Les domaines de la recommandation et de la classification de sentiments sont restés complètement disjoints jusqu'ici: d'un coté, la recommandation exploite les matrices d'interaction entre les utilisateurs et les produits, sous la forme de notes en faisant l'impasse sur les données textuelles, de l'autre, la fouille d'opinion exploite les revues/notes de consommateurs pour construire des modèles d'analyse de documents. Nous proposons dans cet article un modèle exploitant aussi des données d'interaction textuelles présentes dans les revues de consommateurs pour construire un modèle de recommandation novateur et performant.