TWITTER : EXTRACTION, REGROUPEMENT ET VISUALISATION POUR LA VEILLE STRATEGIQUE

Dimension: px
Commencer à balayer dès la page:

Download "TWITTER : EXTRACTION, REGROUPEMENT ET VISUALISATION POUR LA VEILLE STRATEGIQUE"

Transcription

1 TWITTER : EXTRACTION, REGROUPEMENT ET VISUALISATION POUR LA VEILLE STRATEGIQUE Mots clefs : Twitter, Clustering, Visualisation, Veille scientifique et technologique Keywords: Twitter, Clustering, Visualization, Scientific and technical observation Palabras clave : Twitter, Clustering, Visualización, Escudriñar científico y tecnológico Alina STOICA (*), Philippe SUIGNARD (*), Lambert PEPIN (**) (*) EDF, 1, avenue du Général de Gaulle, Clamart Cedex (France), (**) KeyConsulting, 41 rue Emile Duclaux Suresnes (France). Résumé Pour EDF comme pour d autres grandes entreprises, il est essentiel de connaître les opinions et les attentes de ses clients et, pour cela, Internet représente une source de données importante. Parmi les différents sites où les clients s expriment, la plateforme sociale Twitter est particulièrement intéressante grâce à son utilisation en forte croissance, à la facilité d accès à ses contenus ainsi qu à son caractère à la fois média d information et réseau social. Cet article présente une chaine de traitements s appuyant sur Twitter et composée d une série de méthodes et d outils. Grâce à cette chaine, le veilleur pourra analyser les thématiques et les opinions concernant EDF telles qu elles sont exprimées sur ce réseau social. Cette chaine de traitements commence par la collecte des tweets relatifs à EDF, qu il va ensuite falloir filtrer parce que contenant beaucoup de bruit. Ensuite, les contenus «redondants» vont être identifiés et regroupés ensemble au sein de groupes ou «clusters» qui pourront ensuite être visualisés afin de suivre leurs évolutions dans le temps. Pour finir, l article présente les résultats de cette chaine de traitements sur un corpus de tweets relatifs à la thématique EDF récupérés entre mars et juin 2011 et présente des exemples de visualisations de clusters ainsi que de «hashtags». Abstract For EDF as for other big companies, it is essential to be aware of their customers opinions and expectations, and, for that, the Internet represents an important source of data. Among the different sites where customers express themselves, the social platform Twitter is particularly interesting due to its highly growing utilization, to the easy access to its contents and to its status of both information media and social network.

2 This paper presents a Twitter-based processing chain composed of several methods and tools. Due to this chain, analysts will be able to study topics and opinions concerning EDF as they are expressed on the social platform. The processing begins with the collecting of EDF-related tweets from which noisy contents are filtered out. Then, redundant tweets are identified and grouped together into clusters that can be graphically represented in order to follow their time evolution. Finally, the paper presents the results of the processing chain on a dataset of EDF-related tweets that were collected between March and June 2011, along with several graphical representations of clusters and hash-tags. 1 Introduction Dans un contexte de veille concurrentielle et stratégique et dans un souci permanent d améliorer la qualité de sa relation avec les clients, le groupe EDF se doit d être à l écoute de ce qui se dit dans la presse et sur internet en général et plus particulièrement sur les blogs, les forums et sur les réseaux sociaux. Depuis ces dernières années, ceux-ci ont connu un formidable essor et constituent, à ce titre, des sources d informations très importantes. Parmi celles-ci, Twitter occupe une place intéressante pour plusieurs raisons : - il s agit d un réseau social très populaire en France dont le nombre d utilisateurs a connu une augmentation récente très importante ; - de par son format de message court, il oblige les rédacteurs à adopter un style très synthétique tout en leur permettant d inclure des liens vers les sources d origine ; - il est particulièrement bien adapté à la diffusion et à la propagation d information ; - Twitter offre un accès, relativement facile, à ses contenus, ce qui permet de connaître les sujets qui intéressent les utilisateurs ainsi que leurs réactions. Twitter constitue ainsi un support idéal pour contribuer à la veille qu EDF réalise de manière continue. Mais pour être efficace, cette veille doit être outillée afin de faciliter le travail du veilleur. C est cette phase d outillage que nous décrivons dans la suite de cet article et qui a pour objectif de mettre en place une chaîne de traitements, permettant d analyser «ce qui se dit sur EDF». Dans cet article, nous présentons un ensemble de méthodes et outils qui vont aider l analyste. Cette chaine de traitements commence par la phase de collecte des tweets grâce à l API proposée par Twitter. Nous décrivons d abord une méthode de clustering des tweets quasi-identiques. Cette méthode de «dédoublement» de contenus permet de regrouper les tweets très similaires qui reprennent une même information, rendant ainsi leurs analyses ultérieures plus simples et plus efficaces. Nous continuons avec la présentation d un outil de visualisation de contenus que nous avons mis en place. Cet outil permet de suivre l évolution temporelle des clusters identifiés auparavant, ainsi que d autres paramètres comme, par exemple, les hash-tags. Nous passons ensuite à la présentation du corpus que nous avons collecté et expliquons rapidement les filtrages de données que nous avons effectués. Cette étape est essentielle, les données bruitées pouvant biaiser les analyses, et doit être adaptée aux spécificités du corpus. Nous présentons les résultats obtenus sur le corpus nettoyé : statistiques sur les clusters obtenus, ainsi que des exemples de visualisation de clusters et hash-tags. Enfin, nous concluons l article et évoquons quelques perspectives pour des travaux futurs.

3 2 Le réseau social Twitter 2.1 Présentation générale Comme le présente Wikipédia 1, «Twitter est un outil de réseau social et de microblogage qui permet à l utilisateur d envoyer gratuitement des messages brefs, appelés tweets («gazouillis»), par Internet, par messagerie instantanée ou par SMS. Twitter a été créé en mars 2006 par Jack Dorsey. Le site a très rapidement gagné en popularité, jusqu'à réunir plus de 300 millions d'utilisateurs en 2011». Les utilisateurs de Twitter publient des messages (appelés «tweets») qui sont visibles par tout le monde et qui sont envoyés directement à leurs abonnés appelés «followers». Twitter est surtout utilisé pour la publication d informations, allant d informations d intérêt général (comme les interventions d hommes politiques) à des informations personnelles (cela peut être «je viens de prendre un café»). Les tweets ont quelques spécificités : - ils sont limités à 140 caractères ; - ils peuvent être republiés : une personne A qui reçoit un tweet de la part d une personne B peut le republier (tous les followers de A reçoivent alors le même tweet) ; un tweet republié s appelle un retweet et commence souvent par le texte B» ; - ils contiennent fréquemment des URLs ; puisque les tweets sont limités à 140 caractères, les internautes utilisent souvent des services pour «raccourcir» les URLs (bit.ly ou tinyurl.com vont transformer par exemple une URL comme «http://www.tradingsat.com/actu-bourse een.html» dans «http://tinyurl.com/3gdlt5j») ; selon [3], 92% des retweets contiennent une URL ; - ils peuvent contenir des hash-tags, c est-à-dire des mots (qui font partie ou non de la phrase, dans ce deuxième cas se trouvant à la fin du tweet) précédés par le symbole # ; les hash-tags sont des étiquettes attribuées par les auteurs des tweets pour caractériser brièvement le sujet du tweet. Ils permettent de retrouver tous les tweets parlant du même sujet à l aide d une recherche par mots clés ; - ils peuvent être adressés à une personne spécifique A (même s ils ne sont pas forcement privés). Ce serait l équivalent de la situation où, pendant une conversation à plusieurs, une personne s adresse à une personne spécifiquement, même si tout le monde entend cet échange. Dans ce cas, le tweet contient le texte et A est automatiquement informé. Voici quelques exemples de tweets : - : Le compteur #Linky, son fonctionnement et ses avantages expliqués! ; - EDF Energies Nouvelles : Recul des ventes au 1er trimestre, objectifs 2011 confirmés : ; bah si tu économises sur la pellicule, tu te fais 1 pt it magot pour acheter EDF et tu transformes le réseau français en us. 1 - Informations issues du site

