Page d'accueil

Routage d'emails client selon leur contenu informatif et émotionnel

En tant qu'entreprise de premier plan dans le domaine de l'assurance maladie en Suisse, le Groupe Mutuel reçoit chaque jour un grand nombre de courriels. Ce travail de bachelor s'appuie sur cette masse de données pour automatiser certains processus internes, grâce à la mise en oeuvre de méthodes d'apprentissage machine.

Dans une première partie, nous avons exploré une méthode qui assigne automatiquement une catégorie, parmi un ensemble prédéfini, à chaque courriel entrant. À ce jour, cette tâche est réalisée manuellement et l'on dispose donc d'un corpus annoté. Différents algorithmes d'apprentissage supervisé ont été évalués, dont plus particulièrement la classification naïve bayésienne qui a fourni les meilleurs résultats. On est parvenus à la conclusion qu'aucune des méthodes évaluées n'obtient à ce stade un résultat suffisant pour un emploi en production.

Dans une seconde partie, nous avons estimé le sentiment exprimé dans un courriel afin de pouvoir détecter les contenus particulièrement négatifs, dans une optique d'amélioration de la relation à la clientèle. Nous avons adopté une approche lexicale, où chaque mot est associé à une polarité positive ou négative ainsi qu'à une (ou aucune, ou plusieurs) de six émotions dites primaires. Plusieurs pistes ont été explorées, avec des résultats encourageants, mais qui sont difficiles à quantifier sans un nombre suffisants de courriels déjà annotés pour servir de référence.