Ce document aborde le problème de la modélisation des conversations textuelles et de la détection des émotions. Le modèle que nous proposons utilise 1) l'apprentissage profond par transfert plutôt que les méthodes classiques d'embedding de mots ; 2) des mécanismes d'auto-attention pour se concentrer sur les parties les plus importantes des textes ; et 3) une modélisation conversationnelle basée sur les tours de parole pour classifier les émotions. Cette approche ne repose sur aucune caractéristique ou lexique manuellement conçu. Notre modèle a été évalué sur les données fournies par la tâche commune SemEval-2019 sur la détection contextuelle des émotions dans le texte. Le modèle montre des résultats très compétitifs.