Apprentissage profond pour la détection des émotions
Apprentissage profond pour la détection des émotions
Apprentissage profond pour la détection des émotions
Apprentissage profond pour la détection des émotions
Publicité

En thèse CIFRE convention industrielle, Caroline Etienne est doctorante de l'université Paris-Saclay. Son laboratoire de rattachement est le LIMSI-CNRS et son entreprise est DREAMQUARK, une start-up de logiciel deep-learning pour les banques et les assurances.

La détection des émotions de l'être humain par le robot est un enjeu industriel important. En effet, si un robot de service comprend mieux un état émotionnel et est capable d'adapter son activité en fonction, sa présence et son rôle de divertissement ou de veille médicale seront d'autant plus acceptés par les clients. D'autres applications technologiques existent également. Par exemple, étudier la satisfaction de la clientèle contactée par les centres d'appel. Ces entreprises sont très nombreuses en France. Dans leur stratégie de développement, l'aspect de la détection des émotions, au cours d'un appel téléphonique au client, a toute sa place.

Les progrès récents en intelligence artificielle pour la reconnaissance de la parole étant importants, le but de la thèse de Caroline est d'améliorer la reconnaissance automatique des émotions dans le langage parlé à l'aide de l'apprentissage profond (deep-learning) en testant les technologies les plus abouties.

Publicité