Lead
Une multitude d’articles traitant de sujets économiques et financiers sont aujourd’hui disponibles à grande échelle et à moindre coût. Ces textes expriment un ton positif, négatif, ou neutre, appelé "sentiment textuel", qui fournit des informations complémentaires aux données quantitatives traditionnelles. Notre projet a pour objectif de déterminer si une compréhension plus fine du sentiment textuel augmente sa valeur informationnelle dans le contexte économique et financier. Nos analyses permettront potentiellement d’améliorer la protection des risques de réputation des entreprises, augmentant ainsi la stabilité des marchés financiers et de l'économie.

Lay summary
Nous mettons en avant trois questions de recherche qui ciblent chacune une 
caractéristique distincte du sentiment textuel qui n’a pas été étudiée
jusqu’à présent. Premièrement, nous cherchons à comprendre si la dimensionnalité
du sentiment et son évolution fournissent des informations supplémentaires
par rapport à une estimation de sentiment unique. Deuxièmement, nous testons
si une mesure plus précise du sentiment améliore son caractère informatif.
Troisièmement, nous étudions le lien entre la cyclicité du sentiment et
les variables économiques. Notre hypothèse générale est que la prise
en compte de la dimensionnalité, de la précision et de la cyclicité
du sentiment textuel améliorent sa valeur informationnelle, et permettent
donc une meilleure décision pour les acteurs économiques et financiers.
Afin de répondre à ces questions, nous développons un cadre méthodologique 
appelé "Sentometrics". A mi-chemin entre l’intelligence artificielle et
l’économétrie, "Sentometrics" propose une collection d’outils pour extraire
et exploiter les informations sur la dimensionnalité, la dynamique, et l'incertitude
du sentiment extrait de textes.