Heureux, triste ou en colère ? L'IA peut détecter les émotions dans un texte selon une nouvelle recherche

L’intelligence artificielle (IA) a commencé à imprégner de nombreuses facettes de l’expérience humaine. L'IA n'est pas seulement un outil d'analyse de données : elle transforme notre façon de communiquer, de travailler et de vivre. De ChatGPT aux générateurs vidéo IA, les frontières entre la technologie et certaines parties de nos vies sont devenues de plus en plus floues.

Mais ces avancées technologiques permettent-elles à l’IA d’identifier nos sentiments en ligne ?

Dans notre recherche publiée dans le Revue internationale d'études de marchénous avons examiné si l'IA pouvait détecter les émotions humaines dans les publications sur X (anciennement Twitter).

Notre recherche s'est concentrée sur la façon dont les émotions exprimées dans les publications utilisées sur certaines organisations à but non lucratif peuvent influencer des actions telles que la décision de leur faire un don ultérieurement.

Utiliser les émotions pour susciter une réponse

Traditionnellement, les chercheurs s’appuient sur l’analyse des sentiments, qui classe les messages comme positifs, négatifs ou neutres. Bien que cette méthode soit simple et intuitive, elle présente des limites.

Les émotions humaines sont bien plus nuancées. Par exemple, la colère et la déception sont toutes deux des émotions négatives, mais elles peuvent provoquer des réactions très différentes. Dans un contexte commercial, les clients en colère peuvent réagir beaucoup plus fortement que les clients déçus.

Pour remédier à ces limites, nous avons appliqué un modèle d’IA capable de détecter des émotions spécifiques, telles que la joie, la colère, la tristesse et le dégoût, exprimées dans les tweets.

Nos recherches ont révélé que les émotions exprimées sur X pourraient servir de représentation des sentiments généraux du public à l'égard d'organisations à but non lucratif spécifiques. Ces sentiments ont eu un impact direct sur le comportement en matière de don.

Détecter les émotions

Nous avons utilisé le modèle « apprentissage par transfert par transformateur » pour détecter les émotions dans le texte. Pré-entraînés sur des ensembles de données massifs par des entreprises telles que Google et Facebook, les transformateurs sont des algorithmes d'IA très sophistiqués qui excellent dans la compréhension du langage naturel (langages qui se sont développés naturellement par opposition aux langages informatiques ou au code).

Nous avons affiné le modèle sur une combinaison de quatre ensembles de données sur les émotions autodéclarées (plus de 3,6 millions de phrases) et de sept autres ensembles de données (plus de 60 000 phrases). Cela nous a permis de recenser un large éventail d’émotions exprimées en ligne.

Par exemple, le modèle détecterait la joie comme l'émotion dominante lors de la lecture d'un message X tel que : « Commencer nos matinées à l'école est le meilleur ! Tout sourire à #but #kids. »

À l'inverse, le mannequin a évoqué sa tristesse dans un tweet disant : « Je sens que j'ai perdu une partie de moi-même. J'ai perdu maman il y a plus d'un mois, papa il y a 13 ans. Je suis perdue et j'ai peur. »

Le modèle a atteint une précision impressionnante de 84 % dans la détection des émotions contenues dans un texte, une réussite remarquable dans le domaine de l’IA.

Nous avons ensuite examiné les tweets concernant deux organisations basées en Nouvelle-Zélande : la Fondation Fred Hollows et l'Université d'Auckland. Nous avons constaté que les tweets exprimant la tristesse étaient plus susceptibles de générer des dons à la Fondation Fred Hollows, tandis que la colère était liée à une augmentation des dons à l'Université d'Auckland.

Questions éthiques à mesure que l’IA évolue

L'identification d'émotions spécifiques a des implications significatives pour des secteurs tels que le marketing, l'éducation et les soins de santé.

Être capable d'identifier les réactions émotionnelles des gens dans des contextes spécifiques en ligne peut aider les décideurs à répondre à leurs clients individuels ou à leur marché plus large. Chaque émotion spécifique exprimée dans les publications en ligne sur les réseaux sociaux nécessite une réaction différente de la part d'une entreprise ou d'une organisation.

Nos recherches ont démontré que différentes émotions conduisent à des résultats différents en matière de dons.

Connaître la tristesse dans les messages marketing peut augmenter les dons aux organisations à but non lucratif, ce qui permet de mener des campagnes plus efficaces et à forte résonance émotionnelle. La colère peut motiver les gens à agir en réponse à une injustice perçue.

Bien que le modèle d'apprentissage par transfert par transformateur excelle dans la détection des émotions dans le texte, la prochaine avancée majeure viendra de son intégration avec d'autres sources de données, telles que le ton de la voix ou les expressions faciales, pour créer un profil émotionnel plus complet.

Imaginez une IA qui comprend non seulement ce que vous écrivez, mais aussi ce que vous ressentez. De toute évidence, de telles avancées s’accompagnent de défis éthiques.

Si l’IA peut lire nos émotions, comment pouvons-nous garantir que cette capacité est utilisée de manière responsable ? Comment protégeons-nous la vie privée ? Ce sont des questions cruciales qui doivent être résolues à mesure que la technologie continue d’évoluer.