Baro Satis Image Sociologiciels

721 vues

Publié le

Publié dans : Formation
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
721
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
7
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Baro Satis Image Sociologiciels

  1. 1. «l’intelligence des données» Baromètres de Satisfaction / Image -Ce à quoi on doit être attentif - Ce qui est en train de changer SEMO 2008 1 SOCIO Logiciels ©2008
  2. 2. «l’intelligence des données» Ce que nous allons voir Ce qui est en train de changer Rappel des fondamentaux sur les enquêtes de satisfaction / Image Ce à quoi vous devez être attentifs dans le cadre du : Changement de périmètre Changement du mode de recueil Changement d’échelles Modélisation 2 SOCIO Logiciels ©2008
  3. 3. Ce qui est en train de changer «l’intelligence des données» Le développement des études on line Le développement des études téléphoniques en Outsourcing Le développement des études internationales Le développement des actions stratégiques et opérationnelles Baisse significative des études postales 3 SOCIO Logiciels ©2008
  4. 4. Rappel des fondamentaux «l’intelligence des données» « Ce qu’on ne peut pas mesurer, on ne peut pas le gérer » Priorité d’Amélioration (PRIAM) Mesurer la satisfaction ou l’image, c’est : Suivre constamment la satisfaction des clients ou l’image Identifier et résoudre très vite, tous problèmes nés d’évènements spécifiques Réévaluer les attentes clients Identifier la performance dans l’esprit des clients Déterminer et mettre en œuvre les axes de progrès Sans oublier … 4 SOCIO Logiciels ©2008
  5. 5. Rappel des fondamentaux «l’intelligence des données» QUI INTERROGE-T-ON ? COMBIEN ? COMMENT ? AVEC QUELLE PERIODICITE ? AVEC QUEL(S) MODE(S) DE RECUEIL ? AVEC QUELLES QUESTIONS ? ET QUELS LIVRABLES ? Et surtout… POUR QUOI FAIRE ???... 5 SOCIO Logiciels ©2008
  6. 6. «l’intelligence des données» QUI ? (ou unité de sondage) B2C L’acheteur primaire ou le renouvelant ? Le chef de famille ou le RDA ? Le conducteur principal d’une automobile ou l’acheteur, voire le(s) décideur(s) ? Le résident d’une zone primaire, secondaire ou de bascule ? ... B2B Le responsable des achats ou le responsable informatique ? Le DGA ou l’Assistante Commerciale ? Le siège ou l’établissement ? Le chef de parc ou le DAF ou les utilisateurs 6 SOCIO Logiciels ©2008
  7. 7. «l’intelligence des données» QUI ? (ou unité de sondage) Le chercheur doit déterminer, en fonction de son champ d’interrogation, non seulement l’information dont il a besoin, mais également l’identité de celui qui la détient : UNE ERREUR A CE NIVEAU BIAISE LES RESULTATS ET LES ANALYSES 7 SOCIO Logiciels ©2008
  8. 8. «l’intelligence des données» Combien (ou taille de l’échantillon) La précision statistique d’un sondage est plus liée à la taille absolue de l’échantillon, qu’au rapport entre la taille de l’échantillon et celle de la population (taux de sondage) La précision des estimations ne varie pas proportionnellement à la taille de l’échantillon, mais à la racine carrée de celle-ci Variations de la précision des estimations 100 90 80 70 60 Y=X 50 Y Y=racine de X 40 30 20 10 0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 X 8 SOCIO Logiciels ©2008
