Construction d’un classificateur de sentiments pour avis clients

Scénario

Contexte : Une entreprise e-commerce souhaite analyser automatiquement les avis clients pour identifier les retours positifs et négatifs. Le Problème : Les commentaires sont nombreux et leur analyse manuelle prend trop de temps. Contraintes : Nettoyer le texte (lowercase, suppression ponctuation). Transformer les textes via Bag-of-Words ou TF-IDF. Entraîner un modèle simple de classification. Séparer train et test pour évaluation. Livrable attendu : Implémenter un pipeline NLP simple incluant prétraitement, vectorisation et modèle supervisé avec évaluation des performances.

Compétences ciblées