La capacité à reconnaître les mots en tant que slots et à détecter l'intention d'une énonciation est un sujet crucial dans la compréhension du langage naturel. Les travaux existants traitent soit le remplissage des slots et la détection de l'intention séparément selon une approche en cascade, soit adoptent des modèles conjoints qui étiquettent les slots de manière séquentielle tout en résumant l'intention au niveau de l'énonciation sans préserver explicitement la relation hiérarchique entre les mots, les slots et les intentions. Pour exploiter la hiérarchie sémantique pour une modélisation efficace, nous proposons un modèle de réseau neuronal basé sur des capsules qui réalise le remplissage des slots et la détection de l'intention grâce à un schéma de routage dynamique par accord. Un schéma de re-routage est également proposé afin d'améliorer davantage les performances du remplissage des slots en utilisant la représentation de l'intention inférée. Les expériences menées sur deux jeux de données réels montrent l'efficacité de notre modèle lorsqu'il est comparé à d'autres architectures alternatives, ainsi qu'aux services existants de compréhension du langage naturel.