L'inférence des relations sociales à partir de dialogues est essentielle pour la construction de robots dotés d'une intelligence émotionnelle, afin qu'ils puissent mieux interpréter le langage humain et agir en conséquence. Nous modélisons le réseau social sous forme de graphe And-Or, nommé SocAoG, pour assurer la cohérence des relations au sein d'un groupe et exploiter les attributs comme indices d'inférence. De plus, nous formulons une tâche de prédiction structurée séquentielle et proposons une stratégie $α$α-$β$β-$γ$γ pour analyser progressivement le SocAoG et effectuer une inférence dynamique sur toute déclaration entrante : (i) un processus $α$α qui prédit les attributs et les relations conditionnés par la sémantique des dialogues, (ii) un processus $β$β qui met à jour les relations sociales en fonction des attributs pertinents, et (iii) un processus $γ$γ qui met à jour les attributs individuels en fonction des relations sociales interpersonnelles. Les résultats empiriques sur DialogRE et MovieGraph montrent que notre modèle infère les relations sociales avec plus de précision que les méthodes de pointe actuelles. De plus, l'étude d'ablation révèle que ces trois processus se complètent mutuellement, tandis que l'étude de cas illustre l'inférence relationnelle dynamique.