La reconnaissance des émotions par électroencéphalographie (EEG) est une tâche importante dans le domaine des interfaces cerveau-ordinateur. Bien que de nombreuses méthodes d'apprentissage profond aient été proposées récemment, il reste difficile d'exploiter pleinement les informations contenues dans les différents domaines des signaux EEG. Dans cet article, nous présentons une nouvelle méthode appelée réseau neuronal à attention quadridimensionnelle (4D-aNN) pour la reconnaissance des émotions par EEG. Tout d'abord, les signaux EEG bruts sont transformés en représentations spatiales-spectrales-temporelles quadridimensionnelles. Ensuite, le 4D-aNN proposé utilise des mécanismes d'attention spectraux et spatiaux pour attribuer de manière adaptative les poids des différentes régions cérébrales et bandes de fréquences, et un réseau neuronal convolutif (CNN) est employé pour traiter l'information spectrale et spatiale des représentations 4D. De plus, un mécanisme d'attention temporelle est intégré à une mémoire à court et long terme bidirectionnelle (LSTM) pour explorer les dépendances temporelles des représentations 4D. Notre modèle atteint des performances de pointe sur l'ensemble de données SEED lors du fractionnement intrasujet. Les résultats expérimentaux ont démontré l'efficacité des mécanismes d'attention dans différents domaines pour la reconnaissance des émotions par EEG.