MonkeyLearn

MonkeyLearn permettait d’analyser du texte sans expertise en machine learning. Les équipes pouvaient connecter tickets de support, réponses d’enquêtes, avis et publications sociales, choisir un modèle prêt pour le sentiment ou les sujets, ou entraîner un classifieur sur mesure en étiquetant des exemples. Les résultats apparaissaient dans des tableaux de bord et pouvaient partir vers des tableurs, des helpdesks et des outils de BI, ce qui le rendait courant chez les équipes d’expérience client, de produit et de marketing.

L’approche visait à rendre le traitement du langage naturel abordable. Une interface visuelle gérait la création et le test des modèles, et l’API permettait aux développeurs d’ajouter l’analyse à leurs propres apps. Les usages courants incluaient le taggage des demandes de support par problème, le suivi du sentiment dans les avis et l’extraction de thèmes dans les réponses ouvertes d’enquêtes.

Le produit a été arrêté après l’acquisition de l’entreprise par Medallia, et il n’est plus disponible. Ceux qui en dépendaient ont dû déplacer leurs flux de travail. Aujourd’hui, une analyse similaire se fait avec de grands modèles de langage dans ChatGPT, Claude ou Gemini, qui gèrent le sentiment et l’extraction de sujets avec un prompt. Les outils dédiés incluent Thematic, Medallia, Qualtrics Text iQ et Chattermill, et des services cloud comme Google Natural Language et AWS Comprehend proposent des API. Cette fiche reste pour référence, car d’anciens guides citent encore MonkeyLearn.