Bizerte, le 8 Decembre 2022,

Lettre approbation
Monsieur le Président de la commission du Mastère professionnel en Data Science,
L’étudiant, Mohamed Vall, inscrit en deuxième année du Mastère Professionnel en Data Science,
travaille sur le sujet intitulé :
Détection bimodale d’émotions
L’omniprésence de différentes sources d’information dans notre vie quotidienne ouvre de
nouvelles perspectives à la reconnaissance d’émotions, notamment dans des domaines tels que,
l’e-health, le e- learning, la robotique et le e-commerce.
La reconnaissance des émotions est une composante principale de l’informatique
affective, dont le but est de favoriser l’interaction émotionnelle et comportementale entre un
humain et une machine. Cette approche permet de détecter automatiquement les émotions des
utilisateurs à partir des différentes modalités tel que l’image, l’audio, le texte et les signaux
physiologiques. L’utilisation de deux modalités à la fois assure une reconnaissance plus exacte.
La problématique considérée dans ce sujet consiste à analyser les informations issues des textes
et des fichiers audios dans le but de reconnaître l’émotion de l’utilisateur en se basant sur
l’extraction et la fusion des caractéristiques des deux modalités.

Etat de lieu et démarche

Pour réaliser ce projet, l’étudiant a, en premier lieu, exposé d’une manière assez détaillée
les l’informatique affective, la notion de détection automatique d’émotions et les principales
méthodes de détection. L'état de l'art que l’étudiant a dressé dans ce domaine permet de
ressortir deux aspects fondamentaux. D’une part, l’importance de ce domaine. D’autre part,
si deux ou plusieurs modalités dont utilisé nous pouvons avoir des meilleurs résultats.
Dans un deuxième temps, l’étudiant a présenté une méthode de détection d’émotions
bimodale : d’abord, une phase de prétraitement a été mise en œuvre, cette phase vise à
extraire les caractéristiques d’audio, la conversion du signal analogique en numérique, la
préaccentuation et le fenêtrage et la création des modèles de classification audio.

Dans la deuxième phase, l’étudiant a commencé par l’analyse préparatoire des données
textuelles. Puis, le pré-traitement des données, la division des données en entraînement et
test et la création de modèles de classification.
La dernière phase, consiste à combiner les deux modalités en utilisant
………………………….

Pour tester la performance de la méthode implémentée, l’étudiant a développé une

application web qui permet de détecter l’émotion de l’utilisateur à partir du texte, audio ou
des deux modalités ensemble. Pour se faire, l’utilisateur peut saisir un texte pour la
modalité textuelle et joindre un fichier audio pour la modalité audio.

Le taux de reconnaissance atteint %. Ces résultats sont encourageants et montrent

l'efficacité de l'algorithme proposé.
Ainsi, l’étudiante vient à terme de ce travail. Je vous prie, en conséquence, de bien vouloir
l’autoriser à soutenir son mémoire de Mastère.