4 2.2 Utilisation en forte croissance Le réseau Twitter a connu une forte croissance, comme le montre la figure 1, pour le cas de la France. En mars 2011, on estimait à 2,4 millions le nombre de comptes Twitter localisés en France et selon la dernière étude du cabinet Semiocast 2, la France compte aujourd hui 5,2 millions de comptes Twitter, dont 1,25 million actifs (24%). La France se classe à la 16 ème place mondiale dans un classement dominé par les Etats-Unis, le Japon et le Brésil. Un million de nouveaux comptes ont été créés au 4 ème trimestre De leur côté, les entreprises sont de plus en plus présentes sur Twitter. Après avoir passé la phase leur permettant «d occuper» le terrain, elles utilisent ce canal comme un véritable canal de relation avec leurs clients pour y publier des réponses à des problèmes généraux pouvant intéresser leurs clients. Parmi celles-ci ont citera les banques (Crédit Agricole, Société Générale et autres), les opérateurs télécoms (Orange, SFR, Bouygues, Free), La Poste, La RATP, EDF, GDF-Suez, etc. Le réseau Twitter dispose d une API (en anglais Application Programming Interface) qui permet de chercher et de télécharger des données du réseau. Même si la collecte de données est limitée (en nombre de requêtes par heure par exemple), elle est rendue facile par l existence de l API. Figure 1. Évolution du nombre d utilisateurs de Twitter en France (mars mars 2011), source Semiocast. 2.3 Twitter comme sujet d étude La forte popularité de Twitter et la facilité d accès aux contenus textuels qui y sont publiés offrent d énormes opportunités aux chercheurs en informatique, en sociologie, en traitement automatique de la langue ou en physique. Cela explique le grand nombre d études qui lui sont dédiées et les nombreuses méthodes envisagées pour analyser les tweets. Nous exposons ici quelques travaux réalisés sur Twitter, beaucoup d autres étant présentés dans des articles publiés, ces dernières années, au sein des conférences 3 KDD, CHI, WWW, ICWSM, etc. Plusieurs chercheurs se sont intéressés au caractère événementiel très fort des tweets. Quand un événement est important ou jugé comme tel, il va être tweeté, retweeté, parfois de nombreuses fois. Plusieurs auteurs ont développé des méthodes permettant de détecter les événements dont on parle sur Twitter et de les résumer [4] et [20] ou encore de détecter les tendances [14]. D autres études se sont intéressées à la réputation et l influence des auteurs de tweets en analysant le nombre de followers, de citations et de retweets d un auteur [3], observant que les auteurs les plus influents ne sont pas forcement ceux qui ont le plus de followers. Ces études montrent le caractère de «media d information» de Twitter, les internautes utilisant la plateforme pour publier et diffuser des actualités. Même si dans une moindre proportion qu à son lancement, Twitter est aussi utilisé pour communiquer avec des connaissances et échanger sur des sujets d intérêt personnel, comme dans un

5 réseau social «classique». Dans cette optique, Kwak et al. ont essayé de déterminer le caractère de Twitter : média d information ou réseau social [11]? En analysant les tweets et les profils de tous les comptes Twitter existants au moment de l étude, ils ont découvert des distributions (de followers par exemple) différentes de celles des réseaux sociaux habituels. 3 Regroupement des tweets quasiment identiques 3.1 Enjeux Les tweets sont des contenus textuels assez particuliers, outre leur taille limitée à 140 caractères, de nombreux tweets présentent des textes quasiment identiques. Ceci peut être dû à plusieurs situations : - Un tweet est republié (c est un retweet). Le retweet contient généralement le même texte que le tweet, avec ajouté au début (la partie peut être enlevée par l auteur du retweet) ; - Plusieurs internautes ont cliqué sur un bouton «publier sur Twitter» présent sur un site externe au réseau. Par exemple, le site lemonde.fr permet aux lecteurs de publier sur Twitter une information (généralement le titre d un article) trouvée sur le site ; dans ce cas, un tweet est publié de la part du lecteur et comprend le titre et le lien vers l article ; - Plusieurs internautes ont vu une même information quelque part (par exemple à la télévision) et ont publié un tweet la reprenant. Il peut s agir du titre d un reportage qui est publié approximativement comme il a été présenté à la télévision. Nous souhaitons regrouper les tweets qui ont un contenu très similaire dans des clusters, chaque cluster étant censé contenir les tweets qui reprennent une même information telle qu elle a été vue dans les médias. Cela faciliterait les analyses en diminuant la quantité d information à traiter, en effet, les études qualitatives ou de traitement automatique de texte pourraient identifier l ensemble des tweets d un cluster avec un représentant unique. Un cluster doit donc comprendre des tweets avec un contenu très similaire ; en plus, les tweets d un même cluster doivent avoir été publiés à des dates assez proches. Cette restriction est imposée pour s assurer de regrouper des tweets qui reproduisent le même fait : un tweet ou un titre de journal ou une information vue à la télévision par exemple. Ces faits ont une date d apparition (publication du journal, émission télé, publication de tweet) et ont une durée de vie assez courte (dans le sens où d autres événements, même si sur le même sujet mais avec un titre et un texte différents, prennent vite leur place dans les médias. Cette approche est différente de la détection d événements ou de tendances présentée précédemment. Dans le cadre de la détection d événements, on souhaite regrouper les tweets qui parlent d une même actualité, même s ils utilisent des mots différents ; les groupes de tweets obtenus sont en conséquence très grands, comprenant des tweets avec des contenus assez différents. A l inverse, notre but est de regrouper des tweets quasiment identiques pour éviter de surcharger inutilement les analyses avec des contenus qui se répètent. Cette approche peut être vue comme le dédoublement des contenus, une première étape avant d autres traitements. Nous nous approchons ainsi de la démarche adoptée dans [12] où les auteurs cherchent la présence de phrases quasiment identiques dans des contenus de blogs. A la différence de cette étude qui se concentre sur la recherche des phrases suffisamment longues et fréquentes, nous identifions et regroupons tous les tweets quasiment identiques quelques soient leur longueur et leur nombre d apparitions dans le corpus. De plus, nous imposons une contrainte temporelle qui empêche de regrouper des tweets trop éloignés dans le temps.

6 3.2 Méthode Pour regrouper les tweets, il faut définir une distance entre leurs contenus. Aussi, il faut choisir deux seuils, un pour la distance textuelle (nous notons ce seuil s d ) et l autre pour le temps (noté s t ), au-dessus desquels deux tweets ne peuvent pas se retrouver dans un même cluster. Pour la distance textuelle, on impose que tous les tweets d un même cluster, pris deux à deux, se trouvent à une distance inferieure au seuil choisi. Pour le temps, on impose que l écart entre deux tweets consécutifs (si l on trie les tweets d un même cluster en ordre chronologique) soit inferieur au seuil choisi. Nous commençons par décrire chaque tweet par l ensemble des mots qu il contient après l élimination : - des noms précédés par le symbole : généralement des noms d autres utilisateurs de Twitter auxquels le tweet est adressé ou d où le tweet provient ; - des URLs présentes dans les tweets ; - du mot final, s il est suivi par et il n y a pas d espace entre le mot et ; cette situation correspond très souvent à la reprise incomplète d une information où le dernier mot n est pas repris entièrement (par exemple : Fukushima : EDF veut créer une force d'intervention rapide en cas d'accident: - Cette force d'intervention rapi... ) ; - des mots «blancs» qui n apportent aucune information dans la phrase («y», «en», «à», «et» et les articles définis et indéfinis). Pour calculer la distance entre les textes, plusieurs approches sont possibles, notamment l approche vectorielle utilisée dans [15]. Ici, nous utilisons la distance de Jaccard améliorée [1], présentée en figure 2, pour calculer la distance entre deux tweets A et B, après avoir calculé l ensemble des mots de chaque tweet. dist A, B = 1 2 (n A n AB n A + n B n AB n B ) Figure 2. Distance de Jaccard améliorée où n A et n B représentent le nombre de mots dans les ensembles correspondants aux tweets A et B, et n AB représente le nombre de mots communs aux deux ensembles. La distance est égale à 0 si les ensembles des mots sont identiques (à l ordre des mots près) et est égale à 1 si les deux ensembles n ont aucun mot en commun. Nous pouvons maintenant effectuer un clustering hiérarchique pour regrouper les tweets similaires. En règle générale, le clustering hiérarchique est une méthode trop chronophage puisqu elle calcule et évalue les distances entre tous les clusters à chacune de ses nombreuses itérations. Pour surmonter ce problème, nous nous appuyons sur l observation simple qu il n est pas nécessaire d évaluer à chaque étape les distances entre tous les clusters, mais seulement les distances entre chaque cluster et ceux des quelques jours précédents. Ainsi, au lieu de calculer la distance entre tous les clusters pris deux à deux et de vérifier ensuite que leurs tweets consécutifs ne se trouvent pas à des dates plus éloignées que le seuil choisi, nous ne calculons que les distances entre les clusters pour lesquels nous savons que la contrainte de temps est respectée. Nous commençons par faire toutes les fusions possibles pour un même jour parce que les tweets quasi-identiques ont des fortes chances d avoir été publiés le même jour. Nous calculons ensuite les distances entre les clusters de chaque jour et ceux des jours précédents et nous fusionnons les clusters les plus proches identifiés après l évaluation de tous les jours.

