La reconnaissance des émotions dans les conversations (ERC) suscite un intérêt croissant dans le développement de machines empathiques. Récemment, de nombreuses approches se sont concentrées sur la perception du contexte conversationnel à l’aide de modèles d’apprentissage profond. Toutefois, ces méthodes restent insuffisantes pour comprendre pleinement le contexte en raison de leur incapacité à extraire et intégrer efficacement les indices émotionnels. Dans ce travail, nous proposons un nouveau modèle, les Réseaux de raisonnement contextuel (DialogueCRN), afin de comprendre pleinement le contexte conversationnel sous une perspective cognitive. Inspirés par la théorie cognitive des émotions, nous avons conçu des modules de raisonnement à plusieurs tours capables d’extraire et d’intégrer les indices émotionnels. Le module de raisonnement effectue itérativement un processus d’extraction intuitive et un processus de raisonnement conscient, imitant ainsi la pensée cognitive unique de l’humain. Des expériences étendues menées sur trois jeux de données publics de référence démontrent l’efficacité et l’avantage du modèle proposé.