Reconnaissance d’états émotionnels à partir des interactions avec un smartphone : Conception des méthodes et outils pour le domaine de la relation client

Abstract

L’idée de cette thèse est née dans l’entité Orange Labs Service de l’entreprise de télécommunication Orange. L’objectif de ce projet de recherche est d’améliorer la qualité de la relation client de l’entreprise par une meilleure compréhension des émotions des clients.Les émotions sont essentielles à comprendre en situation de communication. En effet, elles sont indispensables pour s’adapter et identifier les intentions d’un interlocuteur. De plus, les smartphones représentent un nouveau moyen de communication privilégié pour dialoguer avec des conseillers clients ou des agents conversationnels (chatbot), notamment par l’intermédiaire de messageries instantanées textuelles. Cependant, ces moyens de communication coupent les interlocuteurs de nombreuses modalités pour exprimer leurs états émotionnels, tels que les expressions non verbales.L’objectif de cette thèse est donc d’explorer la possibilité de reconnaitre des émotions de manière automatique et non invasive. Dans un premier temps, nous avons étudié les théories existantes dans la science des émotions. Nous avons fondé notre cadre théorique, à partir de la théorie de l’évaluation cognitive et du modèle des processus-composant, afin d’identifier les composantes associées à l’expression d’états émotionnels. Dans un second temps, nous avons réalisé une revue de littérature des méthodes utilisées dans le domaine de l’informatique affective, pour concevoir des systèmes de reconnaissance automatiques d’émotions.À l’issue de ces recherches, nous avons fait le choix de mesurer la composante de l’expression motrice des états émotionnels à partir des capteurs inertiels (accéléromètre et gyroscope) et des interactions avec le clavier du smartphone. L’apport de cette thèse concerne, notamment, la conception et le développement d’outils pour réaliser des expérimentations sur smartphone et pour enregistrer les données nécessaires. Une application d’expérimentation a ainsi été développée, sous un format de messagerie instantanée, pour induire des émotions chez les utilisateurs et enregistrer les données nécessaires.Plusieurs méthodologies d’induction d’émotions ont été testées en laboratoire, afin de recueillir des données comportementales à partir des capteurs de smartphones. Les données ont été labellisées à partir des auto-évaluations des participants. À la suite du traitement des signaux temporels, nous avons généré un corpus de données utilisables pour de l’apprentissage automatique. Ce corpus a permis d’entraîner et d’évaluer des modèles de classification supervisée par apprentissage automatique. Des modèles de classification inter-personnels et intra-personnels ont été créés pour classifier des niveaux de valence déclarés par les sujets des expérimentations. Les résultats montrent une forte variabilité de performance de classification en fonction des participants.