Le raisonnement numérique à partir de textes, tel que l’addition, la soustraction, le tri ou le comptage, constitue une tâche difficile de compréhension automatique des textes, car elle nécessite à la fois une compréhension approfondie du langage naturel et des calculs arithmétiques. Pour relever ce défi, nous proposons une représentation par graphe hétérogène du contexte du passage et de la question nécessaires à ce type de raisonnement, et concevons un réseau neuronal à attention dirigée par la question afin d’effectuer un raisonnement numérique multi-étapes sur ce graphe contextuel. Le lien vers le code est disponible à l’adresse suivante : https://github.com/emnlp2020qdgat/QDGAT