Comment Enov utilise Recollective pour recueillir les insights qui ne peuvent pas attendre

Introduction : Un pionnier des communautés en ligne

Enov est une agence française d'études de marché qui gère des communautés en ligne depuis plus de douze ans. Elle a contribué à faire passer cette catégorie d'une méthodologie expérimentale à un élément standard de la boîte à outils de l'industrie. L'agence opère sur plusieurs marchés et secteurs, notamment la beauté et les cosmétiques, l'énergie, les télécommunications et l'automobile, avec des clients tels que L'Oréal, Orange et EDF. Leur pratique de recherche repose sur une méthodologie hybride : combinant des approches asynchrones et synchrones, des communautés à court et à long terme.

Mariel Turriza Garcia est une Responsable d'études senior chez Enov, présente au sein de l'agence depuis sept ans et utilisant Recollective depuis le premier jour. Durant cette période, elle a vu la plateforme évoluer d'un outil de recherche qualitative et de communauté d'insights vers un outil intégrant l'analyse par IA, la traduction automatique et désormais les entretiens conversationnels modérés par IA. Sa relation avec Recollective est moins dictée par la fidélité au fournisseur que par un critère pratique : les outils qu'elle utilise sont ceux qui lui permettent d'obtenir de meilleurs résultats, plus rapidement. Lorsqu'une nouveauté apparaît sur la plateforme, Enov la teste, la comprend et décide si elle mérite une place dans sa méthodologie. Les tâches conversationnelles — l'outil d'entretien modéré par IA de Recollective — ont rapidement gagné cette place.

Contexte : Le défi d'être au bon endroit au bon moment

Enov réalise un volume important de recherches sur les tests d'usage à domicile pour les marques de beauté et de cosmétiques. Dans ce type d'étude, les participants reçoivent un produit comme une crème hydratante, un shampoing, un soin pour la peau. Il leur est ensuite demandé de l'utiliser chez eux et de rendre compte de leur expérience. La valeur de la recherche dans ces études est concentrée sur une fenêtre très spécifique : les moments immédiatement après qu'un participant a utilisé le produit, lorsque les impressions sont fraîches et les réactions non filtrées. Quelques heures plus tard, cette richesse commence à s'estomper. Un jour plus tard, elle a souvent disparu.

Le défi a toujours été opérationnel. La recherche asynchrone résout le problème d'emploi du temps du participant, car il peut accomplir une tâche quand cela lui convient, et non quand un chercheur est disponible. Mais cela crée un problème correspondant pour le modérateur : le moment de plus grande valeur d'insight se produit au moment du participant, pas au vôtre. Pour Enov, qui mène des études en France, en Chine, aux États-Unis et sur d'autres marchés, la modération en temps réel à ce moment précis est irréalisable. Les fuseaux horaires à eux seuls rendent presque impossible d'avoir constamment un chercheur disponible lorsqu'un participant à Shanghai termine sa routine de soins matinaux.

La solution de contournement traditionnelle consiste à examiner manuellement les réponses et à faire un suivi plus tard, mais « plus tard » n'est jamais tout à fait approprié et le processus de relance individuelle des participants pour obtenir des détails supplémentaires ne peut pas être mis à l'échelle. Lorsqu'une communauté compte des centaines de participants sur plusieurs marchés, le temps de modération requis pour interroger chacun d'eux de manière significative est considérable. De plus, chaque heure passée à relancer une réponse est une heure non consacrée à l'analyse.

La solution : Les entretiens modérés par IA 

Lorsque Recollective a introduit les entretiens modérés par IA avec les « Tâches conversationnelles », Enov a immédiatement reconnu la solution. Plutôt que d'attendre qu'un chercheur soit disponible, le modérateur IA est présent au moment précis où le participant termine une tâche — interrogeant, faisant un suivi et s'adaptant en temps réel en fonction du déroulement de la conversation. Comme le dit Mariel : « Les tâches conversationnelles, c'est comme avoir un assistant IA qui est là quand il le faut, pour sonder la bonne information. » Pour la recherche sur les tests d'usage à domicile en particulier, c'était une réponse directe à un problème qui existait depuis des années.

