Pr\'ediction continue de la satisfaction et de la frustration dans des conversations de centre d'appels (AlloSat : A New Call Center French Corpus for Affect Analysis)

Nous pr{\'e}sentons un nouveau corpus, nomm{\'e} AlloSat, compos{\'e} de conversations en fran{\c{c}}ais extraites de centre d{'}appels, annot{\'e}es de fa{\c{c}}on continue en frustration et satisfaction. Dans le contexte des centres d{'}appels, une conversation vise g{\'e}n{\'e}ralement {\`a} r{\'e}soudre la demande de l{'}appelant. Ce corpus a {\'e}t{\'e} mis en place afin de d{\'e}velopper de nouveaux syst{\`e}mes capables de mod{\'e}liser l{'}aspect continu de l{'}information s{\'e}mantique et para-linguistique au niveau conversationnel. Nous nous concentrons sur le niveau para-linguistique, plus pr{\'e}cis{\'e}ment sur l{'}expression des {\'e}motions. {\`A} notre connaissance, la plupart des corpus {\'e}motionnels contiennent des annotations en cat{\'e}gories discr{\`e}tes ou dans des dimensions continues telles que l{'}activation ou la valence. Nous supposons que ces dimensions ne sont pas suffisamment li{\'e}es {\`a} notre contexte. Pour r{\'e}soudre ce probl{\`e}me, nous proposons un corpus permettant une connaissance en temps r{\'e}el de l{'}axe frustration/satisfaction. AlloSat regroupe 303 conversations pour un total d{'}environ 37 heures d{'}audio, toutes enregistr{\'e}es dans des environnements r{\'e}els, collect{\'e}es par Allo-Media (une soci{\'e}t{\'e} sp{\'e}cialis{\'e}e dans l{'}analyse automatique d{'}appels). Les premi{\`e}res exp{\'e}riences de classification montrent que l{'}{\'e}volution de l{'}axe frustration/satisfaction peut {\^e}tre pr{\'e}dite automatiquement par conversation.