Les chatbots permettent à un programme informatique d'interagir plus naturellement avec un interlocuteur. Ils demeurent toutefois limités, n'étant pas sensibles à l'état d'esprit ou aux émotions de l'utilisateur, ce qui leur permettrait pourtant d'apporter des réponses plus pertinentes. La détection d'émotion sur des discussions textuelles a déjà été explorée pour l'anglais (SemEval 2019 Task 3), mais en français aucun dataset satisfaisant n'est disponible. Nous proposons de traduire le dataset de dialogues EmotionLines, dont les répliques anglaises sont issues de la série Friends, en exploitant sa diffusion en VF. Notre méthode de génération de dataset par traduction est adaptable à tout dataset tiré de séries ou films étrangers disponibles en VF. En utilisant ce dataset traduit, nous proposons un classifier basé sur le modèle de langage BERT, permettant de détecter l'émotion de l'utilisateur à partir de texte. Il tient compte du contexte de la discussion pour affiner ses prédictions.