Cet article se concentre sur la classification et la génération du sarcasme à l'aide de modèles linguistiques à grande échelle. Pour relever les défis de la détection du sarcasme, nous présentons le benchmark Sarc7, qui classe sept types de sarcasme : autodérision, morose, neutre, poli, désagréable, furieux et maniaque, à partir du jeu de données MUStARD. Nous évaluons les performances de classification à l'aide des techniques « zéro-coup », « peu-coup », « Chaîne de pensée » (CoT) et d'une nouvelle technique d'incitation basée sur les émotions. Nous proposons ensuite une méthode de génération basée sur les émotions en identifiant les éléments clés du sarcasme : l'incongruité, le choc et la dépendance contextuelle. Les résultats expérimentaux montrent que le modèle Gemini 2.5 a obtenu un score F1 de 0,3664 avec l'incitation basée sur les émotions, surpassant ainsi les autres contextes. Les évaluateurs humains ont estimé que l'incitation basée sur les émotions était 38,46 % plus efficace pour générer du sarcasme que l'incitation zéro-coup.
