Dans cet article, nous examinons le problème de la sélection du destinataire et de la réponse dans les conversations à plusieurs participants. La compréhension des conversations à plusieurs participants est un défi en raison des interactions complexes entre les locuteurs : plusieurs locuteurs échangent des messages entre eux, jouant différents rôles (expéditeur, destinataire, observateur), et ces rôles varient au fil des tours de parole. Pour relever ce défi, nous proposons le réseau neuronal récurrent d'interaction des locuteurs (SI-RNN). Contrairement au système précédemment considéré comme l'état de l'art, qui ne mettait à jour les plongements (embeddings) des locuteurs que pour l'expéditeur, SI-RNN utilise un nouvel encodeur de dialogue pour mettre à jour les plongements des locuteurs de manière sensible aux rôles. De plus, contrairement aux travaux antérieurs qui sélectionnaient le destinataire et la réponse séparément, SI-RNN les sélectionne conjointement en considérant la tâche comme un problème de prédiction séquentielle. Les résultats expérimentaux montrent que SI-RNN améliore significativement la précision de la sélection du destinataire et de la réponse, en particulier dans les conversations complexes impliquant de nombreux locuteurs et des réponses à des messages éloignés dans le passé.