L'émotion est inhérente à l'être humain et, par conséquent, la compréhension des émotions est une composante essentielle de l'intelligence artificielle (IA) humanoïde. La reconnaissance des émotions dans les conversations (REC) gagne en popularité comme nouvelle frontière de recherche en traitement du langage naturel (TLN) grâce à sa capacité à extraire des opinions à partir de la multitude de données conversationnelles publiques disponibles sur des plateformes telles que Facebook, YouTube, Reddit, Twitter et d'autres. De plus, elle présente des applications potentielles dans les systèmes de santé (en tant qu'outil d'analyse psychologique), l'éducation (pour comprendre la frustration des étudiants) et bien d'autres domaines. En outre, la REC est également extrêmement importante pour générer des dialogues sensibles aux émotions qui nécessitent une compréhension des émotions de l'utilisateur. Répondre à ces besoins exige des algorithmes de reconnaissance des émotions conversationnelles efficaces et évolutifs. Cependant, c'est un problème ardu à résoudre en raison de plusieurs défis de recherche. Dans cet article, nous abordons ces défis et mettons en lumière les recherches récentes dans ce domaine. Nous décrivons également les inconvénients de ces approches et discutons des raisons pour lesquelles elles ne parviennent pas à surmonter avec succès les défis de recherche en REC.