1

Une veille intelligente dans un monde global

Témoignage du groupe Total sur ses usages des solutions d'analyses sémantiques de Proxem

2

Intervenants

Claude Fauconnet

• Chef de projet innovation numérique

François-Régis Chaumartin

• Directeur général

3

Agenda

Analyse des big data

textuelles

Veille intelligente multilingue

Retours d’expérience

Questions & réponses

4

Analyse des big data textuelles(Le métier de Proxem !)

5

Analyse des big data textuelles20% 80%

6

Analyse des big data textuelles

7

Analyse des big data textuelles

Innovation sur la collecte

• Découverte automatique des sources parlant d’un sujet sur le vaste web

Innovation sur l’analyse

• Constitution rapide d’un analyseur sémantique parfaitement adapté à un corpus

Innovation sur l’analyse multilingue

• Bascule rapide d’une langue à une autre pour disposer d’un analyseur natif

8

Analyse des big data textuelles

API Application Etudes

9

Analyse des big data textuelles

10

Analyse des big data textuelles

• Sur le paramétrage du web mining & text mining• Baisse des coûts

Rendre l’utilisateur autonome sur…

• Grande distribution, banque, assurance, luxe, recrutement, industrie, automobile, télécom…… tout sujet

• Relation clients, veille stratégique, qualité, ressources humaines…… tout enjeux métier

• Anglais, français, chinois, russe, espagnol, japonais, farsi, italien, allemand, portugais…… diverses langues

11

Analyse des big data textuelles

Web mining

• Taille du web• Accès restreint• Filtrage difficile

Text mining

• Complexité de la langue• Ambiguïté omniprésente• Barrière des langues

12

Veille intelligente multilingueDépasser la barrière des langues

13

Veille intelligente multilingue

14

Veille intelligente multilingue

• Homonymes : pain@fr vs. pain@en, chat@fr vs. chat@en...• Identifier les sources pertinentes pour chaque langue

Collecte dédiée à chaque langue

• Chaque langue a ses spécificités (morphologie, syntaxe…)• Constitution de ressources natives ou traduction

automatique ?

Analyse dédiée à chaque langue

• Définir un plan de classement unique, décliné dans chaque langue

• Il s’agit d’un modèle (taxonomie ou ontologie) du domaine

Alignement des résultats d’analyse

15

MultilingueLangue 1 Langue 2 Langue 3

Traduction Traduction

16

Veille intelligente multilingue

voiture hybride

hybrid car

السيارات الهجينة

混合动力汽车

carro híbrido

Hybridauto

33 600

962 000

550 000

15 900 000

26 100 000

2 330 000

17

Retours d’expérience

18

Veille industrielle

Client

Concurrent

19

Recherche de matière première

10864

7051

4666

30812305

1342 1099 885 755 475 246

20

Questions & réponsesClaude Fauconnet, Chef de projet innovation numérique, Total

François-Régis Chaumartin, Ph.D., Directeur général, Proxem