A l’occasion de l’irep Forum du 17 octobre dernier, l’Irep a distribué deux prix venant récompenser les meilleures études et présentations. Ont ainsi été remis :
Le prix du public pour la meilleure présentation à Laure Debos, Directrice Analitycs, Research & Insights de Publicis Media, et Christelle Vité, Directrice Conseil Analytics & Insights, sur le thème : «Stratégies digitales «people bases» vs «cookies based» : y a-t-il vraiment une meilleure recette».
Sommaire de cette étude :
– Assistons-nous à la mort annoncée du cookie ?
– L’approche «people based»
– Dans quel état d’esprit sont les internautes et donc quels seront leurs comportements demain ?
En conclusion, Laure Debos a déclaré qu’il fallait continuer la mobilisation commencée par les éditeurs et sensibiliser sur le label Digital Ad Trust. Il faut aussi faire avancer le marché sur la certification de normes s’appliquant à tous, car l’avenir est à l’hybridation. Donc au mix de la data cookie (qui assure la volumétrie et même si in fine il reste 25% du gâteau, c’est une volumétrie importante par rapport au «people based») et de la donnée de logging pour la qualifier. Cette dernière doit être certifiée par un acteur tiers fort sur le marché. Enfin, elle a appelé de ses vœux que les alliances qui se nouent aujourd’hui puissent s’élargir, dans la mesure où elles seraient certifiées par des acteurs, pour offrir plus de puissance et plus d’affinité avec les cibles des annonceurs et des agences médias.
Le prix du comité de programme pour la meilleure Etude ou Recherche à Erik Bertin, Directeur Général Adjoint en charge des Stratégies de McCann Worldgroup France, Régis Langlade, Strategic & Channel Planning, et Pierre-Jean Bernard, Head of Social Media, sur le thème «Le langage visuel des contenus sociaux : la part manquante du Social Listening».
La démarche s’établit en trois phases :
– Phase 1 : un premier inventaire de tous les contenus image à disposition et un premier niveau d’observation des tendances visuelles est obtenu par une analyse étendue et statistique des codes visuels simples utilisant une intelligence artificielle d’analyse d’image permettant de scanner 100% des publications sociales identifiées sur une problématique et intégrant un contenu visuel. Ces contenus visuels sont rationnalisés selon une première grille de lecture adaptée aux capacités de l’IA : la composition (paysages, formes, couleur, personnages), les émotions (sourire, tristesse, neutre), les marques (présence ou non).
Ces résultats, essentiellement statistiques, sont destinés à donner un premier aperçu d’une marque ou de sa catégorie.
– Phase 2 : la machine n’ayant pas le regard aiguisé de l’humain, cette première répartition est complétée par une analyse qualitative plus poussée des composantes de l’image, à partir d’une grille d’inspiration sémiotique, et appliquée sur un corpus de contenus de taille réduite. Elle prend en compte les éléments figuratifs possédant un sens déjà constitué et reconnaissable, le processus d’action en cours dans le visuel, les protagonistes (à savoir la description des liens entre les objets et les sujets présents dans le visuel), les effets de cadrage, le traitement de la lumière, la tonalité du registre visuel (démonstratif, esthétique, explicatif, humoristique, etc.).
– Phase 3 : elle consiste à identifier la nature du rapport entre la composante image et la composante linguistique. A quel point les deux sont-ils liés ? Sont-ils complémentaires, divergents, redondants voire contradictoires ? Quelle signification globale tirer de ce rapport texte/image ? Les résultats de l’analyse de l’IA seront confrontés à chaque contenu descriptif, image par image, pour permettre d’identifier la cohérence entre le texte et le visuel.
