La vision humaine est capable de distinguer un éventail immense de couleurs, estimé entre 2 et 7 millions de tons discernables. Toutefois, cette gamme impressionnante ne suppose pas nécessairement que tous ces coloris aient été précisément nommés et décrits dans notre lexique. Nous associons souvent les couleurs à des objets ou des concepts familiers de notre vie quotidienne. Cette recherche vise à combler le fossé existant entre notre perception visuelle de milliers de nuances et notre capacité à les nommer et à les décrire avec précision. Un nouveau modèle a été développé pour atteindre cet objectif, en s'appuyant sur des réseaux de mémoire à court et long terme bidirectionnels (BiLSTM) associés à une approche d'apprentissage actif. Ce modèle fonctionne sur un jeu de données propriétaire, soigneusement constitué spécifiquement pour cette étude. L'objectif principal de cette recherche est de concevoir un outil polyvalent permettant de catégoriser et de nommer des couleurs auparavant non nommées, ou d'identifier des nuances intermédiaires qui échappent aux terminologies traditionnelles de la couleur. Les résultats mettent en évidence le potentiel de cette approche innovante à transformer notre compréhension de la perception et du langage des couleurs. Grâce à des expérimentations rigoureuses et une analyse approfondie, cette étude révèle une voie prometteuse pour les applications du traitement automatique du langage naturel (NLP) dans divers secteurs industriels. En facilitant l'exploration du vaste spectre des couleurs, les applications potentielles du NLP s'étendent au-delà des frontières conventionnelles.