Un traqueur d’état de dialogue (DST) est un composant clé dans un système de dialogue dont l’objectif est d’estimer les croyances concernant les objectifs possibles de l’utilisateur à chaque tour de dialogue. La plupart des traqueurs DST actuels reposent sur des réseaux de neurones récurrents et sont fondés sur des architectures complexes capables de gérer plusieurs aspects d’un dialogue, notamment les énoncés de l’utilisateur, les actions du système et les paires attribut-valeur définies dans une ontologie de domaine. Toutefois, la complexité de ces architectures neuronales entraîne une latence significative dans la prédiction de l’état du dialogue, ce qui limite leur déploiement dans des applications réelles, en particulier lorsque la scalabilité des tâches (c’est-à-dire le nombre d’attributs) constitue un facteur critique. Dans cet article, nous proposons un modèle neuronal innovant pour le suivi d’état de dialogue, nommé Global encoder and Slot-Attentive decoders (G-SAT), capable de prédire l’état du dialogue avec un temps de latence très faible, tout en maintenant des performances de haut niveau. Nous présentons des expériences menées sur trois langues différentes (anglais, italien et allemand) du jeu de données WoZ2.0, et démontrons que l’approche proposée offre un avantage compétitif par rapport aux systèmes DST de pointe, tant en termes de précision que de complexité temporelle de prédiction, étant plus de 15 fois plus rapide que les autres systèmes.