La similarité est une mesure comparative et subjective dont la valeur varie selon le domaine considéré. Dans de nombreuses applications du traitement du langage naturel (NLP), telles que la classification de documents, la reconnaissance de motifs, la réponse aux questions dans les chatbots, l’analyse de sentiment, etc., l’identification d’un score de similarité précis pour les paires de phrases est devenue un domaine de recherche crucial. Les modèles existants d’évaluation de similarité présentent toutefois plusieurs limites : une capacité insuffisante à calculer efficacement cette similarité à partir de comparaisons contextuelles, une tendance à la localisation due à la théorie du centrage, ainsi qu’un manque de comparaisons textuelles non sémantiques. À cet égard, ce papier propose un modèle de réseau de similarité sémantique multicouche fondé sur plusieurs mesures de similarité, qui produit un score global de similarité entre phrases selon les principes de la science des réseaux, des arêtes relationnelles pondérées par voisinage, et une formule étendue de calcul de similarité entre nœuds, proposée dans ce travail. Le modèle réseau multicouche ainsi proposé a été évalué et testé contre des modèles de pointe établis, et a démontré des performances supérieures dans l’évaluation de la similarité entre phrases.