L'analyse de sentiment (sentiment analysis) est une branche du NLP (Natural Language Processing) qui utilise des algorithmes d'intelligence artificielle pour détecter automatiquement le ton émotionnel dans un texte : positif, négatif ou neutre, avec parfois des nuances plus fines (enthousiaste, frustré, déçu, surpris). Elle s'applique à des volumes massifs de données textuelles non structurées : avis clients, commentaires sociaux, tickets support, enquêtes ouvertes, articles de presse, forums.
Les cas d'usage marketing sont nombreux : surveiller la réputation d'une marque en temps réel (social listening), analyser les verbatims clients pour identifier les irritants produit, mesurer l'impact d'une campagne sur le sentiment de marque, comparer le positionnement émotionnel avec les concurrents, détecter une crise naissante avant qu'elle ne se propage. Des outils comme Brandwatch, Mention, Sprinklr ou Talkwalker intègrent des moteurs d'analyse de sentiment multilingues, avec des tableaux de bord en temps réel.
Pour un CMO, l'analyse de sentiment est un outil d'intelligence stratégique qui complète les métriques quantitatives. Un Net Promoter Score élevé accompagné d'un sentiment social négatif signale un décalage entre la satisfaction déclarée et la perception publique. L'analyse fine des sentiments par segment, par produit ou par point de contact permet d'identifier des opportunités d'amélioration très concrètes. Les LLMs modernes (GPT-4, Claude) ont considérablement amélioré la précision de l'analyse de sentiment, en particulier pour les nuances, l'ironie et les expressions idiomatiques multilingues.