange des données recueillies. La startup travaille ainsi avec Centrale Supélec, l’Université de Rennes ou de Lille. Autant de promesses de « révélateurs de vérités » comme ils disent, à ne pas mettre entre toutes les mains.

Isabelle Bellin

1

    •  Brigitte Chamak.

Neuromarketing : une fusion suspecte.

    • Sébastien Lemerle ; Carole Reynaud-Parigot. La biologisation du social. Discours et pratiques, Presses Universitaires de Paris Nanterre, pp.113-123, 2017, 978-2-84016-258-2.

2

    •  Didier Courbet, Denis Benoit.

Neurosciences au service de la communication commerciale : manipulation et éthique – Une critique du neuromarketing.

    Études de communication – Langages, information, médiations, Université Lille-3, 2013, 40, pp.28-42.
Termes liés :
  • Données
  • Deep Learning
Retrouver les autres articles du dossier “L’homme sur mesure” :
  • Exploiter des données de plus en plus personnelles
  • Mieux recruter avec le machine learning ?
  • De nouveaux outils pour évaluer les capacités et la charge mentale
  • Dépister les enfants autistes, les stimuler, suivre leurs progrès
Share:
Posts you'd might like
L’apprentissage profond permet de lire dans notre cerveau… ce qu’il voit
Cette IA hybride apprend à jouer au sudoku…
et à concevoir des protéines
Canicules, orages violents : l’IA apprend à prévoir les épisodes météo extrêmes
Des réseaux de neurones “informés par la physique”, pour modéliser et simuler des systèmes complexes
Faut-il créer un GIEC de l’intelligence artificielle ?
Entretien avec Raja Chatila
ChatGPT a-t-il accouché d’une souris ?
Entretien avec Jean-Gabriel Ganascia
DAP, la newsletter du Data Analytics Post Recevez chaque semaine un éclairage sur les data science

Peut-on laisser un algorithme apprendre tout seul ?

A la différence de l’apprentissage supervisé, le contexte non supervisé est celui où l’algorithme doit opérer à partir d’exemples non annotés.

En savoir plus

ARTICLES RÉCENTS
  • L’apprentissage profond permet de lire dans notre cerveau… ce qu’il voit
  • Cette IA hybride apprend à jouer au sudoku…
    et à concevoir des protéines
  • Canicules, orages violents : l’IA apprend à prévoir les épisodes météo extrêmes
  • Des réseaux de neurones “informés par la physique”, pour modéliser et simuler des systèmes complexes
  • Faut-il créer un GIEC de l’intelligence artificielle ?
    Entretien avec Raja Chatila

Tout savoir sur…

Le DAP

Comité Éditorial

Partenaires

Équipe


Copyright © Data Analytics Post. Tous droits réservés.

Mentions légales & CGU