Nous unifions différentes tâches de parsing sémantique à large couverture sous un paradigme de transduction et proposons un cadre neuronal basé sur l'attention qui construit progressivement une représentation du sens par une séquence de relations sémantiques. En exploitant plusieurs mécanismes d'attention, le transducteur peut être formé efficacement sans dépendre d'un aligneur pré-entraîné. Les expériences menées sur trois tâches distinctes de parsing sémantique à large couverture -- AMR (Abstract Meaning Representation), SDP (Semantic Dependency Parsing) et UCCA (Universal Conceptual Cognitive Annotation) -- montrent que notre transducteur neuronal basé sur l'attention améliore l'état de l'art pour les tâches AMR et UCCA, et est compétitif avec l'état de l'art pour la tâche SDP.