La reconnaissance des émotions est devenue un domaine de recherche important dans les interactions homme-machine (Human Computer Interactions) alors que nous améliorons les techniques de modélisation des différents aspects du comportement. Avec l'avancement de la technologie, notre compréhension des émotions progresse, et il y a une croissance constante du besoin de systèmes de reconnaissance automatique des émotions. L'une des directions que prend la recherche est l'utilisation des réseaux neuronaux, qui sont particulièrement efficaces pour estimer des fonctions complexes dépendant d'un grand nombre et d'une source diversifiée de données. Dans cet article, nous tentons d'exploiter cette efficacité des réseaux neuronaux pour réaliser une reconnaissance multimodale des émotions sur le jeu de données IEMOCAP en utilisant des données provenant de la parole, du texte et de la capture de mouvements (motion capture) incluant les expressions faciales, les rotations et les mouvements de mains. Les recherches antérieures se sont concentrées sur la détection des émotions à partir de la parole dans le jeu de données IEMOCAP, mais notre approche est la première à utiliser les multiples modes de données offerts par IEMOCAP pour une détection plus robuste et précise des émotions.