7 Nous procédons donc comme suit : 1. chaque tweet est attribué à un cluster (qui ne contient que lui) et à un jour (son jour de publication) ; 2. on regroupe d abord dans des clusters les tweets d un même jour ; pour chaque jour, on répète jusqu à ce qu on ne puisse plus fusionner des clusters : - pour chaque couple de clusters, on calcule la distance comme la moyenne des distances de Jaccard améliorées de tous leurs tweets ; si la distance entre deux tweets est supérieure au seuil s d, la distance entre les deux clusters devient égale à infini ; - on choisit parmi tous les couples de clusters dont la distance n est pas infinie le couple pour lequel la distance est minimale et on fusionne les deux clusters (on crée un nouveau cluster comprenant leurs tweets) ; 3. on répète jusqu à ce qu on ne puisse plus fusionner des clusters : - pour chaque jour j, on calcule la distance entre les clusters du jour j et ceux des jours précédents (j-1 jusqu à j-s t ) : comme précédemment, la distance entre deux clusters est égale à la moyenne des distances Jaccard améliorées de tous leurs tweets ; si la distance entre deux tweets est supérieure au seuil de s d, la distance entre les deux clusters devient égale à infini ; - on choisit parmi tous les couples de clusters dont la distance n est pas infinie le couple pour lequel la distance est minimale et on fusionne les deux clusters (on crée un nouveau cluster comprenant leurs tweets) et on met à jour la correspondance cluster-jour : si un cluster contient des tweets de plusieurs jours, ce cluster est associé à tous leurs jours. Cette méthode qui tire profit de la contrainte temporelle, donc du caractère événementiel des tweets, permet de diminuer considérablement le temps de calcul. Sur notre corpus, les clusters sont calculés en quelques minutes pour tous les seuils que nous avons testés ; le plus grand temps de calcul est de 9 minutes dans le cas des seuils maximaux que nous avons essayés (0,6 pour s d et 3 jours pour s t ). La méthode classique de clustering hiérarchique a un temps de calcul sur nos données de presque 3 heures, avec des résultats presque identiques à ceux de l algorithme proposé : les clusters calculés par les deux méthodes sont identiques dans une proportion de 97 à 98% pour tous les seuils testés. 4 Visualisation 4.1 Travaux existants Avec la mise à disposition de données de plus en plus volumineuses, la visualisation de données connaît, de nos jours, un regain d intérêt. Des techniques de visualisation et d analyse textuelle constituent des préoccupations de recherche actuelles comme en témoignent la tenue du premier workshop 4 sur le thème des «interfaces visuelles intelligentes pour le texte» ou les sessions «Text Visualization» des conférences InfoVis 5 et «Text Analytics» des conférences Vast 6. Tous ces efforts correspondent au besoin croissant d analyser des données textuelles de plus en plus nombreuses issues de mails, blogs, forum et réseaux sociaux. Des outils et techniques de visualisation s imposent pour représenter des résultats de recherche (par mot clé par exemple) ou encore pour visualiser des résultats d un clustering. Le simple affichage de la «time line» de twitter ne suffit pas et de nombreuses initiatives voient le jour dans ce domaine pour proposer des visualisations toutes plus spectaculaires les unes que les autres. On citera, par exemple le concours 7 de visualisation organisé par Google pour les élections présidentielles françaises de IVITA, First International Workshop on Intelligent Visual Interfaces for Text Analysis, Hong-Kong, Chine, Février IEEE Information Visualization Conference (IEEE InfoVis) 6 - IEEE Symposium on Visual Analytics Science and Technology (IEEE VAST) 7 - https://sites.google.com/site/concoursdataviz2012/

8 Bien que Twitter soit un thème de recherche récent, un sujet comme la visualisation en général et plus particulièrement la visualisation de l évolution des thèmes dans des corpus textuels de type news, blog et plus récemment réseaux sociaux, n est pas nouveau. Il a fait l objet de plusieurs travaux et plusieurs systèmes de représentations ont été proposées depuis ThemeRiver [8], un peu ancien, jusqu à de plus récents comme TextFlow[5] qui montre comment un thème peut se scinder en plusieurs ou au contraire plusieurs thèmes fusionner ensemble au cours du temps. On citera ici des logiciels fortement interactifs (pour naviguer dans les données afin de mieux les comprendre) comme Jigsaw [16], PosVis [19], ou encore Harvest [7]. Il existe également des bibliothèques graphiques ou des techniques de visualisation, plus ou moins adaptées à chaque domaine, plus ou moins généralistes comme ManyEyes [18] ou Prefuse [9]. Par ailleurs, des visualisations ont spécialement été développées pour Twitter (avec quelques copies d écran en figure 3) : - Nokia Internet Pulse [10] qui balaie automatiquement le site de micro-bloging en fonction de mots clés particuliers, puis classe, en deux catégories, les messages relevés, ceux faisant acte de sentiments positifs, et ceux qui véhiculent plutôt un message négatif. L'ensemble des données est organisé sur une plate-forme en ligne, qui met en avant un nuage de mots-clés correspondant aux commentaires des internautes ; - VoxCivitas [6], un outil, fortement interactif, d analyse visuelle permettant de naviguer au sein d une base de données composées de vidéos et de tweets relatifs à ces vidéos. L application permet de visualiser les tweets au fur à mesure de la lecture de la vidéo, ou encore de naviguer dans ces tweets et de se positionner sur la vidéo au moment de l émission du tweet. Cette application s appuie sur les discours de B. Obama pendant la campagne électorale américaine ; - TweetTopicExplorer 8 qui commence par récupérer les tweets d un compte donné et les assemble en un nuage de bulles crées à partir des mots les plus fréquents des tweets émis par ce compte ; - TwitInfo [13] qui permet d explorer un événement, comme un discours ou une rencontre sportive, en détectant et labellisant automatiquement des pics dans le flux d arrivée des tweets, et en proposant une interface regroupant géolocalisation, sentiments, liens populaires et tweets significatifs ; - Twitt3D 9 qui récupère les tweets d un compte donné et qui les affiche avec la photo de leur auteur, le tout en trois dimensions créé par Jeff Clark 9 -

9 Figure 3. Quelques exemples de visualisation de tweets : Nokia Internet Pulse, VoxCivitas, TweetTopicExplorer, TwitInfo et Twitt3D.

10 4.2 Visualisation réalisée Parmi les techniques de visualisation existantes, deux nous semblent particulièrement adaptées à notre contexte, il s agit des «Stream Graphs» [2] et de «Movie Box Office 10» inspiré du précédent. «Movie Box Office» a été imaginée pour représenter l évolution du nombre d entrées, dans les cinémas, réalisées par les films au cours du temps. Elle permet assez rapidement de comprendre quels sont les films les plus vus et ceux qui sont restés longtemps présents au box office. En observant la figure 4, on constate une similarité entre les tweets et le box-office des films : un message va être tweeté, retweeté, parfois de nombreuses fois, parfois sur une période assez longue, puis sa popularité va décroître comme l audience d un film. Figure 4. Exemple de «Movie Box Office» Largeur de barre Ces différentes raisons nous ont poussés à reprendre à notre compte les principes de cet algorithme et proposer une visualisation très similaire fonctionnant de la manière suivante : - Pour chaque période (ici le jour), on calcule la liste des thèmes (terme générique pour désigner un cluster, une méta-donnée, etc.) et leur occurrence ; - On classe les thèmes par ordre décroissant, puis on affiche chaque thème proportionnellement à son occurrence, en plaçant le plus important en haut de l écran ; - Pour la couleur, si le thème a déjà été rencontré par le passé, on lui attribue la même couleur que précédemment, si le thème n a pas encore été rencontré on lui attribue une nouvelle couleur. - Si le thème ne se trouve pas dans la période concernée (comme A en période J sur la figure 5), on regarde si on va le retrouver ultérieurement. Si c est le cas, alors on lui attribue la taille la plus petite qui soit et on le fait passer sous l axe des ordonnées, ce qui permet de maintenir une continuité visuelle. Cette particularité n existe pas dans l algorithme d origine. - Ensuite on relie les thèmes entre deux périodes successives via des courbes de Béziers afin de produire un rendu «lissé». B A C D C A Espacement inter barre J-1 J J+1 Figure 5. Principe de l algorithme mis en œuvre réalisé par Zach Beane

11 En jouant sur la largeur des barres et sur leur espacement, on fait apparaître des phénomènes différents. Ainsi, sur la figure 6 : - à gauche, un faible espacement inter-barre met d avantage en évidence les thèmes et leur score pour une période donnée ; - à droite, un espacement inter-barre plus important et une taille de barre plus petite mettent d avantage en évidence les évolutions d un thème au cours du temps. Evolution d un thème Figure 6. Mêmes données visualisées selon des paramètres différents Cette visualisation est implémentée en Java au sein d un logiciel développé en interne [17]. Celui-ci permet de fouiller dans des corpus textuels accompagnés de méta-données (jour, semaine, mois, retweet ou pas, thème, etc.). Ce logiciel s appuie sur plusieurs bibliothèques Open Source comme Lucene 11 pour la partie moteur de recherche et sur JFreeChart 12 pour la représentation sous forme de courbe ou d histogramme. Il se présente sous la forme de deux modules : le premier pour

