Formation L’analyse de contenu des études qualitatives

Modules distanciels :

• E-quiz en amont/aval de la formation.

Identifier et qualifier les différents types d’informations à traiter

• Selon les modalités de recueil : entretiens, focus groups, observations, communautés online.
• Selon les techniques de recueil : rationnel, projectif, analogique, créatif.
• Selon les types de discours à analyser : explicite, implicite, symbolique, non-verbal.
• Délimiter le profil de l’analyste : IH (Intelligence humaine) ou IA (intelligence artificielle) et préciser ce que l’IA peut reconnaître, extraire ou interpréter selon la nature du matériau.

Choisir une méthode d’analyse et structurer l’approche

• S’approprier les méthodes d’analyses : thématique, sémantique, symbolique.
• Décrypter le « non-dit » et les éléments latents : gestuelle, ton, contradictions.
• Comprendre les apports possibles de l’IA à ce stade. 
• Définir les limites de l’Intelligence Artificielle et ce qui relève de l’analyste : interprétation, hiérarchisation, analyse symbolique, prise en compte du contexte.
• Atelier pratique : analyser un guide d’entretien et repérer les éléments qui structurent une analyse.

Mettre en œuvre l’analyse et produire des enseignements clés

• Mettre à plat les données et réaliser l’analyse.
• Définir des catégories.
• Mettre en relation les idées et faire émerger les enseignements clés.
• Intégrer les critères d’identification de l’émetteur (profil, contexte, posture).
• Interpréter les résultats avec rigueur, intuition et validation croisée.
• Identifier l’apport de l’IA générative dans le pré-codage.
• Vérifier, corriger ou invalider les productions de l’IA.
• Atelier pratique : analyse de questions ouvertes / analyse d’entretiens semi-directifs.

Traiter et sécuriser l’information

• Identifier les risques : excès de rationalisation, hyper-projection, biais personnels, interprétation hâtive.
• Renforcer l’objectivité dans le traitement : développer à la fois intuition et rigueur méthodologique.
• Appliquer les garde-fous méthodologiques pour sécuriser l’analyse.
• Evaluer les risques liés à l’IA : situer où l’IA renforce l’analyse humaine sans la remplacer.
• Expérimenter des outils d’IA.
• Mettre en place un protocole d’analyse hybride (IA et analyste) : validation humaine systématique, confrontation, interprétation experte.
• Atelier pratique : analyse concrète d’un groupe qualitatif à partir d’une transcription.