Les travaux récents en classification des actes de dialogue ont abordé cette tâche comme un problème d'étiquetage de séquence à l'aide de réseaux neuronaux profonds hiérarchiques. Nous nous appuyons sur ces travaux antérieurs en exploitant l'efficacité d'un mécanisme d'auto-attention contextuelle couplé à un réseau neuronal récurrent hiérarchique. Nous menons des évaluations approfondies sur des jeux de données standard pour la classification des actes de dialogue et montrons une amélioration significative par rapport aux résultats les plus avancés sur le corpus Switchboard Dialogue Act (SwDA). Nous examinons également l'impact de différentes méthodes d'apprentissage de représentations au niveau des énoncés et démontrons que notre méthode est efficace pour capturer des représentations sémantiques textuelles au niveau des énoncés tout en maintenant une haute précision.