MediaTrack

Un appel d'offre public, un lot logiciel

MediaTrack est né d'un appel d'offre public en Nouvelle-Calédonie, remporté par Rent Tech Devices. Le marché était découpé en plusieurs lots ; AppMinds est intervenu comme sous-traitant sur le lot logiciel, en charge de concevoir et de développer la plateforme d'analyse pour le compte de Rent Tech Devices. Notre périmètre était clair : transformer une commande publique exigeante en un outil réellement utilisable au quotidien, fiable et défendable.

Ce positionnement de sous-traitant technique a une conséquence concrète : nous travaillons main dans la main avec Rent Tech Devices, qui porte la relation avec le commanditaire public et la compréhension métier, pendant que nous prenons la responsabilité de l'architecture, du développement et de la tenue des engagements logiciels. Un logiciel métier sur-mesure de ce type ne se résume pas à « faire de l'IA » : il s'agit d'industrialiser une chaîne complète, de la collecte des contenus jusqu'à la restitution.

Le problème : une couverture médiatique impossible à suivre à la main

Suivre la présence d'une personnalité publique dans les médias est, en apparence, simple : il suffit de lire. En pratique, c'est intenable. Les articles se comptent par centaines, répartis sur de nombreux titres, publiés en continu, et il faudrait pour chacun relever qui est cité, à quel sujet, et sur quel ton. Multiplié par plusieurs personnalités suivies et par une veille quotidienne, l'exercice manuel devient à la fois chronophage et subjectif.

Le risque, sans outil, n'est pas seulement la lenteur : c'est le biais. Une lecture humaine partielle donne une impression — « il est plutôt bien traité en ce moment » — qu'aucun chiffre ne vient confirmer ou contredire. Pour un sujet aussi sensible que la couverture politique, l'enjeu était de remplacer cette impression diffuse par une lecture mesurée, traçable et reproductible.

L'objectif n'était pas de juger les médias, mais de mesurer objectivement ce qu'ils publient — et de pouvoir le justifier, article à l'appui.

Ce que MediaTrack devait permettre

Le cahier des charges tenait en trois promesses : agréger automatiquement la matière médiatique pertinente, mesurer la présence de chaque personnalité suivie, et qualifier le sentiment qui s'en dégage — le tout dans une interface où un analyste retrouve l'information en quelques clics. À cela s'ajoutaient des exigences propres à une commande publique : la fiabilité des résultats, leur traçabilité, et la possibilité de partager le travail entre plusieurs utilisateurs aux rôles distincts.

Agréger la presse locale et les réseaux sociaux

La première brique, la plus structurante, est la collecte. MediaTrack agrège deux grandes familles de sources : la presse écrite et web des principaux médias calédoniens d'une part, les réseaux sociaux et leurs commentaires d'autre part. Ces deux mondes n'ont ni le même format, ni le même rythme, ni le même langage — et c'est précisément ce qui rend leur réunion utile.

Presse écrite & web

Chaque média a sa propre structure de page, ses rubriques, sa mise en forme. Collecter leurs publications suppose de s'adapter à cette hétérogénéité, d'extraire le texte utile en écartant le superflu (menus, encarts, recommandations), puis de tout normaliser dans un format unique exploitable. C'est un travail d'agrégation et d'intégration de sources hétérogènes qui conditionne la qualité de toute l'analyse en aval : un texte mal extrait fausse le comptage comme le sentiment.

Réseaux sociaux & commentaires

Les réseaux apportent une autre dimension : la réaction du public. Les commentaires sont plus courts, plus bruités, parfois ironiques — autant de difficultés pour une analyse automatique. Les intégrer permet toutefois de compléter la couverture éditoriale par la perception, et de distinguer ce que les médias écrivent de ce que les internautes en disent.

Normalisation et dédoublonnage

Une même dépêche peut être reprise par plusieurs titres, un article republié, un commentaire dupliqué. Sans nettoyage, ces répétitions gonfleraient artificiellement la présence d'une personnalité. La chaîne de traitement normalise et dédoublonne les contenus avant analyse, pour que les comptages reflètent la réalité et non les artefacts de la collecte.

