Text mining
Le text mining transforme du texte non structuré en données structurées, pour en extraire concepts clés, tendances et relations cachées. Introduit par Feldman et al., c’est une spécialisation du data mining appliquée spécifiquement aux données textuelles — articles, emails, publications, comptes rendus — que les outils d’analyse classiques ne peuvent pas exploiter directement dans leur format brut.
Le processus se déroule en deux étapes : l’analyse, qui reconnaît mots, phrases, rôles grammaticaux et relations sémantiques ; puis l’interprétation, qui exploite cette structure pour classer, résumer ou détecter des tendances. Parmi les techniques mobilisées : la recherche d’information, la reconnaissance d’entités nommées (identifier automatiquement noms, lieux, dates dans un texte) et l’analyse des sentiments — sous-domaine du text mining centré sur les opinions plutôt que les faits.
En RH, le text mining structure l’exploitation de gros volumes de texte non structuré : extraction automatique de compétences et d’expériences depuis des CV en masse, analyse de tendances dans des commentaires d’enquête collaborateur, ou détection de sujets récurrents dans des comptes rendus d’entretien annuel — une tâche impossible à traiter manuellement au-delà de quelques dizaines de documents.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : IBM (10/11/2025), Wikipédia FR (22/02/2026).