L’émotion n’est pas un score.
La satisfaction se note. Le lien se lit. Les Dynamiques Émotionnelles lisent la forme d’un ressenti à travers 24 dyades, et l’IA Prescriptive transforme cette lecture en meilleure action suivante.
Le chiffre qui ne fait pas bouger les clients
En 2015, la Harvard Business Review rapportait que les clients pleinement connectés émotionnellement à une marque ont en moyenne 52 % de valeur en plus que les clients simplement très satisfaits (Magids, Zorfas et Leemon). Les auteurs allaient plus loin : selon leur estimation, faire passer un client de très satisfait à pleinement connecté peut rapporter environ trois fois plus que de le faire passer de non connecté à très satisfait.
La satisfaction, c’est ce que mesurent les tableaux de bord. Le lien, c’est ce que ressentent les clients — et il se construit, ou se perd, dans des moments précis : une hésitation avant une question sur ses données personnelles, un agacement face à un retard, le soulagement quand quelqu’un prend enfin la responsabilité du problème. Un score de sentiment fait disparaître ces moments dans la moyenne.
Là où le score s’arrête
Deux clients envoient des messages qu’un outil de sentiment note de façon identique : modérément négatifs. L’un a peur de ce que deviendront ses données. L’autre est en colère après une deuxième livraison manquée. Le score est le même. La bonne phrase suivante, non.
La peur demande de l’orientation et un état clair de ce qui est connu. La colère demande de la reconnaissance et une prise en charge avant toute explication. Se tromper transforme un moment rattrapable en client perdu. Le problème n’est pas que le score soit inexact. C’est qu’un score n’a qu’un seul axe, alors que les ressentis ont une structure.
La structure d’un ressenti
Robert Plutchik, dont la théorie psychoévolutionnaire fonde les Dynamiques Émotionnelles, a proposé huit émotions primaires organisées en quatre paires opposées : joie et tristesse, confiance et dégoût, peur et colère, surprise et anticipation. Chacune varie en intensité — contrariété, colère, rage — et les émotions voisines se combinent en dyades. Peur plus Surprise donne la Crainte. Anticipation plus Peur donne l’Anxiété. Surprise plus Colère donne l’Indignation (Plutchik, 1980 ; 2001).
Une seconde famille de modèles décrit l’émotion par sa position sur des dimensions plutôt que par catégorie, dont les plus connues sont la valence (agréable à désagréable) et l’arousal (calme à activé) dans le modèle circomplexe de Russell (1980). Les Dynamiques Émotionnelles lisent les deux : la dyade, et la valence et l’arousal qui l’entourent. Vingt-quatre dyades, avec intensité, direction et énergie, forment un instrument bien plus riche qu’un plus ou un moins.
Six dyades, six façons de poursuivre
Voici six des dyades que rencontrent chaque jour les conversations clients, avec le principe de réponse qu’appelle chacune. Ces principes sont donnés à titre d’illustration.
De la description à la prescription
La plupart des analyses décrivent ce qui s’est passé. Les meilleures prédisent ce qui va se passer. L’étape qui change les résultats est la troisième : décider quoi faire, sur le moment, pour la personne que vous avez devant vous.
L’échelle que gravit l’IA Prescriptive
- Descriptif. Ce que le client a ressenti. La plupart des analyses émotionnelles s’arrêtent ici.
- Prédictif. Ce qui va probablement se passer ensuite, comme un risque de départ ou d’escalade.
- Prescriptif. Que faire et que dire, pour le ressenti que vous avez devant vous. ConsentPlaceAgent lit la dyade et la confiance qui l’accompagne, puis oriente en conséquence le tour suivant de la conversation. C’est là que ConsentPlace livre.
L’objection honnête
L’IA émotionnelle a de sérieux détracteurs, et ils méritent une réponse sérieuse. Dans son considérant 44, l’EU AI Act lui-même fait état de sérieuses préoccupations quant à la base scientifique des systèmes d’IA visant à identifier ou à déduire des émotions, en invoquant une fiabilité limitée, un manque de spécificité et une faible généralisabilité d’une culture, d’une situation et d’un individu à l’autre.
Le cœur scientifique de cette préoccupation a été exposé en 2019 par Lisa Feldman Barrett et ses collègues. En passant en revue les travaux sur la lecture des émotions à partir des mouvements du visage, ils ont conclu que ces mouvements ne sont pas assez fiables ni assez spécifiques, d’un contexte, d’un individu et d’une culture à l’autre, pour être considérés comme révélateurs d’un état émotionnel. Ils ont invité notamment les développeurs de technologies à ne pas traiter les configurations faciales comme des preuves fiables d’émotions précises (Barrett et al., 2019).