12 indexer les données (une fois pour toute) et le second pour naviguer au sein des données, ici les tweets. Il permet donc de chercher tous les tweets contenant un mot particulier et de voir comment ceux-ci et leurs clusters associés se répartissent en fonction du temps. 5 Expérimentation 5.1 Collecte de tweets Nous avons utilisé l API de Twitter pour télécharger tous les tweets écrits en français contenant un mot clé donné, ainsi que les informations disponibles sur leurs auteurs. Comme notre but était de récupérer tous les tweets susceptibles de concerner EDF, nous avons utilisé comme mot clé unique le mot «EDF». L avantage d utiliser une requête aussi générale consiste dans l identification de tweets couvrant beaucoup de thématiques, à l opposée d une requête trop spécifique où certains sujets peuvent être «oubliés». En revanche, une requête très générale peut entraîner du bruit, i.e. la collecte de données non-pertinentes. Dans notre cas, le mot clé EDF peut être utilisé dans des interventions d internautes pour parler, par exemple, de justificatifs de domicile, ou bien pire encore faire référence à d autres noms qu Électricité de France, comme par exemple «équipe de France». C est d autant plus le cas sur Twitter où les messages sont limités à 140 caractères, ce qui pousse les internautes à utiliser le mot plus court «EDF» quand ils parlent d «équipe de France». Les données non-pertinentes doivent être filtrées avant toute analyse parce qu elles peuvent fausser les résultats : détection d opinions qui ne portent pas sur EDF, fausses statistiques sur l intérêt des utilisateurs pour EDF, etc. Le corpus que nous avons collecté comprend les tweets publiés entre le 3 mars 2011 et le 25 juin 2011 qui contiennent le mot «EDF». Il y a tweets dans le corpus. Pour filtrer les tweets parlant de sport, nous avons défini une liste «noire» de mots liés aux sport («entraineur», «match», «football», «Domenech» etc.) et éliminé du corpus tous les tweets qui contiennent des mots de cette liste ou dont la description de l auteur contient des mots de la liste. Au final, le corpus filtré contient tweets. L écart entre le corpus filtré et celui non-filtré montre l importance de ce prétraitement ; une analyse sur le corpus initial générerait surement des résultats erronés. Quand on s intéresse plus en particulièrement aux «hashtags» contenus dans ces tweets, et en gardant uniquement les plus fréquents sur la période des 4 mois, on peut les regrouper selon différentes thématiques : - thématique du nucléaire : #nucleaire (384), #areva (165), #fukushima(208), #tepco (41) ; - thématique du nouveau compteur déployé dans la région lyonnaise : #erdf (64), #linky (63), #lyon (22) ; - thématique de l écologie : #eelv (58), #hulot (53), #renouvelable (23) ; - thématique de l énergie en général : #energie (50), #production (36) ; - thématique de l emploi : #emploi (38). 5.2 Résultat du clustering Nous avons appliqué la méthode présentée dans la section 3.2 pour regrouper les tweets quasi-identiques de notre corpus. L algorithme proposé comprend deux paramètres : un seuil s d pour la distance et un seuil s t pour le temps. Nous avons effectué plusieurs essais avec des valeurs différentes pour les deux paramètres ; nous présentons les effectifs des ensembles de clusters obtenus pour les différentes valeurs dans le tableau 1 :

13 Seuil distance s d seuil temps s t nb. clusters 0,5 1 jour ,55 1 jour ,6 1 jour ,65 1 jour ,5 2 jours ,55 2 jours ,6 2 jours ,5 3 jours ,55 3 jours ,6 3 jours 4114 Tableau 1. Nombre de clusters obtenus en fonction des différentes valeurs de seuil. Dans la suite du document, nous utilisions les clusters obtenus avec les valeurs s d = 0,6 et s t = 3 jours. Parmi les clusters obtenus avec ces valeurs de seuil, clusters contiennent un seul tweet. Le plus grand cluster comprend 155 tweets dont nous présentons quelques exemples: - Publié par alexbongibault le 08/04/2011 à 05:40:08: «Avec une petite éolienne, j'ai baissé ma facture EDF de 40%» - - Publié par vodka083 le 08/04/2011 à 01:56:58: : «Avec une petite éolienne, j'ai baissé ma facture EDF de 40%» - Publié par mezig75 le 07/04/2011 à 17:51:12: «Avec une petite éolienne, j'ai baissé ma facture EDF de 40%» - LeMonde.fr: Top ça:)! - Publié par chikkitita le 07/04/2011 à 07:29:53: Adoptons tous une éolienne [TEMOIGNAGES] "Avec une petite éolienne, j'ai baissé ma facture EDF de 40%" - Publié par homeenergyperf le 06/04/2011 à 22:50:23: «Avec une petite éolienne, j'ai baissé ma facture EDF de 40%» Invités à faire part de leur expérience en matière Visualisation des clusters Pour réaliser la figure 7, nous avons récupéré tous les tweets de la période considérée, et avons représenté leur répartition dans le temps selon leur cluster d appartenance avec l algorithme décrit en 4.2. En cliquant, sur les barres colorées, ici les clusters, on récupère le premier tweet de chaque cluster. Cette visualisation permet de voir rapidement : - Les périodes qui ont connues beaucoup de tweets ; - Les clusters importants en volume caractérisés par des barres de couleur placées sur le haut de la courbe ; - Les clusters récurrents, dont la durée de vie peut-être plus ou moins longue et s étalent sur plusieurs jours, contrairement à ceux qui ont une faible durée de vie.

14 Avec une petite éolienne, j ai baissé ma facture de 40%! Pour Henri Proglio, les centrales nucléaires «sont en excellent état». Mars 2011 Avril 2011 Mai 2011 Juin 2011 Figure 7. Représentation des tweets et leur répartition dans le temps selon leur cluster d appartenance. Pour les besoins de l article, nous avons affiché une vue d ensemble, mais il est possible de restreindre la visualisation à une période plus courte afin de favoriser l exploration des résultats.

15 5.4 Visualisation des hashtags Sur la figure 8, nous nous sommes intéressés aux «hashtags» contenus dans les tweets, en ne gardant que ceux apparaissant au moins 15 fois dans le corpus, puis nous avons représenté leur nombre d apparition par semaine. #nucléaire #fukushima #areva #ERDF Figure 8. Visualisation des «hashtags» en fonction des semaines

16 6 Conclusion et perspectives Dans cet article, nous avons présenté une chaine de traitements s appuyant sur Twitter et composée d une série de méthodes et d outils : récupération des données, filtrage, regroupement et visualisation. Cette chaine de traitements est encore à l état de développement et plusieurs pistes sont envisagées pour l améliorer : - la phase dite de regroupement, qui consiste à regrouper des contenus très proches ou contenant le même texte à quelques mots près, que nous avons appelée «dé doublonnage», produit une liste de «clusters» trop grande. Il faudra sans doute opérer un deuxième niveau de «clustering» pour obtenir des groupes de «clusters», ces groupes étant plus thématiques que les premiers ; - un module de détection de sentiments et d opinions pourrait être intégré dans la chaine de traitements. Il permettrait de rechercher ou visualiser les «clusters» positifs ou négatifs. Pour cela nous nous appuierons sur des outils du commerce. Enfin, ce travail devra être testé d un point de vue métier, c'est-à-dire par ou avec les personnes concernées par la veille, ceci afin de voir dans quelle mesure un tel outil peut être intéressant et complémentaire avec les outils et pratiques existants. Cette confrontation permettra aussi de faire évoluer la chaine de traitements décrite dans cet article. 7 Bibliographie [1] BRUNET E., Peut-on mesurer la distance entre deux texts? Corpus [En ligne] [2] BYRON, L. and WATTENBERG, M. Stacked Graphs Geometry & Aesthetics. IEEE Transactions on Visualization and Computer Graphics, 14(6): , 2008 [3] CHA M., HADDADI H., BENEVENUTO F., GUMMADI K., Measuring user influence in Twitter: The million follower fallacy. In 4 th International AAAI Conference on Weblogs and Social Media (ICWSM), 2010 [4] CHAKRABARTI D., PUNERA K., Event summarization using tweets, In 5 th International AAAI Conference on Weblogs and Social Media (ICWSM), 2011 [5] CUI, W., LIU, S., TAN, L., SHI, C., SONG, Y., GAO, Z., TONG, X., QU, H. TextFlow: Towards Better Understanding of Evolving Topics in Text. IEEE Transactions on Visualization and Computer Graphics (InfoVis'11) [6] DIAKOPOULOS, N., NAAMAN, M., KIVRAN-SWAINE, F. Diamonds in the Rough: Social Media Visual Analytics for Journalistic Inquiry. Conference on Visual Analytics Science and Technology (VAST) [7] GOTZ, D., WHEN, Z., LU, J., KISSA, P., CAO, N., QIAN, W.H., LIU, S.X. Harvest : An intelligent Visual Analytic Tool for the Masses, IVITA, First International Workshop on Intelligent Visual Interfaces for Text Analysis, Hong-Kong, Chine, Février [8] HAVRE, S., HETZLER, B., NOWELL, L. ThemeRiver: Visualizing Theme Changes over Time. Proceedings of the IEEE Symposium on Information Visualization, 2000 [9] HEER, J. Prefuse : a software framework for interactive information visualization in Masters of Science, Computer Science Division, University of California, Berkeley, 2004 [10] KAYE, J., LILLIE, A., JAGDISH, D., WALKUP, J., PARADA, R., MORI, K. Nokia Internet Pulse: A Long Term Deployment and Iteration of a Twitter Visualization, CHI, ACM Press, Austin, TX (2012) [11] KWAK H., LEE C., PARK H., MOON S., What is Twitter, a Social Network or a News Media? In Proceedings of the 19th international conference on World wide web, ACM, 2010 [12] LESKOVEC J., BACKSTROM L., KLEINBERG J., Meme-tracking and the dynamics of the news cycle, In KDD: Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009