  9. 9. «l’intelligence des données» Combien (ou taille de l’échantillon) Dans des études de Satisfaction / Image, par expérience, il ne faut pas descendre en deçà d’une taille d’échantillon Un exemple dans un réseau conséquent : 10-40 interviews par mois au niveau rayon/atelier/agence/... Analyse sur n mois glissant => suivi et primes annuels 300-500 interviews par mois au niveau magasin/concession/région/… Analyse mensuelle => suivi et incentives Pour une cible particulière B2C, au moins 80 individus pour avoir une lecture pérenne dans l’instant, 200 pour une lecture rassurée dans le temps. In fine ces études d’image ou de satisfaction dans un pays s’échelonnent entre 500 et 80.000 En B2B, les tailles d’échantillon sont beaucoup plus modestes, population mère limitée 9 SOCIO Logiciels ©2008
  10. 10. «l’intelligence des données» COMMENT ? 2 Méthodes principales : 1. Les méthodes aléatoires ou probabilistes (essentiellement fichiers) 2. Les méthodes non probabilistes ou empiriques (essentiellement méthode des quotas) L’image se fait par quotas et la satisfaction généralement en aléatoire 10 SOCIO Logiciels ©2008
  11. 11. «l’intelligence des données» Avec quelle périodicité ? L’expérience montre une étendue de temps qui varie selon les secteurs ou produits : Du mensuel à l’annuel pour les enquêtes de satisfaction D’une fois par an à toutes les n années pour l’image sans oublier les études au fil de l’eau .... 11 SOCIO Logiciels ©2008
  12. 12. «l’intelligence des données» Avec quel mode de recueil ? Tous sont légitimes… en fonction du type d’études B2C, B2B, Interne, … • CAPI • CAWI • CATI • Auto-administré papier En optimisant bien sûr le mode d’administration où vous aurez le maximum de chance de toucher votre cible … 12 SOCIO Logiciels ©2008
  13. 13. «l’intelligence des données» Avec quelles questions ? 5 postulats : Comment vais-je les utiliser ? Qu’elles soient compréhensibles par tous (test : se mettre à la place de l’interviewé) Passer suffisamment de temps dans l’organisation du questionnaire et la formulation des variables Pas d’usine à gaz Faire preuve de bon sens Et, à minima….. 13 SOCIO Logiciels ©2008
  14. 14. «l’intelligence des données» Avec quelles questions ? Un quali avant … si l’outil de mesure n’existe pas, ou pour trouver d’autres axes de recherche Un questionnement simple, par thème, puis globalisation Le choix en fruits et légumes Le prix des fruits et légumes La qualité des fruits et légumes L’attente à la pesée Appréciation globale des fruits et légumes 14 SOCIO Logiciels ©2008
  15. 15. Un questionnaire … «l’intelligence des données» 15 Socio Logiciels ©2008
  16. 16. Le recueil de la satisfaction «l’intelligence des données» Les échelles de recueil Echelles numériques : 0 – 10 1 – 10 Echelle sémantique Lickert Centré Décentré Encore « Très, Assez, Peu ou Pas du tout satisfait » Des notes (1 à 10 / 0 à 10) : attention à la sensibilité et à la notation entre différents pays (ajustement et pondération) Idéalement, des échelles sémantiques décentrées (bien pour l’international) Extrêmement satisfait Très satisfait Assez satisfait Peu satisfait Pas du tout satisfait 16 Socio Logiciels ©2008
  17. 17. Le recueil de la satisfaction «l’intelligence des données» Les échelles de recueil mixtes: à la fois numériques et leur traduction sémantique Très satisfait Plutôt satisfait Ni satisfait Ni insatisfait Plutôt insatisfait Très insatisfait 10 9 8 7 6 5 4 3 2 1 Cette échelle respecte l’ordre décroissant de l’échelle sémantique utilisée dans le questionnaire et facilite les réponses des individus. Les études sur le sujet de la satisfaction montrent toutes : La nécessité d’utiliser des échelles décroissantes, du positif au négatif L’importance de faciliter le travail de l’interviewé dans sa tâche d’estimation : plus l’échelle est étendue, plus le travail de notation est difficile 17 Socio Logiciels ©2008
