Nous présentons le Graph Wavelet Neural Network (GWNN), un nouveau type de réseau neuronal convolutif sur graphe (CNN) qui utilise la transformation en ondelettes de graphe pour remédier aux limitations des méthodes précédentes de CNN spectrales basées sur la transformation de Fourier de graphe. Contrairement à la transformation de Fourier de graphe, la transformation en ondelettes de graphe peut être obtenue par un algorithme rapide sans nécessiter une décomposition spectrale matricielle coûteuse en termes de calcul. De plus, les ondelettes de graphe sont parcimonieuses et localisées dans le domaine des sommets, ce qui offre une grande efficacité et une bonne interprétabilité pour la convolution sur graphe. Le GWNN proposé surpasse considérablement les CNN spectrales précédentes dans la tâche de classification semi-supervisée basée sur des graphes sur trois jeux de données de référence : Cora, Citeseer et Pubmed.