Pour Afreximbank, la Banque africaine d’import-export, STEPS a conçu et livré en 2025 un système qui mesure en continu le sentiment exprimé autour de la banque. Un data lake centralise des données issues de plus de cent sites web et sources externes, des pipelines temps réel les nettoient et les structurent, puis des modèles de traitement du langage naturel (NLP) les analysent pour produire un indice de sentiment global. Ce projet illustre comment la data et l’IA transforment des volumes de textes dispersés en un indicateur de pilotage.
Le besoin
Une grande institution est citée chaque jour dans la presse, sur les réseaux sociaux, lors d’événements et dans les échanges avec ses clients. Ces signaux sont précieux mais dispersés, en plusieurs langues et en volumes impossibles à suivre manuellement. L’objectif : disposer d’une mesure consolidée, régulière et objective de la perception de la banque.
La solution
- Collecte : des connecteurs récupèrent en continu les contenus de plus de cent sites et sources externes.
- Data lake : les données brutes sont centralisées dans une plateforme capable d’absorber des volumes importants et des formats variés.
- Pipelines temps réel : un traitement en flux (Kafka) nettoie, déduplique et structure les contenus dès leur arrivée.
- Analyse NLP : des modèles de traitement du langage naturel détectent le sentiment exprimé et les thèmes abordés.
- Indice et restitution : les résultats sont agrégés en un indice de sentiment global, suivi dans le temps.
Pourquoi un data lake
Les données à traiter étaient majoritairement des textes non structurés, issus de sources hétérogènes et en flux continu. Un entrepôt de données classique, pensé pour des tables structurées, n’était pas adapté. Le data lake permet de stocker les contenus bruts puis de les exploiter par l’IA. Nous détaillons ce choix dans notre article sur la différence entre data lake et data warehouse.
Ce que ce projet enseigne
- Commencer par la question métier : ce que la direction veut mesurer, et à quelle fréquence.
- Soigner la qualité en amont : la déduplication et le nettoyage conditionnent la fiabilité de l’indice.
- Privilégier le temps réel quand le sujet évolue vite.
- Rendre le résultat lisible : un indicateur simple, suivi dans le temps, vaut mieux qu’une masse de données.
Ces principes s’appliquent à toute entreprise qui veut suivre sa réputation, la satisfaction de ses clients ou les signaux de son marché.
STEPS et Afreximbank
Afreximbank est l’un des principaux clients de STEPS, qui est aussi l’intégrateur de la plateforme panafricaine de paiement PAPSS. Au-delà de la banque, STEPS accompagne des entreprises de tous secteurs dans leurs projets d’ingénierie data et IA, d’IA générative et de tableaux de bord. Pour un projet similaire, réservez une session de cadrage.
Questions fréquentes
C’est un indicateur qui mesure, à partir de textes publiés (presse, réseaux sociaux, avis, échanges), la tonalité positive, neutre ou négative exprimée à propos d’une organisation, et son évolution dans le temps.
Un data lake pour centraliser les données, des pipelines temps réel basés sur Kafka pour les structurer, et des modèles de traitement du langage naturel pour analyser le sentiment.
Non. Toute entreprise qui veut suivre sa réputation, la satisfaction de ses clients ou les signaux de son marché peut utiliser la même approche.