Le problème d'accélération de la découverte de médicaments repose en grande partie sur des outils automatiques pour optimiser les molécules précurseurs afin de leur conférer de meilleures propriétés biochimiques. Dans cet article, notre travail étend considérablement l'état de l'art des méthodes de traduction graphe-vers-graphe pour l'optimisation moléculaire. Plus précisément, nous réalisons des représentations cohérentes à plusieurs niveaux en entrelaçant le codage des composants de sous-structures avec le codage au niveau atomique du graphe moléculaire d'origine. De plus, notre décodeur graphique est entièrement auto-régressif et alterne chaque étape d'ajout d'une nouvelle sous-structure avec le processus de résolution de son attachement à la molécule en cours de formation. Nous évaluons notre modèle sur plusieurs tâches d'optimisation moléculaire et montrons que notre modèle dépasse significativement les baselines précédentes de l'état de l'art.