Il y a trois ans, nous nous sommes demandé : “Comment les technologies de traitement du langage naturel (NLP) et d’apprentissage automatique (machine learning) peuvent-elles servir aux plateformes de démocratie numérique ?” C’est précisément ce que nous avons développé chez CitizenLab.
En 2022, nous avons lancé notre fonctionnalité “Analyse sémantique” pour aider nos clients à analyser et à classer les contributions des citoyens sur leurs plateformes de participation citoyenne. Cette fonctionnalité est particulièrement utile pour les collectivités locales qui recueillent des contributions riches en texte, sur un large éventail de sujets. Grâce à la catégorisation automatique, les personnes en charge de la participation citoyenne peuvent facilement traiter des milliers de commentaires qualitatifs en quelques minutes, ce qui leur libère du temps et des ressources précieuses à consacrer à l’approfondissement d’un dialogue sur le long terme.
Et ce n’est que le début ! La participation citoyenne ne se limite pas à ranger les contributions des citoyens dans des catégories ou à compter le nombre de commentaires. C’est pourquoi nous avons également créé une carte visuelle des mots-clés, en utilisant des technologies de traitement naturel du langage (NLP) et d’intelligence artificielle (IA) intégrées à notre plateforme. Le nuage de mots vous permet d’aller bien plus loin qu’un simple classement automatique et de visualiser clairement les contributions de vos habitants.
Voici quatre façons dont les villes peuvent utiliser notre outil d’Analyse sémantique.
L’IA vous permet de traiter les données qualitatives
Avec l’aide de l’IA et du NLP, notre outil décrypte le contexte et les nuances de chaque message. Il peut déterminer si un message particulier est sémantiquement lié à une catégorie et fournir des recommandations.
En cliquant sur le bouton, les administrateurs peuvent obtenir des recommandations sur les catégories pertinentes des messages.
Cela permet aux responsables de la participation citoyenne de traiter efficacement les données textuelles qu’ils ont recueillies auprès des citoyens. Pour les projets de participation comportant des centaines de contributions, le traitement, l’analyse et la lecture des informations peuvent exiger beaucoup de ressources. Grâce à notre plateforme, les responsables de la participation citoyenne reçoivent des recommandations sur les catégories pertinentes pour le classement des messages, en un seul clic.
Visualisez clairement ce dont les citoyens parlent
Nous utilisons un modèle NLP pour analyser les mots-clés ou les concepts les plus courants qui font l’objet de discussions au sein de la collectivité. Les mots-clés les plus utilisés sont ensuite visualisés sur une carte en fonction de leur importance et regroupés avec les mots-clés qui apparaissent ensemble de manière répétée.
Les administrateurs peuvent avoir une vue d’ensemble de la tendance des mots-clés
La représentation visuelle aide les administrateurs à comprendre rapidement ce dont les citoyens discutent au sein de la collectivité et à regrouper les thèmes par ordre d’importance. Ils peuvent alors rapidement voir quelles sont les tendances, les changements et les lacunes du projet en cours et décider si une analyse plus détaillée est nécessaire pour les prochaines étapes.
Supprimer les biais dans le traitement des données
La carte montre les mots-clés qui sont fréquemment discutés, regroupés dans la même zone de la carte. Ce groupe de mots-clés montre les principaux sujets ou thèmes discutés au sein de la collectivité. Les administrateurs peuvent ensuite interagir avec la carte pour sélectionner des mots-clés, créer des catégories, filtrer ou rechercher des messages.
Les administrateurs peuvent interagir avec les mots-clés, créer des catégories, filtrer et rechercher facilement des messages.
Cela permet aux administrateurs de traiter les contributions de manière intuitive sur la carte au lieu de laborieusement passer en revue les messages individuels sur une feuille de calcul. Plus important encore, ils n’ont plus besoin de disposer d’une liste prédéfinie de catégories, ce qui élimine tout risque de partialité et permet de se concentrer sur les priorités réellement identifiées par les participants.
L’IA offre une vue d’ensemble de la collectivité
Plus un mot-clé est mentionné fréquemment, plus il devient central et visible, ce qui aide les administrateurs à repérer facilement les principaux sujets de discussion. En plus de montrer les principaux sujets tendances, notre carte des mots-clés regroupe également les mots-clés qui ne font pas forcément partie de la discussion générale. Par exemple, le projet d’urbanisme d’un client a montré que la majorité des centres d’intérêt concernait les parcs et la nature, mais un groupe de mots-clés liés à la vie étudiante était également regroupé dans le coin du nuage de mots. Cela pouvait influencer le projet d’urbanisme, ainsi que la manière dont il était conçu et les personnes auxquelles il s’adressait. En montrant à la fois les sujets très tendance et les sujets secondaires, notre plateforme aide les responsables de la participation citoyenne à être plus inclusifs dans leur analyse.
Les administrateurs peuvent facilement repérer sur la carte les intérêts des minorités au sein de la collectivité.
Cela permet aux administrateurs de repérer facilement les centres d’intérêts des minorités au sein de la collectivité et d’analyser plus en détail leurs besoins.
Quelle est la prochaine étape pour le projet d’Analyse sémantique des contributions citoyennes de CitizenLab ?
Notre outil d’Analyse sémantique fonctionne actuellement en 16 langues, dont l’anglais, le néerlandais, l’allemand, le français, l’espagnol, l’arabe et le polonais. Nous travaillons à l’amélioration de la précision des langues actuelles et à l’ajout de nouvelles langues. En outre, nous étudions la manière dont nous pouvons exploiter davantage l’outil en l’étendant aux enquêtes, à l’analyse des commentaires et aux autres données qualitatives recueillies par la plateforme.
Ne manquez pas les nouvelles mises à jour dans les semaines/mois à venir !