  18. 18. Exemple : EDF «l’intelligence des données» Enquête réalisée par téléphone sur un échantillon représentatif des clients d’EDF. L’analyse sur les 93436 réponses : (47 questions de satisfaction de 1 à 10 * 1988 interviewés) confirme : Les notes 5, 8 et 10 sont beaucoup plus utilisées que les autres : (59% de l’ensemble des réponses) On a pu identifier des types d’individus selon leur seuil cognitif aux profils socio-démo bien définis : Les «10 purs» (13,4%) Les «Normaux» (26%) : amplitude de l’échelle bien utilisée Les «Mono pic» (22.1%) : échelon de référence et modulation du jugement autour de ce référentiel Les «Plurimodaux» (33.3%) : Simplification de l’échelle en quelques ancrages forts (1,5,8 et 10) et éventuelle modulation autour de ces pivots. Les «5» : (5%) 18 Socio Logiciels ©2008
  19. 19. Le recueil de la satisfaction «l’intelligence des données» La satisfaction globale est recueillie en fin d’interview Même échelle de recueil Globalement, compte tenu de tous les thèmes que nous avons abordés, diriez-vous que vous êtes extrêmement, très, plutôt, peu ou pas du tout satisfait de votre … La fidélité Au cours des 12 derniers mois, avez-vous envisagé de quitter votre … Si vous deviez changer … : Même produit Autre produit même marque Autre marque Abandon Si vous aviez 10 points à répartir entre les 3 marques, …, combien en donneriez-vous à X ? Y ? Z 19 Socio Logiciels ©2008
  20. 20. Le recueil de la satisfaction «l’intelligence des données» La recommandation Avez-vous déjà recommandé votre …, à quelqu'un de votre entourage, à l'exception de vos enfants ? Et recommanderiez-vous votre … à quelqu'un de votre entourage, à l'exception de vos enfants ? Création d’un KPI 20 Socio Logiciels ©2008
  21. 21. Base : Ensemble Secteur : alimentaire 1 Quartile 1 : 44.1 «l’intelligence des données» Quartile 2 : 50.3 Médiane 37 engagement (Base Quartile 3 : 55.3 CHARAL ensemble) (63.4) Quartile 4 : 61.1 35 RANA 33 SODEBO BARILLA BIGARD Médiane surprise HERTA (Base ensemble) LE GAULOIS 31 MADRANGE (28.4) PANZANI COEUR DE LION LUSTUCRU FLEURY MICHON PRESIDENT 29 PERE DODU Surprise WILLIAM SAURIN RUSTIQUE BONDUELLE D'AUCY 27 SAUPIQUET AOSTE PETIT NAVIRE 25 23 21 45 50 55 60 65 70 Mobilisation Médiane mobilisation (Base ensemble) 50.3 Engagement Page 1 21 Socio Logiciels ©2008
  22. 22. # «l’intelligence des données» C1. Niveau de satisfaction générale à l'égard de la marque représentée - 5 grands France Allemagne Angleterre Italie Espagne Marques 2005 2006 Marques 2005 2006 Marques 2005 2006 Marques 2005 2006 Marques 2005 2006 Toyota 7.4 7.7 Toyota 7.0 7.1 BMW 8.2 7.8 Toyota 7.7 7.8 Audi 7.7 8.0 Audi 7.0 7.5 Opel 6.2 7.0 Audi 7.7 7.7 Ford 7.7 7.6 3 premiers 7.7 7.8 3 premiers 7.4 7.5 3 premiers 7.0 6.9 3 premiers 8.0 7.7 3 premiers 7.7 7.6 BMW 7.7 7.8 BMW 7.7 7.3 Volvo 7.0 6.6 Toyota 8.1 7.6 Audi 7.0 7.3 Toyota 7.7 Mercedes 6.7 7.0 Peugeot 6.4 6.6 Land Rover 7.4 7.5 Mazda 7.6 7.1 Hyundai 7.6 Citroën 6.7 7.0 Skoda 6.3 6.5 Skoda 7.2 7.4 BMW 7.6 7.1 Mercedes 7.4 7.5 Volkswagen 5.9 6.8 BMW 6.5 6.3 Honda 7.2 Chevrolet 7.1 7.1 Skoda 7.3 7.3 Peugeot 6.2 6.6 Ford 6.1 6.3 Vauxhall 7.0 7.1 Opel 7.1 7.1 Volkswagen 7.0 7.2 Marché 6.3 6.6 Audi 6.0 6.2 Mercedes 6.0 7.0 Marché 6.5 6.4 Chevrolet 7.4 7.2 Nissan 6.2 6.3 Marché 5.9 6.1 Volkswagen 6.3 7.0 Seat 5.0 6.4 Peugeot 7.4 6.8 Renault 6.1 6.3 Citroën 4.9 5.9 Mazda 7.6 6.8 Alfa Roméo 5.6 6.3 Opel 7.0 6.8 Ford 6.4 6.3 Mercedes 6.9 5.8 Marché 6.6 6.7 Citroën 6.2 6.2 Marché 7.0 6.6 Seat 5.7 6.2 Volkswagen 5.2 5.7 Hyundai 6.7 Fiat 6.1 6.1 Citroën 6.3 6.6 Fiat 5.4 5.7 Seat 5.9 5.5 Volvo 6.3 6.5 Peugeot 6.6 6.1 Renault 7.5 6.2 Opel 6.1 5.3 Mazda 5.3 5.4 Nissan 6.6 6.5 