Ce papier s'intéresse au suivi d'état de dialogue (Dialogue State Tracking, DST) dans un système de dialogue orienté vers une tâche. Bien que des progrès significatifs aient été réalisés récemment, la conception d’un module DST hautement efficace reste un défi. Ce travail propose une nouvelle approche pour le suivi d’état de dialogue, nommée Seq2Seq-DU, qui formule le DST comme un problème de séquence à séquence. Seq2Seq-DU utilise deux encodeurs basés sur BERT pour encoder respectivement les énoncés du dialogue et les descriptions des schémas, un mécanisme d’attention pour calculer les interactions entre les embeddings des énoncés et ceux des schémas, ainsi qu’un décodeur pour générer des pointeurs représentant l’état actuel du dialogue. Seq2Seq-DU présente plusieurs avantages : elle permet de modéliser conjointement les intentions, les slots et les valeurs des slots ; elle exploite pleinement les représentations riches des énoncés et des schémas grâce à BERT ; elle traite efficacement à la fois les slots catégoriels et non catégoriels, ainsi que les schémas inconnus. En outre, Seq2Seq-DU peut également être appliquée dans le module NLU (understanding du langage naturel) d’un système de dialogue. Les résultats expérimentaux sur des jeux de données standard dans différentes configurations (SGD, MultiWOZ2.2, MultiWOZ2.1, WOZ2.0, DSTC2, M2M, SNIPS et ATIS) montrent que Seq2Seq-DU surpassent les méthodes existantes.