L'approche : Utiliser les entretiens modérés par IA en pratique

La manière dont Enov construit une tâche conversationnelle suit une logique qui reflète les bonnes pratiques de recherche. Mariel décrit leur approche comme passant d'un objectif général à des points de sondage spécifiques : « Globalement, j'aimerais savoir ceci — sonder ces points. » 

Les invites n'ont pas besoin d'être longues. Ce qui compte, c'est que l'IA comprenne l'objectif et dispose de suffisamment de contexte pour reconnaître une réponse pertinente lorsqu'elle en rencontre une. Pour un nouveau produit, cela pourrait signifier donner à l'IA des informations sur qui sont les participants, ce qu'on leur a demandé de faire et quels aspects spécifiques de l'expérience Enov a le plus besoin de comprendre. Pour un public B2B, l'invite peut demander à l'IA d'adopter un registre plus formel. Pour un panel de jeunes consommateurs, un ton plus conversationnel. Le système s'adapte en conséquence.

Enov a commencé avec les modèles d'invites d'échantillon intégrés de Recollective pour comprendre la logique sous-jacente, puis est passé à la création de ses propres modèles à mesure que sa confiance augmentait. Les modèles ont été utiles pour l'étalonnage — non pas comme une béquille permanente, mais comme un moyen de comprendre la quantité de détails dont l'IA a besoin et comment structurer clairement les instructions. En peu de temps, les chercheurs d'Enov créaient des invites de toutes pièces pour chaque projet, adaptant les objectifs et le contexte à chaque client et audience sans avoir besoin d'un modèle pour les guider.

Cette pratique de création d'invites est une partie de la façon dont Enov travaille avec les tâches conversationnelles. Ils combinent également plusieurs fonctionnalités de la plateforme qui modifient ce que l'IA peut faire au sein d'une conversation.

• La capacité d'intégrer directement les réponses antérieures d'un participant dans le contexte de l'IA est un point que Mariel a souligné comme étant particulièrement puissant — cela permet à l'IA de faire référence à ce qu'un participant a dit précédemment et de sonder spécifiquement sur ce point, créant ainsi le sentiment d'une véritable conversation plutôt qu'un redémarrage à froid. Auparavant, ce type de suivi contextuel exigeait qu'un chercheur examine manuellement l'historique des réponses de chaque participant avant de rédiger une sonde personnalisée. Désormais, la plateforme le gère automatiquement. 
• L'entrée vocale (les participants parlant plutôt que de taper leurs réponses) a également modifié la qualité et le volume de ce que les gens partagent, en particulier avec les jeunes participants plus à l'aise pour parler que pour écrire. 
• Enfin, lorsque Recollective a introduit des directives de résumé configurables, permettant aux chercheurs de définir une structure de sortie cohérente pour toutes les conversations d'une étude, cela a résolu le dernier point de friction significatif dans le travail avec les données de tâches conversationnelles à grande échelle.

Expérience des participants : Transparence, confiance et engagement

L'une des premières questions qu'Enov s'est posée lors des tests des Tâches conversationnelles était de savoir si les participants les accepteraient. La réponse a été claire : oui, à condition que l'équipe de recherche soit transparente dès le départ. Dans chaque étude, Enov révèle d'emblée que les participants interagissent avec un modérateur IA. Ceci n'est pas présenté comme une limitation ; c'est simplement une partie du fonctionnement de la recherche moderne et les participants qui ont été impliqués dans des communautés en ligne pendant un certain temps le comprennent et l'acceptent facilement.

Les taux d'engagement et d'achèvement sont restés stables. La crainte d'Enov, avant le premier projet en direct, que la modération par IA puisse réduire la volonté des participants à partager en profondeur, ne s'est pas concrétisée. « Nous avons constaté que l'achèvement des tâches n'avait pas changé par rapport à l'époque où nous les modérions nous-mêmes », note Mariel. « Les gens donnent autant de détails. Ils sont tout aussi engagés que lorsqu'il y a une personne réelle derrière le clavier. » Une Tâche conversationnelle typique avec deux ou trois points de sondage dure de deux à cinq minutes, ce qui n'est pas matériellement différent d'une activité asynchrone standard. L'IA gère également les participants désengagés ou peu coopératifs de manière judicieuse, reconnaissant quand une conversation a atteint sa limite naturelle et passant à autre chose plutôt que de continuer à insister pour des réponses qui ne viennent pas.

