La classification de sentiments multi-domaines est un problème complexe: en effet, les distributions de caractéristiques sont alors différentes dans les ensembles d’apprentissage et de test. Différentes propositions permettent de limiter la baisse de performance inhérente à ce cadre. Cependant, la classification de sentiments est une tâche particulière car le web participatif nous donne accès à une quasi-infinité de données étiquetées. Cela soulève de nouvelles questions: à partir de quel volume de données les distributions d’apprentissage et de test convergent elles ? Quand est ce que l’intérêt des techniques de transfert disparait ? Dans cet article, nous étudions le taux de reconnaissance en sentiments par rapport la taille des ensembles d’apprentissage.