La reconnaissance des émotions dans la conversation (ERC) a récemment attiré beaucoup d'attention de la part des chercheurs en raison de son potentiel d'applications étendues dans divers domaines tels que les soins de santé, l'éducation et les ressources humaines. Dans cet article, nous présentons le Dialogue Graph Convolutional Network (DialogueGCN), une approche basée sur les réseaux neuronaux à graphes pour l'ERC. Nous exploitons les dépendances intra- et inter-parleurs des interlocuteurs pour modéliser le contexte conversationnel en vue de la reconnaissance des émotions. Grâce au réseau à graphes, DialogueGCN résout les problèmes de propagation du contexte présents dans les méthodes actuelles basées sur les RNN. Nous montrons empiriquement que cette méthode atténue ces problèmes tout en surpassant l'état de l'art actuel sur plusieurs jeux de données de référence pour la classification des émotions.