> ## Documentation Index > Fetch the complete documentation index at: https://docs.qwairy.co/llms.txt > Use this file to discover all available pages before exploring further. # Comment le sentiment de l’IA a-t-il évolué après une crise médiatique ou un lancement de produit ? > Comparez des cohortes de réponses stables avant et après l’événement, puis rapportez les évolutions de sentiment observées sans les attribuer à l’événement. ## Réponse directe Fixez la date de l’événement, figez une cohorte pertinente de prompts et de fournisseurs, et comparez les répartitions de sentiment avant et après. Lisez les réponses sous-jacentes et présentez l’évolution comme une association dans le temps. La comparaison seule ne peut pas montrer que la crise ou le lancement en est la cause. ## Données nécessaires Il vous faut l’événement daté, des prompts configurés inchangés, les Topics ou Tags, les fournisseurs et modèles, des périodes comparables avant et après l’événement, les réponses enregistrées, les classements de sentiment, les mentions SELF/DIRECT et les URL citées. ## Méthode Notez la date de l’événement et choisissez des périodes avant et après qui utilisent la même configuration de suivi. Vérifiez les prompts, Topics, fournisseurs, modèles, zones géographiques et la couverture des exécutions. Notez tout changement de configuration ou de modèle. Comparez les répartitions de sentiment avec le nombre de réponses, puis lisez des réponses représentatives des deux périodes. Notez les annonces simultanées, les mises à jour de sources, les événements chez les concurrents, les changements de prompts et les petits échantillons. ## Interprétation Un écart entre périodes est une évolution observée dans les réponses enregistrées sélectionnées. Il peut être associé à l’événement, mais n’établit pas de causalité. Présentez ensemble volumes, parts, filtres et exemples ; ne qualifiez pas un pourcentage de bon ou de mauvais sans référence métier explicite. ## Actions possibles * Si un problème factuel vérifié apparaît après l’événement, testez une clarification de référence et gardez la cohorte de comparaison d’origine. * Si l’évolution ne concerne qu’un fournisseur ou un prompt, étudiez ce segment avant de prendre une décision de réputation plus large. * Si les réponses sont peu nombreuses, prolongez l’observation ou ne combinez que des exécutions réellement comparables. ## Limites Les modèles des fournisseurs, leur façon de rechercher l’information, les sources et la configuration du suivi peuvent changer d’une période à l’autre. La classification du sentiment peut manquer des nuances. Un retour vers la répartition antérieure ne prouve pas que la communication ou le contenu a provoqué l’évolution. ## Pages associées Exportez des cohortes comparables avant et après l’événement. Construisez un rapport chronologique des réponses. Partagez une vue filtrée du produit. Appliquez la même rigueur de cohorte aux indicateurs de visibilité. Traitez les divergences factuelles vérifiées. Repérez les Topics à l’origine de l’évolution observée. Lisez les réponses sous-jacentes. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.