Les technologies de l’'information et le succès des services associés (e.g. blogs, forums...) ont ouvert la voie à un mode d’'expression massive d’'opinions sur les sujets les plus variés (sites de e-commerces, films, etc.). Récemment, de nouvelles techniques de détection automatique d’'opinion (opinion-mining) proposent des analyses statistiques des avis exprimés afin de dégager une tendance globale des opinions recueillies sur une entité évaluée. Néanmoins, une analyse plus fine montre que les arguments des internautes relèvent de critères de jugement distincts. Les approches d’'opinion-mining traitent peu de cet aspect multicritère pourtant riche en informations. Dans cet article, nous proposons de caractériser automatiquement les segments de textes relevant d’'un critère donné sur un corpus de critiques. À partir d’'un ensemble restreint de mots-clés associés à un critère, notre approche construit automatiquement une base d’'apprentissage. Des expériences menées sur des jeux de données réelles illustrent l’'efficacité du processus.