Nous prenons cette leçon au sérieux et nous construisons à partir d’elle. Quatre choix de conception en découlent.
Quatre réponses de conception
- La conversation, pas les visages. La critique porte sur les mouvements du visage. Les lectures de ConsentPlace proviennent de ce que les gens disent, dans le contexte de la conversation qu’ils ont.
- De la structure, pas des étiquettes. Les dyades, la valence et l’arousal décrivent des gradients au lieu d’enfermer un ressenti dans une case. C’est cohérent avec Cowen et Keltner (2017), qui ont identifié 27 catégories d’émotion distinctes, reliées par des gradients continus.
- De la confiance, pas de la certitude. Chaque lecture s’accompagne d’un score de confiance, et les lectures à faible confiance peuvent être traitées plus prudemment. Les limites de fiabilité sont indiquées, pas cachées.
- Un usage orienté client, et transparent. L’article 5(1)(f) interdit l’inférence des émotions sur le lieu de travail et dans l’éducation. ConsentPlace est conçu pour des conversations avec les clients, dans lesquelles les personnes sont informées de ce qui se passe.
Qu’un système soit un « système de reconnaissance des émotions » est une question de déploiement.
Le règlement définit un système de reconnaissance des émotions par référence aux données biométriques (article 3, point 39), et l’article 50(3) impose aux déployeurs de tels systèmes d’informer les personnes qui y sont exposées. La qualification d’un déploiement donné dépend de ce qu’il lit et de qui il concerne, et doit être tranchée déploiement par déploiement, avec un conseil juridique.
Ce qui ne change pas, c’est le principe : les personnes doivent savoir, et le système doit dire à quel point il est sûr de lui.
À voir à ciel ouvert
Deux sessions précédentes de notre série EU AI Act montrent la lecture elle-même. Dans l’épisode 4, un utilisateur demande ce que l’IA sait de lui : la lecture est Peur, dyade Crainte, avec 58 % de confiance et un signal de risque élevé sur le sujet, et la réponse oriente avant d’informer. Dans l’épisode 5, un utilisateur demande comment les biais sont évités : la lecture est Neutre avec Curiosité, à 60 % de confiance, et le système ne projette pas d’inquiétude sur la question.
Les deux sont des sessions simulées, signalées comme telles, avec la confiance affichée plutôt que cachée.
Que faire de tout cela
Quatre actions pour un responsable de l’expérience client
- Suivez les dyades, pas seulement les scores. Mesurez la part des conversations en Anxiété, Indignation ou Désespoir, et ce qui se passe ensuite.
- Écrivez un principe de réponse par dyade avant d’automatiser quoi que ce soit. C’est cela, la prescription.
- Fixez des seuils de confiance pour le passage à un humain. Une lecture à faible confiance sur un sujet à haut risque revient à une personne.
- Informez les personnes. Dites quand une lecture émotionnelle est utilisée, et à quoi elle sert.
Voyez un ressenti lu en temps réel.
Essayez la démo en direct et regardez les Dynamiques Émotionnelles transformer une conversation en meilleure action suivante.
Essayer la démo en direct →Sources
- Magids, S., Zorfas, A. & Leemon, D. (2015). « The New Science of Customer Emotions. » Harvard Business Review, novembre 2015.
- Plutchik, R. (1980). Emotion: A psychoevolutionary synthesis. Harper & Row.
- Plutchik, R. (2001). « The Nature of Emotions. » American Scientist, 89(4).
- Russell, J. A. (1980). « A circumplex model of affect. » Journal of Personality and Social Psychology, 39(6).
- Cowen, A. S. & Keltner, D. (2017). « Self-report captures 27 distinct categories of emotion bridged by continuous gradients. » PNAS, 114(38).
- Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M. & Pollak, S. D. (2019). « Emotional Expressions Reconsidered: Challenges to Inferring Emotion From Human Facial Movements. » Psychological Science in the Public Interest, 20(1). pmc.ncbi.nlm.nih.gov
- EU AI Act (règlement (UE) 2024/1689) : considérant 44 ; article 3, point 39 ; article 5(1)(f) ; article 50(3). Journal officiel de l’Union européenne, 2024. eur-lex.europa.eu
- Sessions simulées ConsentPlace, EU AI Act × IA Prescriptive Journal, épisodes 4 et 5 — interactions simulées exécutées sur le système de production de ConsentPlace ; aucun client réel ni aucune donnée client n’est impliqué.
