> For the complete documentation index, see [llms.txt](https://docs.ngsurvey.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.ngsurvey.com/fr/suite-ia/agent-ia-artemis/analyse-des-donnees-et-creation-de-rapports/analyse-des-textes-libres.md). # Analyse des textes libres Les réponses ouvertes contiennent souvent les insights les plus précieux mais aussi la plus grande complexité. Artemis utilise une analyse sémantique alimentée par l'IA pour interpréter, résumer et structurer les retours qualitatifs à grande échelle. Plutôt que de lire manuellement des centaines ou des milliers de commentaires, les utilisateurs peuvent demander directement des insights structurés. Artemis peut : * Résumer les thèmes récurrents * Détecter le sentiment positif, négatif et mitigé * Regrouper les commentaires par sens * Mettre en évidence les préoccupations émergentes * Extraire des citations représentatives * Regrouper les résultats de textes ouverts avec les réponses à d'autres questions du Sondage ### 🔎 Découverte de thèmes et résumés * « Résumez les principaux thèmes de la Question Commentaire. » * « De quoi les clients parlent-ils le plus selon la Question Commentaire ? » * « Fournissez un aperçu de haut niveau des commentaires récents basés sur la Question Commentaire. » * « Identifiez les 5 thèmes récurrents principaux des retours issus de la Question Commentaire. » * « Fournissez les thèmes principaux de la Question Commentaire et regroupez-les par la Question Pays » Les sorties peuvent inclure des résumés structurés, des thèmes catégorisés et des synthèses narratives concises. ### 😊 Analyse de sentiment * « Analysez le sentiment dans les commentaires récents basés sur la Question Commentaire. » * « Affichez la répartition des retours positifs vs négatifs basée sur la Question Commentaire. » * « Mettez en avant les commentaires les plus critiques basés sur la Question Commentaire. » * « Identifiez les témoignages fortement positifs basés sur la Question Témoignage. » Artemis fournit des ventilations de sentiment et une interprétation contextuelle, pas seulement un simple étiquetage. ### 🧩 Regroupement des commentaires * « Regroupez les commentaires par sujet. » * « Rassemblez les retours similaires. » * « Identifiez des patterns dans les plaintes liées au service. » * « Segmentez les commentaires en catégories de discussion clés. » Cela aide à transformer les retours non structurés en groupes d'insights actionnables. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.ngsurvey.com/fr/suite-ia/agent-ia-artemis/analyse-des-donnees-et-creation-de-rapports/analyse-des-textes-libres.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.