Dans cet article, nous étudions le problème de la réponse aux questions lorsque l'inférence sur plusieurs faits est nécessaire. Nous proposons le réseau de réduction des requêtes (Query-Reduction Network, QRN), une variante du Réseau neuronal récurrent (Recurrent Neural Network, RNN) qui gère efficacement à la fois les dépendances séquentielles à court terme (locales) et à long terme (globales) pour raisonner sur plusieurs faits. Le QRN considère les phrases contextuelles comme une séquence de déclencheurs modifiant l'état, et réduit la requête initiale en une requête plus informée à mesure qu'il observe chaque déclencheur (phrase contextuelle) au fil du temps. Nos expériences montrent que le QRN produit des résultats d'avant-garde dans les tâches de réponse aux questions et de dialogue du bAbI, ainsi que dans un jeu de données de dialogue orienté vers des objectifs réels. De plus, la formulation du QRN permet une parallélisation sur l'axe temporel du RNN, ce qui réduit d'un ordre de grandeur la complexité temporelle pour l'entraînement et l'inférence.