---
sourceDocument: Gestion du service à la clientèle de Yokohama
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/yokohama/customer-service-management

 Release :

    - yokohama

ft:locale :

    - fr-FR

ft:publication_title :

    - Gestion du service à la clientèle de Yokohama

ft:clusterId :

    - csm

bundleId :

    - csm

workflow :

    - Customer and Industry


---

# Analyse des sentiments

# Analyse des sentiments {#ariaid-title1}

* Rversion finale: Yokohama
* 
* Mis à jour 30 janv. 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 minutes de lecture

L'analyse des sentiments peut vous aider à évaluer les émotions des clients, ce qui vous permet d'offrir des expériences client plus empathiques et compatissantes.
Utilisez la fonctionnalité d'analyse des sentiments incluse dans Intelligence des tâches pour service clientèle pour :

* Évaluez le texte des e-mails et des tickets.
* Identifier le sentiment actuel des nouveaux tickets.
* Identifier le sentiment continu des tickets mis à jour.
* Afficher ces informations aux agents et aux gestionnaires.
{#case-sentiment-analysis__ul_cwf_gdq_f5b}  
Figure 1. Liste des tickets avec champs de sentiment

Les agents peuvent utiliser le sentiment du ticket actuel pour hiérarchiser leur travail et le sentiment en cours au fil du temps pour voir si les tickets évoluent dans la bonne direction.  
Les gestionnaires peuvent utiliser le sentiment pour acheminer les tickets aux agents disposant des compétences d'empathie appropriées, surveiller les tickets et les réaffecter si nécessaire, et éviter les escalades. Le responsable peut également identifier les opportunités de coaching en examinant les tickets qui se sont terminés sur un sentiment négatif.  
Remarque :  
Dans la Yokohama version, la fonctionnalité d'analyse des sentiments peut prédire le sentiment pour les tickets créés en anglais.

## Modèles de machine learning de l'analyse des sentiments {#case-sentiment-analysis__section_ep1_mmf_c5b}

L'analyse des sentiments utilise un modèle d'apprentissage machine préentraîné pour évaluer le texte des e-mails et des tickets et prédire les sentiments. Cette analyse a lieu lorsqu'un ticket est créé et lorsqu'il est mis à jour par le client.{#case-sentiment-analysis__table_akj_3ms_jyb__entry__2}

| Scénario de tickets | Description |
|-|-|
| Lorsqu'un ticket est créé | Le modèle d'analyse des sentiments évalue le texte suivant pour effectuer une prédiction : * Texte dans la ligne d'objet et le corps des e-mails. * Texte dans la description courte et la description des tickets. {#case-sentiment-analysis__ul_rxj_jms_jyb} Si le modèle peut faire une prédiction, il renvoie les informations suivantes : * Une étiquette de sentiment et le niveau de sentiment correspondant. * Positif (1,0) * Neutre (0,5) * Négatif (0,0) {#case-sentiment-analysis__ul_txj_jms_jyb} * Niveau de fiabilité pour la prédiction. {#case-sentiment-analysis__ul_sxj_jms_jyb} Si le modèle peut faire une prédiction, le sentiment est ajouté au champ de sentiment d'origine . Si le modèle ne peut pas faire de prédiction, le sentiment initial n'est pas défini. Ce système stocke les informations de prédiction de sentiment dans la table Résultats de Predictor pour la tâche. |
| Lorsqu'un ticket est mis à jour | Le modèle d'analyse des sentiments évalue le texte suivant pour effectuer une prédiction : * Texte du corps d'un e-mail de réponse. * Commentaires qu'un client ajoute au ticket. {#case-sentiment-analysis__ul_htd_vts_jyb} Si le modèle peut faire une prédiction, il renvoie les informations suivantes : * Une étiquette de sentiment mise à jour et le niveau de sentiment correspondant. * Niveau de fiabilité pour la prédiction. {#case-sentiment-analysis__ul_itd_vts_jyb} Le système : * Met à jour le champ Sentiment actuel avec le sentiment actuel. * Compare le sentiment actuel mis à jour au sentiment actuel d'origine, calcule le changement de sentiment et met à jour le champ Sentiment dans le temps . * En cas d'augmentation du score, le champ Sentiment au fil du temps indique Amélioration. * En cas de diminution du score, le champ Sentiment au fil du temps indique Diminuer. * Si le score ne change pas, le champ Sentiment dans le temps continue d'afficher la valeur précédente. {#case-sentiment-analysis__ul_ktd_vts_jyb} Remarque : Si le sentiment initial est neutre et que le sentiment actuel est neutre, alors le sentiment dans le temps est neutre. {#case-sentiment-analysis__ul_jtd_vts_jyb} Si le modèle ne peut pas faire de prédiction, aucune information n'est enregistrée et la valeur dans le champ Sentiment actuel reste la même. |
[Tableau 1. Analyse des sentiments pour les tickets]

{#case-sentiment-analysis__table_akj_3ms_jyb} Pour plus d'informations sur le modèle d'apprentissage machine préentraîné, consultez [Créer un modèle pour prédire le sentiment du ticket](https://servicenow-prod.fluidtopics.net/OCAKZ8iDSa80D5GPvyCPnA "Modifiez et testez le modèle de sentiment préformé pour prédire le sentiment des tickets du service clientèle.").
**Concepts associés**   

* [Configurer l'analyse des sentiments](https://servicenow-prod.fluidtopics.net/xAVA2bNBYi~jiHif68Pp6Q "Activez le module d’extension requis, activez la propriété d’analyse des sentiments et affectez des rôles pour utiliser la fonctionnalité d’analyse des sentiments.")
* [Configurer l'analyse des sentiments](https://servicenow-prod.fluidtopics.net/xAVA2bNBYi~jiHif68Pp6Q "Task Intelligence Admin Console")
* [Créer un modèle pour prédire le sentiment du ticket](https://servicenow-prod.fluidtopics.net/OCAKZ8iDSa80D5GPvyCPnA "Modifiez et testez le modèle de sentiment préformé pour prédire le sentiment des tickets du service clientèle.")