Étude de cas

Social Insights — Sentiment & Analytics quotidiens

Insights quotidiens grâce au NLP : ingestion Facebook, Instagram et YouTube toutes les 30 minutes, scoring multilingue, rapport quotidien et alertes.

Confidentiel
Médias & Affaires publiques

Le problème

Respecter les limites d’API, traiter un texte multilingue bruité (emojis compris) et produire des KPIs quotidiens avec alertes automatiques lors des pics de négativité.

Notre solution

Tableau de bord Laravel avec collecteurs planifiés toutes les 30 minutes, normalisation via des couches DTO et stockage MySQL. Une API Python (Flask) renvoie un label et un score de sentiment multilingues, appliqués aux posts et commentaires. Dashboards pour les tendances, rapport quotidien par e-mail et alerte déclenchée en cas de pic négatif.

L'impact

Ingestion et normalisation toutes les 30 minutes (Facebook, Instagram, YouTube)

Scoring de sentiment multilingue (label + score) sur posts et commentaires

Rapport quotidien avec top/flop pour les décideurs

Alertes en temps réel lors des pics négatifs

KPIs et tendances cohérents pour piloter les décisions

Fonctionnalités clés

Top/flop et sujets tendances

Segmentation par plateforme, période et mots-clés

Rapports e-mail quotidiens avec extraits et liens

Alertes sur pics de sentiment négatif

Outils de modération et exports CSV

Défis

Limites d’API et variabilité selon les plateformes

Normalisation du langage/emoji pour un scoring robuste

Livraison quotidienne ponctuelle avec KPIs cohérents

Leçons apprises

Mettre en cache les fenêtres récentes pour réduire la pression API

Normaliser/assainir le texte avant scoring

Pré-calculer les agrégats pour des rapports rapides et fiables

Définir les seuils d’alerte avec les métiers

Notre processus

1

Évaluation & Stratégie

2 semaines
Définir KPIs et seuils d’alerte
Analyser quotas et contraintes des plateformes
Concevoir format et cadence du rapport
2

Conception & Planification

2 semaines
DTO et contrats d’API
Chaînage de jobs, retries et cache
Architecture de l’information des dashboards
3

Implémentation

8 semaines
Collecte et pipeline de normalisation
Intégration de l’API Python de sentiment
Dashboards, rapports quotidiens et alertes
4

Déploiement & Formation

2 semaines
Mise en production et planification
Runbooks et transfert
Monitoring et vérification

Galerie du projet

Voulez-vous être la prochaine success story ?

Discutons de votre projet et transformons-le en une réalité numérique étonnante