BERT multilingue « sentiment »
nlptown/bert-base-multilingual-uncased-sentimentNote de 1 à 5 étoiles d'un avis client, en six langues dont le français.
Modèles publics de classification de texte pour l’analyse de sentiment : langues déclarées, licence, taille et compatibilité.
Actualiser et affiner la rechercheNote de 1 à 5 étoiles d'un avis client, en six langues dont le français.
Modèles cités parce qu’ils sont établis et publiés en accès public, pas parce qu’ils conviennent à tous : la licence, la taille et la compatibilité de chacun sont lues en direct sur sa fiche. Liste vérifiée le 06/11/2026.
Résultat de la recherche publique sur le Hugging Face Hub (tâche text-classification, mot-clé « sentiment »), modèles les plus utilisés d’abord : 10 modèles retenus sur 50 examinés. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables. Les modèles sont classés par le score explicable de ModelFinder ; aucun n’est choisi à la main ni recommandé sans essai.
Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mot(s) cherché(s) dans le nom, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →L’analyse de sentiment classe un texte (avis, commentaire, message) selon l’opinion exprimée. Les modèles diffèrent par leurs étiquettes : positif et négatif, ou une échelle de notes.
Ce guide est un contenu éditorial de BNTIC News. Il ne remplace ni un essai, ni la lecture de la fiche et de la licence du modèle retenu.
L’analyse de sentiment classe un texte (avis, commentaire, message) selon l’opinion exprimée. Les modèles diffèrent par leurs étiquettes : positif et négatif, ou une échelle de notes. Points à vérifier : étiquettes produites ; langue et registre ; domaine ; licence.
Interpréter l’ironie et le sarcasme : ces modèles s’y trompent souvent. Ne pas tester sur vos propres données : seules des données représentatives de votre usage disent si le modèle convient.
Points de départ retenus par la rédaction de BNTIC, vérifiés sur Hugging Face le 06/11/2026 : BERT multilingue « sentiment » (nlptown/bert-base-multilingual-uncased-sentiment) : note de 1 à 5 étoiles d'un avis client, en six langues dont le français. La licence, la taille et la mémoire nécessaire de chacun sont lues en direct sur sa fiche.
Au 4 novembre 2026, la recherche publique de ModelFinder retient notamment : Bencode92/tradepulse-finbert-sentiment, soleimanian/financial-roberta-large-sentiment, bardsai/finance-sentiment-zh-base, cardiffnlp/twitter-roberta-base-sentiment-latest, nlptown/bert-base-multilingual-uncased-sentiment, oliverguhr/german-sentiment-bert. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables ; aucun n’est recommandé sans essai sur vos données.
Leurs poids sont publiés en accès public et se téléchargent sans payer. L’usage reste encadré par la licence de chaque modèle, qui peut imposer des conditions ou interdire l’usage commercial. Il faut aussi un ordinateur, ou un serveur, capable de les exécuter.
Chaque fiche estime la mémoire nécessaire à partir de la taille réelle des poids publiés, avec une marge indiquée. La page « Que puis-je faire tourner sur ma machine » croise votre RAM et votre disque avec les tailles réelles des modèles exécutables localement.
Par langue : Arabe · Portugais · Swahili · Haoussa · Yoruba · Wolof · Amharique · Somali · Kinyarwanda · Lingala · Bambara · Éwé · Twi (akan) · Mooré · Peul (fulfuldé) · Malgache · Zoulou · Xhosa.