Ce papier présente une approche innovante pour la reconnaissance des émotions dans les conversations et le raisonnement sur les inversions émotionnelles dans le cadre de la compétition SemEval-2024, avec un focus particulier sur l’analyse des langues codées (code-mixed), notamment en hindi-anglais. En intégrant les grands modèles linguistiques (LLMs) avec une fine-tuning basée sur des instructions et une adaptation de faible rang quantifiée (QLoRA), cette étude introduit des techniques novatrices telles que la méthode Sentext-height et des stratégies avancées de promptage, afin de faire face aux complexités de l’analyse émotionnelle dans les données conversationnelles codées. Les résultats obtenus démontrent efficacement la capacité de la méthode proposée à surmonter le biais des étiquettes ainsi que les difficultés inhérentes aux langues codées. Notre équipe a obtenu les classements 5, 3 et 3 aux tâches 1, 2 et 3 respectivement. Cette étude apporte des perspectives et des méthodes précieuses pour améliorer les modèles de reconnaissance des émotions, soulignant ainsi l’importance d’une recherche continue dans ce domaine.