Les analyses sémantiques sont des graphes orientés acycliques (DAGs), il convient donc de modéliser l'analyse sémantique comme une prédiction de graphes. Cependant, la prédiction de graphes présente des défis techniques complexes, ce qui rend plus simple et plus courant d'utiliser des modèles de séquence bien établis pour prédire les graphes linéarisés trouvés dans les ensembles de données d'analyse sémantique. Le prix de cette simplicité est que les chaînes prédites peuvent ne pas être des graphes bien formés. Nous présentons les grammaires DAG à réseau neuronal récurrent, un modèle de séquence sensible aux graphes qui garantit uniquement des graphes bien formés tout en évitant nombre des difficultés liées à la prédiction de graphes. Nous testons notre modèle sur le Parallel Meaning Bank---une banque de graphes sémantiques multilingue. Notre approche donne des résultats compétitifs en anglais et établit les premiers résultats pour l'allemand, l'italien et le néerlandais.