Les usages de l’Intelligence Artificielle chez Médiamétrie

La dynamique d’innovation autour de l’intelligence artificielle offre de multiples opportunités d’enrichir la mesure d’audience des médias.

Chez Médiamétrie, l’intelligence fait l’objet de nombreux investissements en termes de R&D. En combinant data science, statistique et informatique, les équipes de Médiamétrie ont pu développer des solutions s’appuyant sur l’intelligence artificielle.

Par exemple avec la solution Data Profiling, lancée par Médiamétrie en 2019 ; Data Profiling s’appuie à la fois sur le deep learning et les réseaux de neurones pour l’analyse sémantique des URLs, et sur le machine learning pour qualifier des datas clients dans l’optique d’améliorer le ciblage publicitaire. Data profiling permet aux éditeurs TV et Internet d’associer de manière automatique un profil socio-demographique à un identifiant anonyme (cookie, adresse IP, identifiant box,…) issu de leurs datas; la méthodologie est basée sur une combinaison d’algorithmes, tout nouveau problème nécessitant une nouvelle étude approfondie et la construction d’un algorithme spécifique pour être résolu comme le démontre le “No Free Lunch Theorem” (David H. Wolpert et William G. Macready, 1995). 

Comme l’explique Aurélie Vanheuverzwyn, directrice exécutive data science chez Médiamétrie : « Avec les systèmes de mesure site centric on peut mesurer de façon exhaustive le nombre de pages vues, le nombre de visites et le temps passé, mais le comptage seul ne permet pas de savoir qui sont ces internautes, quel est leur profil. L’IA, via des méthodes de machine learning, permet de construire, à partir de nos panels, un modèle qui prédit le profil d’un individu en fonction des sites qu’il visite. Par exemple, en fonction des sites qu’il a visités, on sait qu’il y a telle probabilité que l’internaute soit un homme de 25-34 ans. »

 

Un autre axe de recherche porte sur l’utilisation de l’intelligence artificielle pour identifier des contenus. En créant des modèles de deep learning et de machine learning, Médiamétrie pourrait améliorer l’identification de contenus TV diffusés sur Internet ou celles de programmes radios.

Avec le https, de nombreux contenus internet sont cryptés et donc difficile à reconnaître ; grâce à un algorithme « maison », qui segmente des captures d’écrans mobiles pour en extraire le logo, Médiamétrie pourrait identifier le site internet consulté par le mobinaute.

Autre exemple, Médiamétrie s’est associée à Datakalab pour mesurer les émotions des téléspectateurs d’une bande annonce de film en filmant leurs visages pendant le visionnage : Datakalab a en effet créé une intelligence artificielle à l’aide d’outils issus des neurosciences qui a appris à reconnaître les manifestations de la joie, de la surprise, de la tristesse, etc. sur le visage grâce notamment au deep learning. Ainsi les producteurs peuvent encore modifier le montage d’un film et les distributeurs les bandes-annonces, en les adaptant à des publics différents d’un pays à l’autre.

Calcul d’intervalle de confiance à 95%

Taille de l'échantillon ou d'une cible dans l'échantillon

n =

Proportion observée dans l'échantillon ou sur une cible dans l'échantillon

p =

%

Attention : ne s'applique qu'à une proportion. Le Taux Moyen est une moyenne de proportions et la Part d'audience un rapport de proportions.
Cet outil est donné à titre indicatif. Il ne saurait pouvoir s'appliquer sans autres précautions à des fins professionnelles.

Test de significativité des écarts entre deux proportions

Permet d'évaluer si la différence entre 2 proportions est significative au seuil de 95%

Proportion

Taille de l'échantillon

Échantillon 1

%

Échantillon 2

%

Attention : ne s'applique qu'à une proportion. Le Taux Moyen est une moyenne de proportions et la Part d'audience un rapport de proportions.
Cet outil est donné à titre indicatif. Il ne saurait pouvoir s'appliquer sans autres précautions à des fins professionnelles.

En complément