Mercedes 5.4 6.0 Seat 6.7 6.1 Fiat 5.0 5.3 Peugeot 5.5 6.5 Lancia 6.0 5.9 Fiat 6.4 6.0 Marques non cibles 2006 Renault 5.5 5.2 Jaguar 7.2 6.4 Nissan 5.9 5.8 Ford 6.5 5.9 Volvo 7.4 7.4 Nissan 4.0 4.1 Seat 6.7 6.3 Volkswagen 5.9 5.7 Nissan 5.8 4.6 Skoda 6.7 7.3 Fiat 5.9 6.2 Renault 5.9 5.2 Mazda 7.7 7.3 Marques non cibles 2006 Renault 6.7 6.1 Marques non cibles 2006 Land Rover 6.5 7.3 Jaguar 5.8 7.0 Ford 6.5 5.9 Marques non cibles 2006 Volvo 8.6 7.6 Chrysler 6.0 6.8 Land Rover 6.0 6.6 Citroën 5.2 5.3 Land Rover 7.2 7.7 Chrysler 7.2 7.1 Chevrolet 6.7 6.8 Chevrolet 6.5 6.6 Volvo 7.2 6.8 Jaguar 7.6 7.0 Jaguar 6.2 6.5 Saab 5.2 5.8 Marques non cibles 2006 Jaguar 8.3 6.6 Land Rover 7.0 6.8 Saab 5.4 Chrysler 5.1 5.0 Chevrolet 7.0 6.9 Chrysler 6.6 6.5 Mazda 7.0 6.6 Chrysler 6.6 6.8 Saab 6.3 Saab 6.4 Saab 6.0 5.9 Skoda 6.3 6.0 Les 3 leaders sur la satisfaction générale Amélioration significative // année précédente Dégradation significative // année précédente Non significativement inférieur à la moyenne des 3 premiers Significativement inférieur à la moyenne des 3 premiers et Non significativement inférieur à la moyenne du marché Significativement inférieur à la moyenne du marché 22 Socio Logiciels ©2008
  23. 23. Pour quoi faire ? «l’intelligence des données» Ces baromètres de satisfaction ou d’image sur des produits ou services doivent permettre aujourd’hui des analyses de plus en plus fines, aussi bien en terme stratégique (identification des facteurs les plus importants) qu’opérationnels (axes de progrès pour améliorer la performance). Dans tous les cas, l’objectif central est d’optimiser les actions marketing (enseigne, produits, services …) et de plus en plus des performances au regard d’objectifs définis. Selon les secteurs d’activité, l’objectif secondaire se décline sur le fait d’être bon sur toutes les composantes, ou, plus souvent, d’être bon et de le rester dans tels ou tels domaines prioritaires pour l’annonceur. 23 Socio Logiciels ©2008
  24. 24. Changement de périmètre «l’intelligence des données» Le fait de passer d’une étude nationale à une étude internationale…G5, par exemple, peut ne pas être neutre dans la mesure de la satisfaction/image Le système de référence sur des échelles numériques n’est pas le même selon le pays (souvent lié à des pratiques scolaires) Solution: Echelle sémantique décentré en 5 points ou échelles mixtes plus difficile par téléphone … Très satisfait Plutôt satisfait Ni satisfait Ni insatisfait Plutôt insatisfait Très insatisfait 10 9 8 7 6 5 4 3 2 1 Le modèle de Rasch permet de savoir si tous les pays ont compris l’échelle utilisée Attention aux traductions … 24 Socio Logiciels ©2008
  25. 25. Changement de périmètre «l’intelligence des données» Global France Germany Italy Spain Britain Austria Switzerland Portugal Russia Global 1.0000 0.9946 0.9963 0.9794 0.9931 0.9956 0.9965 0.9949 0.9970 0.9936 France 0.9946 1.0000 0.9864 0.9628 0.9960 0.9955 0.9877 0.9868 0.9907 0.9924 Germany 0.9963 0.9864 1.0000 0.9698 0.9881 0.9890 0.9956 0.9888 0.9949 0.9902 Italy 0.9794 0.9628 0.9698 1.0000 0.9558 0.9684 0.9762 0.9862 0.9715 0.9615 Spain 0.9931 0.9960 0.9881 0.9558 1.0000 0.9932 0.9893 0.9832 0.9905 0.9948 Britain 0.9956 0.9955 0.9890 0.9684 0.9932 1.0000 0.9878 0.9890 0.9950 0.9874 Austria 0.9965 0.9877 0.9956 0.9762 0.9893 0.9878 1.0000 0.9914 0.9911 0.9922 witzerland 0.9949 0.9868 0.9888 0.9862 0.9832 0.9890 0.9914 1.0000 0.9916 0.9827 Portugal 0.9970 0.9907 0.9949 0.9715 0.9905 0.9950 0.9911 0.9916 1.0000 0.9890 Russia 0.9936 0.9924 0.9902 0.9615 0.9948 0.9874 0.9922 0.9827 0.9890 1.0000 Le coefficient d’Escouffier – corrélation entre tableaux- montre des cohérences fortes entres les réponses aux batteries d’items 25 Socio Logiciels ©2008
