La compréhension des dialogues multipartites à plusieurs tours pose des défis sans précédent en matière de gestion de scénarios complexes impliquant plusieurs intervenants et de relations discursives croisées entre énoncés sensibles au locuteur. La plupart des méthodes existantes traitent le contexte dialogique comme un simple texte brut, en accordant une attention insuffisante aux indices cruciaux liés au locuteur. Dans ce travail, nous proposons un modèle amélioré sensible au locuteur, basé sur une attention masquée et des réseaux de graphes hétérogènes, afin de capturer de manière exhaustive les indices discursifs à la fois à partir de la propriété du locuteur et des relations interlocuteurs-sensibles. Grâce à cette modélisation globale sensible au locuteur, les résultats expérimentaux montrent que notre modèle atteint des performances de pointe sur le jeu de données de référence Molweni. Une analyse de cas révèle que notre modèle renforce les liens entre les énoncés et leurs locuteurs respectifs, tout en capturant efficacement les relations discursives sensibles au locuteur, éléments essentiels pour une modélisation précise des dialogues.