17 [13] MARCUS, A., BERNSTEIN, M. S., BADAR, O., KARGER, D. R., MADDEN, S., MILLER, R. C. Twitinfo : aggregating and visualizing microblogs for event exploration. CHI, [14] MATHIOUDAKIS M., KOUDAS N., TwitterMonitor: trend detection over the twitter stream. In SIGMOD Conference, ACM, 2010 [15] ROSOOR B., SEBAG L., BRINGAY S, PONCELET P., ROCHE M., Quand un tweet détecte une catastrophe naturelle... Proceedings of VSST (Veille Stratégique Scientifique et Technologique), 2010 [16] STASKO, J., GORG, C., LIU, Z., SINGHAL, K. Jigsaw: Supporting investigative analysis through interactive visualization. In Proceedings of IEEE, VAST 07, Sacramento, CA, Octobre 2007 [17] SUIGNARD, Ph., NaviQuest : un outil pour naviguer dans une base de questions posées à un Agent Conversationnel, WACA, Quatrième Workshop sur les Agents Conversationnels Animés, 2010 [18] VIEGAS, F. B., WATTENBERG, M., VAN HAM, F., KRISS, J., MCKEAON, M. Many Eyes: A Site for Visualization at Internet Scale,. Infovis, [19] VUILLEMOT, R., CLEMENT, T., PLAISANT, C., KUMAR, A. What s Being Said Near Martha? Exploring Name Entities in Literary Text Collections In Proceedings of IEEE VAST 2009 [20] WENG J., YAO Y., LEONARDI E., LEE F., Event Detection in Twitter, In 5 th International AAAI Conference on Weblogs and Social Media (ICWSM), 2011

Twitter Le média de l instantané

Twitter Le média de l instantané Twitter Le média de l instantané Octobre 2012 Sommaire Twitter : présentation... 33 Caractéristiques du réseau Un outil en pleine ascension Utilisations du réseau Petit glossaire de Twitter... 43 Twitter

Plus en détail

Dossier : Radarly Henry 2013-2014

Dossier : Radarly Henry 2013-2014 Dossier : Radarly Henry Antoine Président Cellie 2013-2014 Comme l'a annoncé Cellie, un partenariat a été signé entre l'iae de Poitiers et la société Linkfluence. Il se traduit notamment par la mise à

Plus en détail

Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données

Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données Capture et modélisation de l activité utilisateur pour l évaluation d applications d analyse visuelle de données Romain Vuillemot Université de Lyon, CNRS INSA-Lyon, LIRIS, UMR5205 F-69621, France romain.vuillemot@insa-lyon.fr

Plus en détail

Médias sociaux et médias en ligne : Quelle stratégie de veille et d analyse? La plate-forme de veille e-reputation Web & Medias Sociaux PagesJaunes

Médias sociaux et médias en ligne : Quelle stratégie de veille et d analyse? La plate-forme de veille e-reputation Web & Medias Sociaux PagesJaunes Médias sociaux et médias en ligne : Quelle stratégie de veille et d analyse? La plate-forme de veille e-reputation Web & Medias Sociaux PagesJaunes GIVING YOU THE POWER TO UNDERSTAND SPOTTER 2012. Tous

Plus en détail

CommentWatcher. plateforme Web open-source pour analyser les discussions sur des forums en ligne. Marian-Andrei RIZOIU

CommentWatcher. plateforme Web open-source pour analyser les discussions sur des forums en ligne. Marian-Andrei RIZOIU CommentWatcher plateforme Web open-source pour analyser les discussions sur des forums en ligne Marian-Andrei RIZOIU 2ème octobre 2013 BLEND 2013 Lyon, France Contexte Laboratoire ERIC Université Lumière

Plus en détail

FACEBOOK ET LES RESEAUX SOCIAUX

FACEBOOK ET LES RESEAUX SOCIAUX CYBERCAMP FACEBOOK ET LES RESEAUX SOCIAUX Pourquoi être présent sur les médias sociaux? Aujourd hui, 70 à 100 % de vos clients sont des internautes! 72 % des français sont des internautes 92 % de ces internautes

Plus en détail

Le ranking de Augure Influencers La méthodologie AIR en détails

Le ranking de Augure Influencers La méthodologie AIR en détails Le ranking de Augure Influencers La méthodologie AIR en détails V1.0 Octobre 2014 Oualid Abderrazek Product Marketing Sommaire 1. Contexte...3 2. L algorithme...3 a. Exposition...4 b. Echo...4 c. Niveau

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

Le Web2.0. Dans cette session, parlerons du Web 2.0 et de l automatisation de vos revenus sur internet.

Le Web2.0. Dans cette session, parlerons du Web 2.0 et de l automatisation de vos revenus sur internet. Le Web2.0 Dans cette session, parlerons du Web 2.0 et de l automatisation de vos revenus sur internet. Le Web 2.0 Le Web 2.0 concerne toutes les nouvelles plateformes qui arrivent et sont arrivées ces

Plus en détail

100 millions de membres dans le monde. 2 millions en France

100 millions de membres dans le monde. 2 millions en France Atelier Réseaux sociaux Se mettre à la page de Facebook et Twitter 28 avril 2011 Accès WIFI :WIFIPUBLIC 2 500 millions de membres dans le monde 145 millions de membres dans le monde 20 millions en France

Plus en détail

Tutoriel Drupal «views»

Tutoriel Drupal «views» Tutoriel Drupal «views» Tutoriel pour la découverte et l utilisation du module Drupal «Views» 1 Dans ce tutoriel nous allons d abord voir comment se présente le module views sous Drupal 7 puis comment

Plus en détail

Charte d'utilisation des réseaux sociaux Twitter et Google+

Charte d'utilisation des réseaux sociaux Twitter et Google+ Charte d'utilisation des réseaux sociaux Twitter et Google+ Charte d'utilisation du réseau social Twitter Compte Twitter actif depuis novembre 2012 3170 abonnés au 3 novembre 2015 Introduction Les réseaux

Plus en détail

Twitter et Netvibes pour la veille

Twitter et Netvibes pour la veille Personnaliser sa veille en santé publique Twitter et Netvibes pour la veille Laetitia Haroutunian Documentaliste, Inpes Au programme! Introduction : définitions et enjeux de la veille! Quelques conseils

Plus en détail

Techniques d interaction dans la visualisation de l information Séminaire DIVA

Techniques d interaction dans la visualisation de l information Séminaire DIVA Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques

Plus en détail

Visualisation d information

Visualisation d information Master SIAD 1 année Visualisation d information Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/ Master SIAD 1 année Visualisation d information Chapitre 1.0 Introduction Quand voir, c est comprendre

Plus en détail

Les capitalistes sociaux sur Twitter : détection via des mesures de similarité

Les capitalistes sociaux sur Twitter : détection via des mesures de similarité Les capitalistes sociaux sur Twitter : détection via des mesures de similarité Nicolas Dugué, Anthony Perez LIFO - Université d Orléans rue Léonard de Vinci B.P. 6759 F-45067 ORLEANS Cedex 2 FRANCE RÉSUMÉ.

Plus en détail

Créer un blog d entreprise Quels usages possibles pour un blog en entreprise et comment l intégrer dans un site internet? Principes et fonctionnement

Créer un blog d entreprise Quels usages possibles pour un blog en entreprise et comment l intégrer dans un site internet? Principes et fonctionnement 5 Créer un blog d entreprise Quels usages possibles pour un blog en entreprise et comment l intégrer dans un site internet? Principes et fonctionnement Les usages du blog en entreprise Démarrer un blog

Plus en détail

GUIDE D UTILISATION LE DESIGN GUIDE D EXPLICATION DÉTAILLÉ

GUIDE D UTILISATION LE DESIGN GUIDE D EXPLICATION DÉTAILLÉ GUIDE D UTILISATION LE DESIGN COMPRENDRE LE NOUVEL ONGLET DESIGN L utilisation de la fonctionnalité design permet aux utilisateurs d organiser la façon dont les données sont représentées visuellement sur

Plus en détail

Rapport de TER : Collecte de médias géo-localisés et recherche de points d intérêt avec l algorithme Mean Shift Martin PUGNET Février 2014

Rapport de TER : Collecte de médias géo-localisés et recherche de points d intérêt avec l algorithme Mean Shift Martin PUGNET Février 2014 Rapport de TER : Collecte de médias géo-localisés et recherche de points d intérêt avec l algorithme Mean Shift Martin PUGNET Février 2014 résumé : Ce projet a pour but de récupérer des données géolocalisées

Plus en détail

Logiciel photothèque professionnel GUIDE D UTILISATION - 1 -

Logiciel photothèque professionnel GUIDE D UTILISATION - 1 - Logiciel photothèque professionnel GUIDE D UTILISATION - 1 - Sommaire La solution en quelques mots... 3 Les utilisateurs et leurs droits... 4 Les albums, les dossiers et leurs droits... 5 Créer un album,

Plus en détail

GUIDE D UTILISATION. Comment maîtriser Scoop.it Business

GUIDE D UTILISATION. Comment maîtriser Scoop.it Business GUIDE D UTILISATION Comment maîtriser Scoop.it Business Table des matières I. SCOOP.IT, PLATEFORME DE PUBLICATION PAR CURATION... 3 1. Sélectionner du contenu... 3 2. Editer le contenu... 6 3. Partager

Plus en détail

QUI SOMMES-NOUS? Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, disposant ou non d une structure de veille dédiée.