  26. 26. Changement de périmètre «l’intelligence des données» 0.4 0.3 0.2 Germany Austria 0.1 Spain 0 -0.5 -0.3 -0.1 0.1 0.3 0.5 -0.1 Portugal France Italy Switzerland -0.2 Le positionnement des pays selon leurs réponses aux batteries d’items, adaptable aux vagues 26 Socio Logiciels ©2008
  27. 27. Changement d’Instituts «l’intelligence des données» Changer d’institut si on a le même mode de recueil, le même questionnaire en fonction du type de variables (objectifs ou subjectifs) les différences, sur une échelle numérique, peuvent se situer entre +/- 0.5 sur une moyenne de 1 à 10, et sur une distribution à +/- 5% : des différences souvent significatives Les enquêteurs ne sont pas les mêmes, les techniques de formation ne sont pas les mêmes, les briefing non plus…l’animation des Access Panel diffèrent… Ce qui ne veut pas dire que l’institut A est plus mauvais ou meilleur que B !... 27 Socio Logiciels ©2008
  28. 28. Changement du mode de recueil «l’intelligence des données» Dans le cadre d’un baromètre : 1. Passage du papier auto-administré au on line 2. Passage du téléphone au on line 3. Combinaison du papier auto-administré et du on line Les conséquences 1. Souvent modification du taux de sans réponse [=> imputation de la SR sur la vague papier] , filtres automatiques 2. Changements importants, lissage souhaité, période transitoire 3. L’individu répond selon son mode préféré, peu de différence [=> on répond mieux dans son mode préféré] 28 Socio Logiciels ©2008
  29. 29. Changements d’échelles «l’intelligence des données» 1. D’une échelle étendue vers une échelle réduite L’effet Guttman – nuage de points paraboliques – permet d’affecter à une échelle réduite des valeurs observés dans une autre échelle Discrétisation par quantile, par K-Means 2. D’une échelle réduite vers une échelle étendue A partir d’analyses factorielles faites sur les individus de la vague on projette les individus de la vague 1, on étend la V1 29 Socio Logiciels ©2008
  30. 30. La monotonie «l’intelligence des données» Dans les études d’image auto-administrées des individus peuvent être tentés de donner la même réponse à tous les items ou à une grande partie Ils créent alors de la corrélation là où elle ne devrait pas exister Le repérage peut se faire par simple comptage ou par analyse factorielle 30 Socio Logiciels ©2008
  31. 31. Les Outliers «l’intelligence des données» Les « outliers » sont des individus aberrants ou atypiques par rapport à la quasi unanimité de la population. Cette différentiation peut provenir d’une mauvaise compréhension du questionnaire ou d’une singularité manifeste. Si elle est parfaitement valide sociologiquement – les tris classiques se font sur l’ensemble de la population - elle invalide la modélisation statistique. Il convient donc préalablement à des calculs d’impacts, de repérer ces individus et de les mettre provisoirement de côté. Le repérage se fait après une phase de normalisation par ACP et calcul des distances de Mahalanobis. En appliquant cette technique, on met en général de côté entre 6 et 7 % de l’effectif initial. Cette mise à l’écart est validée par la comparaison de cet échantillon par rapport à l’échantillon initial si elle n’a pas montré la présence de biais significatifs. 31 Socio Logiciels ©2008
