La classification de sentiment ciblée vise à déterminer la tendance émotionnelle envers des cibles spécifiques. La plupart des approches précédentes modélisent le contexte et les mots cibles à l'aide de réseaux de neurones récurrents (RNN) et d'attention. Cependant, les RNN sont difficiles à paralléliser et la troncature de la rétropropagation dans le temps pose des problèmes pour mémoriser les motifs à long terme. Pour résoudre ce problème, cet article propose un réseau encodeur attentionnel (Attentional Encoder Network, AEN) qui évite la récurrence et utilise des encodeurs basés sur l'attention pour modéliser la relation entre le contexte et la cible. Nous soulevons également le problème de l'irrégularité des étiquettes et introduisons une régularisation par lissage des étiquettes. Nous appliquons en outre BERT pré-entraîné à cette tâche et obtenons de nouveaux résultats d'état de l'art. Les expériences et l'analyse démontrent l'efficacité et la légèreté de notre modèle.