La détection des émotions dans les conversations est une étape cruciale pour de nombreuses applications, notamment l'analyse des opinions à partir de l'historique des discussions, des fils de médias sociaux, des débats, l'extraction d'arguments, la compréhension des retours des consommateurs lors de conversations en direct, etc. Actuellement, les systèmes ne traitent pas individuellement les participants à la conversation en s'adaptant au locuteur de chaque intervention. Dans cet article, nous présentons une nouvelle méthode basée sur les réseaux neuronaux récurrents qui suit les états individuels des participants tout au long de la conversation et utilise ces informations pour la classification des émotions. Notre modèle surpasse significativement l'état de l'art sur deux jeux de données différents.