QUI SOMMES-NOUS? Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, disposant ou non d une structure de veille dédiée. PRESENTATION QUI SOMMES-NOUS? La société VIEDOC, formée d ingénieurs expérimentés, conseille depuis 2004 les entreprises dans les domaines de la veille, de l intelligence économique et de l innovation.

Plus en détail

E-réputation de L Entreprise. Et les autres. «Si vous ne prenez pas la parole sur Internet d autres la prendront à votre place»

E-réputation de L Entreprise. Et les autres. «Si vous ne prenez pas la parole sur Internet d autres la prendront à votre place» + E-réputation de L Entreprise Et les autres «Si vous ne prenez pas la parole sur Internet d autres la prendront à votre place» + Introduction : Vidéo 2 + Des chiffres 3 Internet est désormais le 1er canal

Plus en détail

GUIDE D UTILISATION GESTION DU CONTENU SITE INTERNET CANATAL. 1 ère Partie. Modification du Contenu du Site WordPress de Canatal

GUIDE D UTILISATION GESTION DU CONTENU SITE INTERNET CANATAL. 1 ère Partie. Modification du Contenu du Site WordPress de Canatal INDUSTRIES CANATAL INC. GUIDE D UTILISATION GESTION DU CONTENU SITE INTERNET CANATAL 1 ère Partie Modification du Contenu du Site WordPress de Canatal Version 1.0 FR 27 février 2013 Page laissée intentionnellement

Plus en détail

PETIT LEXIQUE L INBOUND MARKETING

PETIT LEXIQUE L INBOUND MARKETING PETIT LEXIQUE DE L INBOUND MARKETING «Pratiquez le marketing que les gens recherchent» Voici de quoi vous apprendre à parler inbound marketing! Ce lexique n a pas vocation à être exhaustif, mais présente

Plus en détail

Pentaho Business Analytics Intégrer > Explorer > Prévoir

Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux

Plus en détail

Campagne de Communication Prévisionnelle. Web Intelligence & Réputation Internet

Campagne de Communication Prévisionnelle. Web Intelligence & Réputation Internet Campagne de Communication Prévisionnelle Web Intelligence & Réputation Internet 1 Sommaire 1. Introduction... 3 2. Détail de la prestation de gestion de réputation online... 5 2.1 Sélection des mots, thématiques

Plus en détail

ANALYSE MARQUE NESPRESSO. La marque aux publicités stars. Digimind. Logiciels de veille, e-réputation et social media monitoring 1

ANALYSE MARQUE NESPRESSO. La marque aux publicités stars. Digimind. Logiciels de veille, e-réputation et social media monitoring 1 ANALYSE MARQUE NESPRESSO La marque aux publicités stars Digimind. Logiciels de veille, e-réputation et social media monitoring 1 Nespresso : une publicité qui crée l événement Le 29 octobre, la marque

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

augmenter votre visibilité sur internet

augmenter votre visibilité sur internet moteurs de recherche: référencement & positionnement augmenter votre visibilité sur internet Un guide écrit par Fabrice Perrin & Nicolas Jan blue-infinity Genève blue-infinity est une société leader dans

Plus en détail

HighPush. document 3.0 18/06/2009 Révision pour version 3.0 2.0 20/11/2008 Revision pour la 2.0 1.0 01/10/2008 Documentation initiale.

HighPush. document 3.0 18/06/2009 Révision pour version 3.0 2.0 20/11/2008 Revision pour la 2.0 1.0 01/10/2008 Documentation initiale. Version du Date document 3.0 18/06/2009 Révision pour version 3.0 2.0 20/11/2008 Revision pour la 2.0 1.0 01/10/2008 Documentation initiale Commentaires 1 Table des matières 1 Introduction / Identification...

Plus en détail

La contribution des réseaux sociaux peut et doit être mesurée

La contribution des réseaux sociaux peut et doit être mesurée La contribution des réseaux sociaux peut et doit être mesurée Jean-François Renaud, M.Sc. Associé, Adviso Conseil Inc. 4 novembre 2010 www.adviso.ca 3 points de mesures principaux Mesurer le trafic généré

Plus en détail

Réseaux sociaux et e-réputation mardi 8 septembre 2015

Réseaux sociaux et e-réputation mardi 8 septembre 2015 Réseaux sociaux et e-réputation mardi 8 septembre 2015 Programme PARTIE 1 - Internet et médias sociaux : chiffres-clés et tendances sociologiques PARTIE 2 Les géants Facebook et Twitter PARTIE 3 Les réseaux

Plus en détail

Débuter avec Twitter. Pr. Clement Levallois, #TwLyon2015

Débuter avec Twitter. Pr. Clement Levallois, #TwLyon2015 Débuter avec Twitter Pr. Clement Levallois, #TwLyon2015 1 Un atelier dans le cadre des Twitter Mix Days 2 1. Les premiers pas Aujourd hui! 2. Twitter: pour quoi faire? 3. Atelier pratique: utiliser Twitter

Plus en détail

ADMINISTRATION DU PORTAIL AFI OPAC 2.0 V3 AFI OPAC 2.0

ADMINISTRATION DU PORTAIL AFI OPAC 2.0 V3 AFI OPAC 2.0 ADMINISTRATION DU PORTAIL AFI OPAC 2.0 V3 AFI OPAC 2.0 V3 Sommaire Sommaire... 2 Note :... 2 Quelques Notions... 3 Profil :... 3 Pages :... 5 Créer du contenu... 6 Identification de l administrateur :...

Plus en détail

De l intérêt des Réseaux Sociaux pour i2n

De l intérêt des Réseaux Sociaux pour i2n De l intérêt des Réseaux Sociaux pour i2n Caen le 03/04/2015 Pascal RENAUD Stage Chef de projet marketing et conception de site «Face à la vulgarisation des réseaux sociaux et à l audience qu ils entraînent,

Plus en détail

Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, qu ils disposent ou non d une structure de veille dédiée.

Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, qu ils disposent ou non d une structure de veille dédiée. PRESENTATION QUI SOMMES-NOUS? La société VIEDOC, formée d ingénieurs expérimentés, conseille depuis 2004 les entreprises dans les domaines de la veille, de l intelligence économique et de l innovation.

Plus en détail

«La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web»

«La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web» «La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web» Social Computing est spécialisé dans les domaines de l accès à l information, des réseaux

Plus en détail

Forthcoming Database

Forthcoming Database DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of

Plus en détail

Product Platform Development: A Functional Approach Considering Customer Preferences

Product Platform Development: A Functional Approach Considering Customer Preferences Product Platform Development: A Functional Approach Considering Customer Preferences THÈSE N O 4536 (2009) PRÉSENTÉE le 4 décembre 2009 À LA FACULTé SCIENCES ET TECHNIQUES DE L'INGÉNIEUR LABORATOIRE DES

Plus en détail

Bibliothèque Esparron en livres. www.esparron-en-livres.com

Bibliothèque Esparron en livres. www.esparron-en-livres.com Les réseaux sociaux Chapitre 1 : Les réseaux sociaux Chapitre 2 : 14 moyens pour être plus visible sur Facebook Chapitre 3 : Comment créer un compte Facebook Chapitre 4 : Statistiques en France Les réseaux

Plus en détail

Économie et réseaux sociaux

Économie et réseaux sociaux Économie et réseaux sociaux Forum financier belge Louvain-la-Neuve 23/10/2012 Économie et réseaux sociaux Olivier de Wasseige @defimedia.be Plus de 7 internautes sur 10 sont membres d au moins un réseau

Plus en détail

Barack Obama a gagné la bataille... sur les médias sociaux aussi!

Barack Obama a gagné la bataille... sur les médias sociaux aussi! Think... Edition Spéciale Barack Obama a gagné la bataille... sur les médias sociaux aussi! Le 4 avril 2011, Barack Obama annonçait sa candidature à l élection présidentielle américaine de 2012 sur Youtube.

Plus en détail

RI sociale : intégration de propriétés sociales dans un modèle de recherche

RI sociale : intégration de propriétés sociales dans un modèle de recherche RI sociale : intégration de propriétés sociales dans un modèle de recherche Ismail Badache 1 Institut de Recherche en Informatique de Toulouse, UMR 5505 CNRS, SIG 118 Route de Narbonne F-31062 Toulouse

Plus en détail

UMMTO Département sciences commerciales 3 ème année Marketing LMD 2012/2013 VEILLE MARKETING. Exposé. Tarmoul Lyes T. Said Y.