L'ajout de la saisie vocale a apporté un changement significatif à l'expérience des participants. Taper des réponses aux questions de recherche demande un certain niveau d'effort délibéré ; les prononcer ne le fait pas, et les réponses qui en résultent sont souvent plus riches et plus spontanées. Pour la recherche multi-marchés d'Enov, cela est particulièrement important dans les communautés où les taux de réponse écrite ont historiquement été plus faibles.

Impact sur les équipes de recherche : De la relance manuelle à l'analyse stratégique

Les Tâches conversationnelles ont éliminé la partie la plus chronophage de la modération asynchrone pour Enov, permettant à leur équipe d'avancer plus rapidement. Le sondage manuel, incluant l'examen de la réponse de chaque participant, l'identification des lacunes, la rédaction d'une question de suivi et l'attente d'une réponse, a été considérablement réduit. L'IA gère le premier sondage au moment où il est le plus important. Les chercheurs interviennent après coup pour examiner, combler les lacunes restantes et passer à l'analyse.

La réduction de la charge mentale est réelle. Les modérateurs ne suivent plus, parmi des dizaines ou des centaines de participants, qui a été relancé et qui ne l'a pas été. L'IA assume cette responsabilité de manière fiable et constante, sans le décalage inhérent à la modération asynchrone dirigée par l'homme. Le temps gagné est directement investi dans l'analyse ; l'élaboration de conclusions, le développement de recommandations et la construction du livrable qui parvient réellement au client. « Nous avons pu obtenir des informations et des données qui, autrement, auraient dû attendre des heures ou des jours avant que nous puissions les recueillir », déclare Mariel. « Cela nous a clairement permis d'avancer plus vite, afin que nous puissions consacrer plus de temps à l'analyse. »

Il est important de noter que les Tâches conversationnelles n'ont pas modifié la structure des équipes de recherche d'Enov ni le rôle de leurs gestionnaires de communauté. Enov a pris la décision délibérée de ne pas laisser cette fonctionnalité remplacer d'autres types de tâches. Les forums de discussion, les sessions vidéo en direct et les activités asynchrones standard font tous partie de leur méthodologie. Le modérateur IA gère une fonction spécifique : le sondage au moment de la plus haute pertinence. Tout le reste continue comme avant, avec des gestionnaires de communauté et des modérateurs expérimentés au centre du fonctionnement de chaque communauté.

Résultats : Un qualitatif évolutif à un niveau auparavant inaccessible

Le résultat qu'Enov mentionne le plus souvent est l'échelle. Les tâches conversationnelles ont permis à Enov de mener des recherches qualitatives avec des volumes de participants qui auraient auparavant nécessité une équipe proportionnellement plus grande pour une modération significative. « Cela a un peu changé la donne en matière de qualitatif à grande échelle », dit-elle. « Cela nous a permis d'interroger beaucoup plus de personnes que nous n'aurions pu le faire il y a quelques années. » 

L'exécution multi-marchés est devenue plus gérable. La même logique d'étude s'applique à travers les marchés dans plusieurs langues, l'infrastructure de traduction de Recollective prenant en charge ce qui nécessiterait autrement le déploiement de modérateurs distincts dans chaque région. Une étude menée simultanément en France, en Chine et aux États-Unis ne nécessite plus un chercheur disponible sur trois fuseaux horaires — l'IA est présente dès que le participant est prêt.

« Nous avons des conversations sur l'IA avec nos clients depuis des années maintenant — cela n'a pas commencé cette année ou hier. Je pense qu'il n'y a eu aucune appréhension à cet égard. Bien au contraire, en fait. Cela a plutôt été une opportunité. Nous avons essayé de l'aborder, tant chez Enov qu'avec nos clients, comme une opportunité de mieux travailler, de travailler plus vite, d'être plus pertinents et bien sûr d'être des partenaires plus axés sur la valeur. »

Les clients d'Enov n'ont pas été appréhensifs face à ce changement. L'IA fait partie de la pratique de recherche et des conversations avec les clients de l'agence depuis que Recollective l'a introduite pour la première fois et l'introduction des entretiens modérés par IA a été traitée comme une extension des capacités existantes plutôt qu'un écart par rapport aux méthodes établies. Les clients ne reçoivent pas des informations différentes — ils reçoivent des informations plus opportunes et plus ancrées dans le contexte, capturées au moment qui compte plutôt que reconstruites des heures plus tard. La position d'Enov est délibérée sur ce point : les tâches conversationnelles rendent les informations plus pertinentes, pas seulement plus pratiques.