Les médias sociaux sont très polyvalents. Ils peuvent servir à retrouver d'anciennes connaissances, à créer de nouveaux liens amicaux ou amoureux et à résoudre des problèmes sociaux (moyennant un nombre suffisamment élevé de contributeurs à une cause donnée). Désormais, ils pourraient également permettre de prédire l'avenir.
Des chercheurs de la Bloomington's School of Informatics and Computing de l'Université de l'Indiana ont développé des outils pour analyser le climat émotionnel véhiculé par les messages Twitter. En associant les résultats obtenus aux valeurs de clôture du Dow Jones, ils ont mis en évidence une étroite corrélation entre les sentiments exprimés dans la sphère Twitter et les fluctuations de ce vénérable indice.
Les chercheurs ont utilisé la solution OpinionFinder pour évaluer l'humeur ambiante sur internet, en fournissant une référence pour départager les attitudes positives des attitudes négatives. L'outil Profile of Mood States de Google leur a également permis d'analyser toutes les variations émotionnelles transmises dans les messages extraits de micro-blogs afin d'en déterminer la nature : calme, dynamique, confiante, énergique, douce ou heureuse, par exemple. Selon ces chercheurs, la proportion de messages « calmes » était étroitement liée avec la valeur du Dow Jones relevée 3 ou 4 jours avant.
Lorsque les chercheurs ont essayé d'utiliser ces résultats pour prévoir les tendances du marché, ils ont obtenu un taux de précision de 86,7 % contre seulement 73,3 % en utilisant uniquement des données boursières archivées - et ce, sur la base d'échantillons de données relevés en 2008, lorsque les marchés financiers étaient à la hausse.
Il existe d'autres exemples d'utilisation des médias sociaux comme outil de prévision. Jason Harper, un économiste expert de l'agence de publicité Organic Inc, a analysé la quantité et les notations de messages concernant une entreprise échangés sur les médias sociaux pour évaluer en direct la réussite des campagnes menées sur ce type de supports, plutôt qu'a posteriori. En calculant le nombre et la fréquence des tweets et des messages Facebook, Jason Harper a pu évaluer la vitesse de propagation des messages, indicateur utile pour savoir si une campagne de médias sociaux allait atteindre ses objectifs globaux (signatures sur une page Fan, par exemple).
Avec le développement des études sur les médias sociaux, notre environnement semble devenir plus prévisible. Des scientifiques de HP Labs ont utilisé les messages Twitter pour prédire les recettes du box office, par exemple.
Jusqu'où peuvent aller les prévisions ? Hunch utilise les réponses à des milliers de questions pour déterminer ce que les gens aimeront ou non. L'entreprise espère que cela permettra de développer un nouveau type de technologies de recherche basées sur la sagesse populaire. L'idée serait d'obtenir des résultats ciblés et beaucoup plus précis que les moteurs de recommandation existants développés par les entreprises du Web 1.0 et 2.0.
Beaucoup de travail reste à accomplir pour tenir ces promesses de prévisibilité. Il faudrait disposer d'ensembles de données plus étendus sur davantage de temps pour en évaluer véritablement les performances (ce qui n'est pas évident étant donné la relative jeunesse de nombreux sites de médias sociaux). Mais si une analyse plus détaillée vient confirmer les résultats initiaux, alors l'opinion globale pourrait s'avérer plus sensée que prévu - et la conscience de groupe pourrait prendre une toute nouvelle signification.
Des chercheurs de la Bloomington's School of Informatics and Computing de l'Université de l'Indiana ont développé des outils pour analyser le climat émotionnel véhiculé par les messages Twitter. En associant les résultats obtenus aux valeurs de clôture du Dow Jones, ils ont mis en évidence une étroite corrélation entre les sentiments exprimés dans la sphère Twitter et les fluctuations de ce vénérable indice.
Les chercheurs ont utilisé la solution OpinionFinder pour évaluer l'humeur ambiante sur internet, en fournissant une référence pour départager les attitudes positives des attitudes négatives. L'outil Profile of Mood States de Google leur a également permis d'analyser toutes les variations émotionnelles transmises dans les messages extraits de micro-blogs afin d'en déterminer la nature : calme, dynamique, confiante, énergique, douce ou heureuse, par exemple. Selon ces chercheurs, la proportion de messages « calmes » était étroitement liée avec la valeur du Dow Jones relevée 3 ou 4 jours avant.
Lorsque les chercheurs ont essayé d'utiliser ces résultats pour prévoir les tendances du marché, ils ont obtenu un taux de précision de 86,7 % contre seulement 73,3 % en utilisant uniquement des données boursières archivées - et ce, sur la base d'échantillons de données relevés en 2008, lorsque les marchés financiers étaient à la hausse.
Il existe d'autres exemples d'utilisation des médias sociaux comme outil de prévision. Jason Harper, un économiste expert de l'agence de publicité Organic Inc, a analysé la quantité et les notations de messages concernant une entreprise échangés sur les médias sociaux pour évaluer en direct la réussite des campagnes menées sur ce type de supports, plutôt qu'a posteriori. En calculant le nombre et la fréquence des tweets et des messages Facebook, Jason Harper a pu évaluer la vitesse de propagation des messages, indicateur utile pour savoir si une campagne de médias sociaux allait atteindre ses objectifs globaux (signatures sur une page Fan, par exemple).
Avec le développement des études sur les médias sociaux, notre environnement semble devenir plus prévisible. Des scientifiques de HP Labs ont utilisé les messages Twitter pour prédire les recettes du box office, par exemple.
Jusqu'où peuvent aller les prévisions ? Hunch utilise les réponses à des milliers de questions pour déterminer ce que les gens aimeront ou non. L'entreprise espère que cela permettra de développer un nouveau type de technologies de recherche basées sur la sagesse populaire. L'idée serait d'obtenir des résultats ciblés et beaucoup plus précis que les moteurs de recommandation existants développés par les entreprises du Web 1.0 et 2.0.
Beaucoup de travail reste à accomplir pour tenir ces promesses de prévisibilité. Il faudrait disposer d'ensembles de données plus étendus sur davantage de temps pour en évaluer véritablement les performances (ce qui n'est pas évident étant donné la relative jeunesse de nombreux sites de médias sociaux). Mais si une analyse plus détaillée vient confirmer les résultats initiaux, alors l'opinion globale pourrait s'avérer plus sensée que prévu - et la conscience de groupe pourrait prendre une toute nouvelle signification.
After a Masters in Computer Science, I decided that I preferred writing about IT rather than programming. My 20-year writing career has taken me to Hong Kong and London where I've edited and written for IT, business and electronics publications. In 2002 I co-founded Futurity Media with Stewart Baines where I continue to write about a range of topics such as unified communications, cloud computing and enterprise applications.