La lecture compréhension automatique (MRC) en dialogue multipartite diffère de la MRC traditionnelle, car les modèles doivent gérer la structure discursive complexe du dialogue, un aspect négligé dans les approches classiques de MRC. Pour exploiter pleinement cette structure discursive dans les dialogues multipartites, nous proposons un réseau de neurones graphiques sensible au discours, appelé DADgraph, qui construit explicitement un graphe de dialogue à l’aide de liens de dépendance discursive et de relations discursives. Pour valider notre modèle, nous menons des expériences sur le corpus Molweni, un grand ensemble de données de MRC construit à partir de dialogues multipartites et annoté avec une structure discursive. Les résultats obtenus sur Molweni montrent que notre modèle sensible au discours atteint des améliorations statistiquement significatives par rapport à des modèles de base basés sur des réseaux de neurones puissants.