UMMTO Département sciences commerciales 3 ème année Marketing LMD 2012/2013 VEILLE MARKETING. Exposé. Tarmoul Lyes T. Said Y. UMMTO Département sciences commerciales 3 ème année Marketing LMD 2012/2013 Exposé VEILLE MARKETING Tarmoul Lyes T. Said Y. Lynda SOMMAIRE Introduction Chapitre I : Généralité, objet et les types de veille

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association

Plus en détail

Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens

Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens Dhaou Ghoul 1 1 STIH dhaou.ghoul@gmail.com Abstract In this paper, we present a method to build a large

Plus en détail

LES RESEAUX SOCIAUX MARDI 25 FEVRIER 2014

LES RESEAUX SOCIAUX MARDI 25 FEVRIER 2014 LES RESEAUX SOCIAUX MARDI 25 FEVRIER 2014 OFFICE DE TOURISME Maison du Patrimoine 2 rue de la Chapelle 66820 VERNET-LES-BAINS Tel : 04 68 05 55 35 www.vernet-les-bains.fr Contact e-tourisme : Emilie /

Plus en détail

Les Nouveautés BMC FootPrints Service Core version 12

Les Nouveautés BMC FootPrints Service Core version 12 WHAT S NEW Les Nouveautés BMC FootPrints Service Core version 12 Principaux Bénéfices Points qui impactent le plus votre expérience :» Interface utilisateur» Personnalisation BMC FootPrints 12.0 est arrivé.

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Gérer, stocker et partager vos photos grâce à Picasa. Janvier 2015

Gérer, stocker et partager vos photos grâce à Picasa. Janvier 2015 Gérer, stocker et partager vos photos grâce à Picasa Janvier 2015 Sommaire 1 - Découverte de Picasa 2 - Gestion des dossiers et des photos 3 - Trier, filtrer et rechercher 4 - Retoucher une image 5 - Création

Plus en détail

Faire sa bibliographie avec. Noël Thiboud

Faire sa bibliographie avec. Noël Thiboud Faire sa bibliographie avec Noël Thiboud Qu est-ce que Mendeley? Version actuelle : 1.12.3 Application multiplateforme Tous navigateurs Accès par iphone, ipod, ipad A la fois Un logiciel de gestion de

Plus en détail

Formation à la recherche documentaire sur le web

Formation à la recherche documentaire sur le web Formation à la recherche documentaire sur le web Objectif : Savoir effectuer des recherches pertinentes sur Internet Savoir distinguer les informations fiables sur Internet Savoir effectuer des recherches

Plus en détail

Optimiser le référencement naturel de son site web

Optimiser le référencement naturel de son site web Rodez, le 15 avril 2011 Les moteurs de recherche Les moteurs utilisés dans le monde Les moteurs utilisés en Europe Où clique un internaute? Référencement «payant» 35-40% des clics sur Google Référencement

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

Prospection clientèle : comment utiliser Twitter pour générer des leads?

Prospection clientèle : comment utiliser Twitter pour générer des leads? Know everything before everyone #twlyon2015 Prospection clientèle : comment utiliser Twitter pour générer des leads? PRÉSENTATION Jean-Christophe Gatuingt @gatuingt Plateforme de veille Twitter pour les

Plus en détail

Comprendre Twitter en #10 étapes

Comprendre Twitter en #10 étapes Comprendre Twitter en #10 étapes Pour commencer : C est quoi Twitter? Réseau social créé en 2006 200 millions d utilisateurs actifs /mois en 2013 2/3 des twittos ont moins de 35 ans Ses spécificités :

Plus en détail

Ouvrir un compte Twitter dans son labo Mars 2014 à Paris

Ouvrir un compte Twitter dans son labo Mars 2014 à Paris Ouvrir un compte Twitter dans son labo Mars 2014 à Paris Présentation issue des discussions de la journée des correspondants communication de l Institut de physique, le 20 mars 2014 1 I Titre de chapitre

Plus en détail

Consumer. Fiche Synthètique. Journey. Enquête sur les parcours d achat Secteur Fournisseurs d accès à internet (FAI)

Consumer. Fiche Synthètique. Journey. Enquête sur les parcours d achat Secteur Fournisseurs d accès à internet (FAI) Fiche Synthètique Consumer Journey Enquête sur les parcours d achat Secteur Fournisseurs d accès à internet (FAI) Juillet 2013 1 Le secteur des télécommunications a subi des modifications qui ont permis

Plus en détail

PRODIGE V3. Manuel utilisateurs. Consultation des métadonnées

PRODIGE V3. Manuel utilisateurs. Consultation des métadonnées PRODIGE V3 Manuel utilisateurs Consultation des métadonnées Pour plus d'information sur le dispositif : à remplir par chaque site éventuellement 2 PRODIGE V3 : Consultation des métadonnées SOMMAIRE 1.

Plus en détail

Wordpress Manuel utilisateur. Manuel utilisateur

Wordpress Manuel utilisateur. Manuel utilisateur Wordpress Manuel utilisateur Projet : WORDPRESS Auteur : Référence : Version : ALEOS2i Date de dernière modification : 13 septembre 2013 2.0 Objet : Manuel utilisateur Table des matières Connexion au BackOffice...3

Plus en détail

LIVRE BLANC Décembre 2014

LIVRE BLANC Décembre 2014 PARSING MATCHING EQUALITY SEARCH LIVRE BLANC Décembre 2014 Introduction L analyse des tendances du marché de l emploi correspond à l évidence à une nécessité, surtout en période de tension comme depuis

Plus en détail

Aide à l utilisation du logiciel IziSpot.Mobi

Aide à l utilisation du logiciel IziSpot.Mobi 1 Sommaire 1. Description logiciel (explication des menus)... 3 1.1. Description de la barre de menu... 3 2. Onglet configuration... 4 2.1. Gestion du logo... 4 2.1.1. Affichage du zoom... 4 2.1.2. Disposition

Plus en détail

Projet CNRS-Mastodons ANalyse d IMages fondée sur des Informations TEXtuelles

Projet CNRS-Mastodons ANalyse d IMages fondée sur des Informations TEXtuelles Projet CNRS-Mastodons ANalyse d IMages fondée sur des Informations TEXtuelles Bruno Crémilleux, Pierre Gançarski, Mathieu Roche, Christian Sallaberry, Maguelonne Teisseire et al. Strasbourg novembre 2014

Plus en détail

Once the installation is complete, you can delete the temporary Zip files..

Once the installation is complete, you can delete the temporary Zip files.. Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une

Plus en détail

Le Web et Internet. A. Historique : B. Définitions : reliés entre eux via un système d interconnexion.

Le Web et Internet. A. Historique : B. Définitions : reliés entre eux via un système d interconnexion. Le Web et Internet Le terme Network désigne un réseau informatique composé d ordinateurs qui sont reliés entre eux via un système d interconnexion. Internet fait référence à l international. C est un entrelacement

Plus en détail

David BEDOUET, WebSchool Orleans. Cosmina TRIFAN, WebSchool Orleans

David BEDOUET, WebSchool Orleans. Cosmina TRIFAN, WebSchool Orleans David BEDOUET, WebSchool Orleans Cosmina TRIFAN, WebSchool Orleans INTRODUCTION LE REFERENCEMENT NATUREL (SEO) La stratégie du referencement naturel L optimisation On page L optimisation Off Page LE REFERENCEMENT

Plus en détail

Jean-Daniel Fekete Directeur de Recherche, Resp. équipe-projet AVIZ INRIA

Jean-Daniel Fekete Directeur de Recherche, Resp. équipe-projet AVIZ INRIA La visualisation d information pour comprendre et interagir avec les données Jean-Daniel Fekete Directeur de Recherche, Resp. équipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr, www.aviz.fr, @jdfaviz

Plus en détail

OBJECTIFS DE CE GUIDE... 5 QU EST-CE QU UN DOCUMENT ACCESSIBLE... 5 LA STRUCTURE D UN DOCUMENT... 6 LES TITRES ET LES SOUS-TITRES...

OBJECTIFS DE CE GUIDE... 5 QU EST-CE QU UN DOCUMENT ACCESSIBLE... 5 LA STRUCTURE D UN DOCUMENT... 6 LES TITRES ET LES SOUS-TITRES... Diffusion de l information dans Internet Guide de création de documents Word accessibles 5 novembre 2009 OBJECTIFS DE CE GUIDE... 5 QU EST-CE QU UN DOCUMENT ACCESSIBLE... 5 LA STRUCTURE D UN DOCUMENT...

Plus en détail

Formation Administrateur de Données Localisées (Prodige V3.2) Recherche et consultation des métadonnées

Formation Administrateur de Données Localisées (Prodige V3.2) Recherche et consultation des métadonnées Formation Administrateur de Données Localisées (Prodige V3.2) Recherche et consultation des métadonnées SOMMAIRE CONSULTATION DU CATALOGUE DE DONNÉES...3 1 Contrôle des droits...3 2 Navigation par domaine

Plus en détail

Partner Entreprise. Modules de cours pour la formation continue Offre IFAPME Verviers

Partner Entreprise. Modules de cours pour la formation continue Offre IFAPME Verviers Partner Entreprise Modules de cours pour la formation continue Offre IFAPME Verviers Module Business Intelligence avec PowerPivot d Excel 2013 Il n est pas nécessaire de travailler avec des logiciels onéreux

Plus en détail

Guide de l utilisateur du Centre de gestion des licences en volume LICENCES EN VOLUME MICROSOFT

Guide de l utilisateur du Centre de gestion des licences en volume LICENCES EN VOLUME MICROSOFT Guide de l utilisateur du Centre de gestion des licences en volume LICENCES EN VOLUME MICROSOFT Table des matières Présentation du Centre de gestion des licences en volume (VLSC)... 3 Inscription auprès

Plus en détail

COMMENT UTILISER LES RESEAUX SOCIAUX POUR MIEUX COMMUNIQUER?

