L'extraction de relations dans le dialogue (DRE) vise à détecter la relation entre deux entités mentionnées dans un dialogue à plusieurs parties. Elle joue un rôle crucial dans la construction de graphes de connaissances à partir des données conversationnelles, qui sont de plus en plus abondantes sur Internet, et facilite le développement de systèmes de dialogue intelligents. Les méthodes précédentes de DRE n'utilisent pas efficacement les informations sur les locuteurs ; elles se contentent d'ajouter simplement les noms des locuteurs respectifs avant chaque intervention. Par conséquent, elles échouent à modéliser les relations inter-locuteurs essentielles qui peuvent apporter un contexte supplémentaire aux entités pertinentes par l'intermédiaire des pronoms et des déclencheurs. Nous présentons, cependant, une méthode basée sur un réseau d'attention graphique pour la DRE, où un graphe contenant des nœuds de locuteur, d'entité, de type d'entité et d'intervention connectés de manière significative est construit. Ce graphe est ensuite alimenté à un réseau d'attention graphique pour la propagation du contexte entre les nœuds pertinents, ce qui permet une capture efficace du contexte du dialogue. Nous montrons empiriquement que cette approche basée sur les graphes capture efficacement les relations entre différentes paires d'entités dans un dialogue, surpassant considérablement les approches actuelles sur l'ensemble de données de référence DialogRE. Notre code est disponible à l'adresse suivante : https://github.com/declare-lab/dialog-HGAT