Suivre les personnalités et mesurer leur présence

Une fois les contenus rassemblés, MediaTrack identifie les personnalités suivies dans le corps des textes et comptabilise leurs apparitions. Cette mesure de fréquence — qui parle de qui, où et quand — constitue le socle quantitatif de la plateforme. Elle se décline par média et par période, de sorte qu'on peut observer un pic de couverture, une montée progressive ou, au contraire, un silence.

La liste des personnalités suivies n'est pas figée : elle s'administre, pour que l'outil accompagne l'actualité plutôt que de la subir. Ajouter une personnalité, c'est étendre la veille sans rien changer au reste de la mécanique.

L'analyse de sentiment par IA

Au comptage s'ajoute la qualification. Pour chaque article, un modèle de langage évalue la tonalité à l'égard de la personnalité citée : favorable, neutre ou défavorable. C'est ici que l'IA apporte sa valeur — non pas pour remplacer le jugement humain, mais pour passer à l'échelle ce qu'un analyste ne pourrait faire sur l'intégralité du flux.

Pourquoi la justification compte

Un score de sentiment livré seul est invérifiable, donc fragile. MediaTrack associe à chaque évaluation une justification et un renvoi vers l'article source. L'analyste comprend ainsi pourquoi un texte a été classé défavorable et peut, le cas échéant, contester ou nuancer le verdict. Cette traçabilité est essentielle dans un contexte où les résultats peuvent être discutés.

Fiabilité et relecture

L'analyse automatique n'est jamais infaillible : l'ironie, l'implicite, les sujets ambigus restent des pièges. Le parti pris a donc été de rendre l'IA assistante plutôt que juge : elle propose, l'humain garde la main. En conservant le lien vers la source et la justification, la plateforme permet une relecture ciblée là où elle compte, sans imposer de tout revérifier.

Le français et le contexte local

Analyser des contenus calédoniens, c'est aussi composer avec une langue et un contexte précis : tournures locales, noms propres, sujets spécifiques au territoire. Un outil pensé « hors-sol » passerait à côté de ces nuances. Le soin apporté à l'extraction du texte et aux consignes données au modèle vise justement à coller à cette réalité, pour que le sentiment mesuré reflète ce qu'un lecteur local comprend, et non une lecture approximative venue d'ailleurs.

Comparer et classer les personnalités

Mesurer une personnalité isolément a du sens ; les comparer en a davantage. MediaTrack met en regard plusieurs personnalités sur une même période : qui est le plus présent, qui bénéficie de la tonalité la plus favorable, comment les positions évoluent dans le temps. Ce classement transforme une collection de chiffres en lecture stratégique, immédiatement parlante pour un décideur.

La comparaison croise les deux dimensions de l'outil — la fréquence et le sentiment — car l'une sans l'autre induit en erreur : être très présent dans une couverture majoritairement défavorable n'a pas la même signification qu'une présence discrète mais positive.

Le tableau de bord

Toute cette matière n'a de valeur que si elle se consulte sans effort. Le cœur de l'expérience MediaTrack est un tableau de bord interactif, où l'on filtre par média, par personnalité et par période, et où les graphiques d'évolution rendent les tendances visibles. L'exigence d'ergonomie était explicite : qu'un utilisateur non technique obtienne une réponse en quelques clics, sans manipuler de données brutes.

Chaque visualisation reste reliée à sa source : derrière un point sur une courbe, il y a des articles réels, accessibles. La donnée n'est jamais un agrégat opaque, mais une porte vers le détail.

Des rapports exportables

La veille ne vit pas que dans l'écran : elle se partage, se présente, s'archive. MediaTrack génère des rapports exportables aux formats PDF et CSV, pour produire des synthèses périodiques destinées au commanditaire ou à des tiers. Le PDF sert la présentation et la diffusion ; le CSV ouvre la donnée à d'autres traitements, pour qui veut pousser l'analyse plus loin.

Plusieurs utilisateurs, plusieurs rôles

Parce que l'outil est utilisé par une équipe et non par une seule personne, la gestion multi-utilisateurs avec rôles différenciés faisait partie du socle. Chacun accède à ce qui le concerne, selon ses droits, et la plateforme peut accueillir plusieurs profils sans se transformer en zone de confusion. Cette dimension, souvent sous-estimée, est ce qui rend un logiciel réellement exploitable dans la durée.

