Les réseaux de convolution spectrale sur graphe sont des généralisations des réseaux de convolution standard destinés aux données structurées en graphe, utilisant l’opérateur laplacien. Une idée reçue courante consiste en l’instabilité des filtres spectraux, c’est-à-dire l’impossibilité de transférer des filtres spectraux entre des graphes de taille ou de topologie variables. Cette croyance erronée a limité le développement des réseaux spectraux pour les tâches impliquant plusieurs graphes, au profit des réseaux spatiaux sur graphe. Toutefois, des travaux récents ont démontré la stabilité des filtres spectraux face aux perturbations sur les graphes. Notre travail complète et met davantage en évidence la qualité du transfert spectral en évaluant les réseaux de convolution spectrale sur des tâches impliquant des graphes de tailles et de connectivités différentes. Des expériences numériques montrent des performances favorables sur des problèmes de régression sur graphe, de classification de graphe et de classification de nœuds, sur deux benchmarks de graphes. L’implémentation de nos expériences est disponible sur GitHub afin de garantir la reproductibilité.