La plupart des travaux précédents sur la génération de texte neuronal à partir de données structurées en graphe s'appuient sur des méthodes séquence-à-séquence standard. Ces approches linéarisent le graphe d'entrée pour l'alimenter à un réseau neuronal récurrent. Dans cet article, nous proposons un encodeur alternatif basé sur les réseaux de neurones convolutifs de graphe qui exploite directement la structure d'entrée. Nous rapportons des résultats sur deux jeux de données graphe-à-séquence qui démontrent empiriquement les avantages d'une encodage explicite de la structure du graphe d'entrée.