Notre démarche repose sur une conviction simple : la donnée textuelle n’a de valeur que lorsqu’elle devient intelligible, partageable et responsable.
Nous concevons des outils qui rendent les environnements informationnels plus lisibles, tout en garantissant la transparence des méthodes et la maîtrise des sources.
Chaque développement associe recherche, ingénierie et sens critique. Cette exigence guide nos projets, de la conception d’algorithmes à la production d’analyses, pour que la technologie reste au service de la compréhension (voir : à propos de Data Observer)
Avant de rêver d’intelligence artificielle, il faut réapprendre à aimer le nettoyage des données. Tant que la base est bancale, les traitements automatisés ne produiront pas de résultat fiable.
Chez Data Observer, les marseillais n’ont jamais vraiment compris ce que faisaient leurs collègues parisiens avec “l’analyse média”. Un mystère de la capitale, sans doute : des tableaux pleins de verbatims, des codifications interminables, des histogrammes sur la tonalité ou la polarisation des retombées, des camemberts indigestes, ...
Cette affirmation est-elle juste un « bon mot », un « mot d’esprit » ou mérite-t-elle qu’on s’y attarde ?