Nous présentons un modèle basé sur la mémoire pour la parssage sémantique dépendant du contexte. Les approches antérieures se concentrent sur la capacité du décodeur à copier ou à modifier l’analyse syntaxique de l’utterance précédente, en supposant une dépendance entre les analyses courante et précédente. Dans ce travail, nous proposons de représenter l’information contextuelle à l’aide d’une mémoire externe. Nous apprenons un contrôleur de mémoire contextuelle qui gère cette mémoire en conservant le sens cumulé des utterances utilisateur séquentielles. Nous évaluons notre approche sur trois benchmarks de parssage sémantique. Les résultats expérimentaux montrent que notre modèle traite de manière plus efficace les informations dépendantes du contexte et obtient des performances améliorées sans recourir à des décodeurs spécifiques à la tâche.