Le post-codage aussi appelé post-codification, codification a posteriori ou encore recodage, consiste à regrouper dans des catégories, les plus homogènes possibles, les réponses données à une question ouverte.
L’analyse des questions ouvertes et des verbatims représente un défi majeur dès que les volumes textuels sont conséquents. Les méthodes traditionnelles sont dépassées, les outils de text mining supplantés par l’IA générative qui permet aux entreprises de tirer pleinement parti des données riches fournies par leurs clients ou employés.
Historiquement, les créateurs d’enquêtes utilisaient la post-codification, une méthode manuelle et laborieuse pour exploiter statistiquement les réponses aux questions ouvertes. Des solutions automatiques de text mining sont apparues dans les années 2000 et ont joué un rôle crucial dans l’analyse des verbatims.
Dans les études, enquêtes et sondages, les questions ouvertes permettent de recueillir des avis de façon détaillée. Les réponses obtenues sont souvent riches d’enseignements, pour une grande variété d’usages. Dans cet article, un tour d’horizon de leurs principales utilisations.
Les questions ouvertes, en permettant de recueillir les avis des répondants de façon détaillée, peuvent être très utiles dans les questionnaires. Elles ont beaucoup d’avantages mais aussi (hélas!) quelques inconvénients que les concepteurs d’enquêtes et sondages doivent connaître.
Dans les questions d’un sondage, dans quels cas utiliser l’option « Autre » suivie de la zone de saisie « à préciser » ? C’est une ouverture intéressante quand la liste des réponses proposées ne permet pas de couvrir tous les cas de figure. Mais une codification a posteriori devient nécessaire.
Le tri à plat, qui donne la répartition des réponses question par question, est le premier traitement statistique effectué : il permet d’avoir une première idée des résultats et constitue naturellement la base des rapports d’enquête.