COMMENT UTILISER LES RESEAUX SOCIAUX POUR MIEUX COMMUNIQUER? COMMENT UTILISER LES RESEAUX SOCIAUX POUR MIEUX COMMUNIQUER? COMMENT UTILISER LES RESEAUX SOCIAUX POUR MIEUX COMMUNIQUER? Benoit DUDRAGNE http://bdc-etourisme.com Benoit.dudragne@gmail.com www.facebook.com/bdc.conseil.etourisme

Plus en détail

COMMENT GERER SA E-REPUTATION?

COMMENT GERER SA E-REPUTATION? Il y a encore quelques années, l image d une entreprise s appuyait principalement voire essentiellement - sur une communication institutionnelle, construite par le biais de médias traditionnels. Internet

Plus en détail

Principes d AdWords. Quelques mots de présentation. Une audience large : les réseaux de ciblage. Réseau de recherche

Principes d AdWords. Quelques mots de présentation. Une audience large : les réseaux de ciblage. Réseau de recherche 3 Principes d AdWords Les deux premiers chapitres de ce livre, plutôt généraux, ont présenté l univers d Internet et de la publicité en ligne. Vous devriez maintenant être convaincu de l intérêt d une

Plus en détail

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013 PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF Ianis Lallemand, 21 janvier 2013 APPRENTISSAGE INTERACTIF definition Contours encore assez flous dans le champ de l apprentissage automatique. Néanmoins,

Plus en détail

L essentiel du référencement

L essentiel du référencement L essentiel du référencement Généralités Pourcentage de recherche via les différents moteurs Google : 90% Bing : 2% Yahoo : 2% Autres : 6% Visualisation des résultats de Google par les internautes 1 ère

Plus en détail

Guide sur l accessibilité des ressources numériques pédagogiques

Guide sur l accessibilité des ressources numériques pédagogiques Guide sur l accessibilité des ressources numériques pédagogiques Quelques pistes sur la manière de rendre accessibles au plus grand nombre d étudiants les ressources diffusées sur les plateformes pédagogiques

Plus en détail

Comité aviseur sur les mesures de performance en médias numériques À DES FINS DE DISCUSSION

Comité aviseur sur les mesures de performance en médias numériques À DES FINS DE DISCUSSION FONDS DES MÉDIAS DU CANADA Comité aviseur sur les mesures de performance en médias numériques Date : Le 28 juin 2011 Présentatrices : C. Briceno et J. Look À DES FINS DE DISCUSSION OBJET : Indicateurs

Plus en détail

SAP Social Media Analytics by NetBase. Dominique Blanc Business Architect SAP Thomas Dutreive Student Diploma / Consulting Sales SAP

SAP Social Media Analytics by NetBase. Dominique Blanc Business Architect SAP Thomas Dutreive Student Diploma / Consulting Sales SAP SAP Social Media Analytics by NetBase Dominique Blanc Business Architect SAP Thomas Dutreive Student Diploma / Consulting Sales SAP 500 millions de tweets par jour 1,184 millions d'utilisateurs 100 millions

Plus en détail

Efficace et ciblée : La surveillance des signaux de télévision numérique (2)

Efficace et ciblée : La surveillance des signaux de télévision numérique (2) Efficace et ciblée : La surveillance des signaux de télévision numérique (2) La première partie de cet article publié dans le numéro 192 décrit la méthode utilisée pour déterminer les points de surveillance

Plus en détail

Benchmark. Community Management d agences de communication

Benchmark. Community Management d agences de communication Benchmark Community Management d agences de communication Méthode Comparaison d agences très présentes sur les réseaux sociaux, petites et moyennes. Indicateurs : présence sur les réseaux sociaux, nombre

Plus en détail

En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne

En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne Présentation du produit SAP s SAP pour les PME SAP BusinessObjects Business Intelligence, édition Edge Objectifs En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille

Plus en détail

Qu est ce que le référencement web?

Qu est ce que le référencement web? Qu est ce que le référencement web? 1. Introduction La première préoccupation des e-commerçants et des possesseurs de sites ou blog est d attirer les internautes sur leurs pages web. Pour arriver à ce

Plus en détail

PARTIE I Installation et démarrage

PARTIE I Installation et démarrage PARTIE I Installation et démarrage CHAPITRE 1 Nouveautés de Windows Vista...........3 CHAPITRE 2 Installer et configurer Windows Vista.... 19 CHAPITRE 3 Personnaliser Windows Vista........... 69 CHAPITRE

Plus en détail

SOMMAIRE 1 INTRODUCTION 3 2 GUIDE D UTILISATION ET TUTORIAUX VIDEOS EN LIGNE 3 3 CONTACTER VOTRE SUPPORT 3 4 LES METAS DONNEES 4. 4.

SOMMAIRE 1 INTRODUCTION 3 2 GUIDE D UTILISATION ET TUTORIAUX VIDEOS EN LIGNE 3 3 CONTACTER VOTRE SUPPORT 3 4 LES METAS DONNEES 4. 4. SOMMAIRE 1 INTRODUCTION 3 2 GUIDE D UTILISATION ET TUTORIAUX VIDEOS EN LIGNE 3 3 CONTACTER VOTRE SUPPORT 3 4 LES METAS DONNEES 4 4.1 Titre 5 4.2 Description 5 4.3 Mots-clés 6 4.4 Nom de la page et URL

Plus en détail

Comment tirer parti de la géolocalisation grâce à Google Adresses

Comment tirer parti de la géolocalisation grâce à Google Adresses Comment tirer parti de la géolocalisation grâce à Google Adresses Catégorisé dans : e-tourisme et technologies Imprimer J aime 26 personnes aiment ça. Soyez le premier parmi vos amis. 13 juillet 2011 De

Plus en détail

Activité 3. Bâtir une base de données de références bibliographiques BibTeX

Activité 3. Bâtir une base de données de références bibliographiques BibTeX Manque des informations dans le style Alpha INF7000 HIV2011 Identifier les situations de plagiat Gestion des références bibliographiques Activité 1 Situation OUI NON Peut-on reproduire mot à mot quelques

Plus en détail

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Sylvie Dalbin Assistance & Techniques Documentaires DocForum, Le 17 Novembre 2005 Déroulé de l'intervention (1) 1. Définition

Plus en détail

Définition et usages

Définition et usages Définition et usages QU EST-CE QUE TWITTER? Twitter est plateforme de publication et d échange d informations en temps réel à travers des messages de 140 caractères maximum. Les contenus renvoient généralement

Plus en détail

Initiation au montage video avec Movie Maker

Initiation au montage video avec Movie Maker Initiation au montage video avec Movie Maker Il existe différents types de fichiers vidéos, principalement en fonction de leur taux de compression. Les plus communs sont les fichiers «AVI», «MPEG», ou

Plus en détail

2 Les utilisateurs qui vous suivent ne sont ni appelé des amis ou des fans comme sur Facebook mais des Followers (Suiveur)

2 Les utilisateurs qui vous suivent ne sont ni appelé des amis ou des fans comme sur Facebook mais des Followers (Suiveur) INSTAGRAM Qu est ce que c est que ce truc? Instagram est un réseau social avec plus de 300 Millions d utilisateurs dans le monde le but est de partager du contenus visuels (photos et vidéos), on peut considérer

Plus en détail

Formation au logiciel Typo3, pour les rédacteurs.

Formation au logiciel Typo3, pour les rédacteurs. 1 Formation au logiciel Typo3, pour les rédacteurs. 1 Accéder au système 2 1.1 Configuration du navigateur 2 1.2 Identification 2 2 L interface 2 2.1 Le module Web 3 2.2 Le module Media 3 2.3 Le module

Plus en détail

La détection automatique de l opinion : contraintes et enjeux

La détection automatique de l opinion : contraintes et enjeux La détection automatique de l opinion : contraintes et enjeux Frédéric Marcoul Responsable R&D de Spotter fmarcoul@spotter.com Ana Athayde Président Directeur Général de Spotter aathayde@spotter.com RÉSUMÉ

Plus en détail

WordPress : simple et élégant

WordPress : simple et élégant WORDPRESS WordPress : simple et élégant Libre Respectueux des standards Ergonomique Rapide à installer WordPress est un système de gestion de contenu (CMS) qui permet de créer et gérer facilement l ensemble

Plus en détail

Utilisation des médias sociaux. Pour tirer le plein potentiel des médias sociaux

Utilisation des médias sociaux. Pour tirer le plein potentiel des médias sociaux Utilisation des médias sociaux Pour tirer le plein potentiel des médias sociaux Document réalisé par le Carrefour jeunesse-emploi Rivière-du-Nord 2013-2014 LES MÉDIAS SOCIAUX Les médias sociaux se sont

Plus en détail