  32. 32. Modélisation «l’intelligence des données» L’impact des items dans le cadre d’études de satisfaction ou d’image L’impact vise à déterminer, à partir des notes de satisfaction d’items, leur importance relative. Le calcul peut se faire en une seule fois ou en cascade : on calcule l’importance des items dans chaque thème ou dimension, puis l’importance des thèmes. Ce mode en cascade nécessite de poser la question de satisfaction globale de la dimension. 32 Socio Logiciels ©2008
  33. 33. L’impact «l’intelligence des données» Les variables à expliquer peuvent être considérées sous forme de moyenne (on quantifie ce qui constitue la satisfaction moyenne) ou de variable binaire, satisfait ou non (on quantifie ce qui fait passer de l’état d’état de satisfait à celui d’insatisfait – ou inversement) Une technique explicative, l’autre plus stratégique D’une manière générale, plus les items sont indépendants, plus le calcul de l’impact est facilité. Très souvent, les items sont assez liés et il convient d’utiliser des techniques de calculs d’impact qui tiennent compte des liens – corrélations – existants. 33 Socio Logiciels ©2008
  34. 34. Le poids des dimensions «l’intelligence des données» Nous conseillons la mise en œuvre de méthodes de mesure d'impact non linéaires car le coefficient de corrélation ne mesure que la présence d’un lien linéaire entre deux variables : si le lien existe et est très fort, s’il n’est pas linéaire, il est nul : CC = 0 CC = 1 Y Y 4 4 3 3 2 2 1 1 0 0 0 1 2 3 4 X 0 1 2 3 4 X Lien linéaire, le coefficient vaut 1 Lien non linéaire, le coefficient est nul 34 Socio Logiciels ©2008
  35. 35. Le poids des dimensions «l’intelligence des données» Il est maintenant admis que la progression de la satisfaction se fait par sauts – effets de seuil - avec un palier infranchissable : au-delà d’un certain seuil, les améliorations de points spécifiques n’impactent plus sur la satisfaction globale. Cette progression est bien en phase avec les méthodes non linéaires : Régressions logistiques, réseaux bayésiens peuvent donner des résultats des résultats stables et solides. 35 Socio Logiciels ©2008
  36. 36. Le poids des dimensions «l’intelligence des données» Le réseau de neurones présente l’avantage de mesurer les liaisons entre les dimensions et d’en indiquer le sens : l’accueil impacte sur la relation conseiller 36 Socio Logiciels ©2008
  37. 37. L’importance des items «l’intelligence des données» Les réseaux ou régressions logistiques permettent de déterminer les impacts positifs et négatifs des items sur une dimension. Ces modèles asymétriques permettent donc d’évaluer la satisfaction et d’établir l’importance des attributs du service, de hiérarchiser ces attributs et d’établir les priorités. 37 Socio Logiciels ©2008
  38. 38. Les modèles élaborés «l’intelligence des données» Les équations structurelles permettent de conforter une structuration supposée de l’image ou de la satisfaction et d’en quantifier les dimensions Avant achat •Intention de réachat •Attentes générales de qualité •Elasticité prix à la hausse •Adaptation du produit •Fiabilité Rapport qualité prix •Eventuelles Post achat réclamations •Attentes générales de qualité •Adaptation du produit •Fiabilité Le questionnement ECSI 38 Socio Logiciels ©2008
  39. 39. Conclusions «l’intelligence des données» La satisfaction/L’image et sa mesure vivent un cycle qui les amène à une maturité avancée sur le marché Pour réactiver la satisfaction ou l’image et la faire « changer » il faut croître en expertise : Plan de sondage Mode de recueil Mise au point de nouvelles dimensions (attachement, implication…) Significativité des évolutions Modélisation Etre le conseil de nos clients sur ces domaines c’est le but de SOCIO Merci 39 Socio Logiciels ©2008

×