Ce document décrit un système de découverte d'hyperonymes pour notre participation à la tâche 9 de SemEval-2018, qui vise à découvrir le meilleur (ensemble de) candidat(s) hyperonyme(s) pour des concepts ou entités d'entrée, en se basant sur l'espace de recherche d'un vocabulaire pré-défini. Nous présentons une architecture de réseau neuronal pour la tâche en question et étudions empiriquement divers modèles de réseaux neuronaux afin de construire les représentations dans l'espace latent pour les mots et les phrases. Les modèles évalués comprennent le réseau neuronal convolutif, le réseau neuronal à mémoire à court et long terme, l'unité récurrente à porte (gated recurrent unit) et le réseau neuronal convolutif récurrent. Nous explorons également différentes méthodes d'embedding, notamment l'embedding lexical et l'embedding sémantique, afin d'améliorer les performances.