Une chaîne réutilisable au-delà de la veille politique

Si MediaTrack a été conçu pour suivre des personnalités politiques, la mécanique qu'il met en place — collecter des sources hétérogènes, les normaliser, les analyser par IA, puis restituer le tout dans un tableau de bord — n'a rien de spécifique à la politique. La même chaîne s'applique à d'autres formes de veille : suivi de la réputation d'une marque, surveillance de la concurrence, analyse de l'e-réputation d'une organisation. C'est l'un des intérêts d'un outil sur-mesure bien architecturé : sa valeur ne tient pas qu'au cas d'usage initial, mais à la brique réutilisable qu'il constitue.

Cette généricité n'a pas été plaquée après coup : elle découle de choix d'architecture pris dès le départ, en séparant proprement la collecte, l'analyse et la restitution. Chaque étage peut évoluer ou être réemployé sans remettre en cause les autres.

L'architecture technique

Sous le capot, MediaTrack repose sur une chaîne de traitement asynchrone. La collecte et la normalisation des contenus s'exécutent en file d'attente, pour absorber le volume sans bloquer l'interface. Les textes sont indexés afin d'être recherchés rapidement, puis soumis à un modèle de langage pour l'extraction des personnalités et l'analyse de sentiment. Les résultats sont mis en cache, de manière à éviter de réanalyser un même contenu et à maîtriser le coût des appels d'IA.

Le tableau de bord est construit en React, adossé à une base Laravel. Ce choix d'une stack moderne et homogène — la même que celle que nous employons sur la plupart de nos projets — facilite la maintenance et les évolutions, qui sont la règle plutôt que l'exception sur ce type d'outil.

Les défis techniques

• L'hétérogénéité des sources. Chaque média et chaque réseau impose son format ; la collecte doit s'y adapter en restant robuste aux changements de structure des sites.
• La fiabilité du sentiment. Faire qualifier des textes nuancés par une IA suppose des garde-fous : justification, renvoi à la source, possibilité de relecture humaine.
• Le bruit des réseaux sociaux. Commentaires courts, ironie, hors-sujet : l'analyse doit composer avec une matière moins propre que la presse.
• La maîtrise du coût. Analyser de gros volumes par IA peut coûter cher ; la mise en cache et le dédoublonnage limitent les appels redondants.
• La traçabilité. Dans un cadre public et politique, chaque résultat doit pouvoir être justifié et remonté jusqu'à l'article d'origine.

Une livraison par briques

Comme pour nos autres projets, MediaTrack n'a pas été livré d'un bloc. Nous avons procédé par briques : d'abord la collecte et la mesure de présence, puis l'analyse de sentiment, puis la comparaison, le tableau de bord et les exports. Cette démarche incrémentale permet de valider chaque étape au contact du réel et de corriger la trajectoire avant d'investir davantage — un atout précieux face à un besoin aussi exigeant qu'une commande publique.

Le résultat

MediaTrack remplace une veille manuelle, lente et subjective par une lecture mesurée, comparable et traçable de la couverture médiatique. Là où il fallait lire et relever à la main, l'outil agrège, compte, qualifie et compare — tout en gardant, derrière chaque chiffre, le lien vers l'article qui le justifie. L'IA y joue son rôle le plus utile : passer à l'échelle un travail d'analyse, sans retirer à l'humain le dernier mot.

Ce projet illustre une conviction que l'on retrouve dans notre travail d'analyse d'avis par IA pour l'hôtellerie : l'intelligence artificielle prend toute sa valeur lorsqu'elle est encastrée dans un logiciel métier soigné, au service d'une décision, et non comme une fin en soi.

Un besoin similaire ?

Veille média, analyse de sentiment, agrégation de sources, tableaux de bord d'aide à la décision : si vous avez un projet où de gros volumes de texte doivent être collectés puis rendus lisibles, parlons-en. On part de votre besoin réel et on construit, brique par brique, l'outil qui y répond.