Dans les systèmes de dialogue, des énoncés présentant une sémantique similaire peuvent exprimer des émotions différentes selon le contexte. Il est donc essentiel de modéliser les relations émotionnelles à longue portée tout en tenant compte de la dépendance du locuteur afin d’améliorer la reconnaissance des émotions dans les dialogues. Par ailleurs, la distinction entre différentes catégories émotionnelles s’avère particulièrement complexe, car celles-ci présentent souvent des sentiments sémantiquement proches. Pour relever ce défi, nous adoptons un apprentissage contrastif supervisé afin de rendre les émotions mutuellement exclusives, permettant ainsi une meilleure identification des émotions similaires. Par ailleurs, nous introduisons une tâche auxiliaire de génération de réponse afin d’améliorer la capacité du modèle à traiter les informations contextuelles, forçant ainsi le modèle à reconnaître des émotions à sémantique proche dans des contextes variés. Pour atteindre ces objectifs, nous utilisons comme modèle de base BART, un modèle pré-entraîné à architecture encodeur-décodeur particulièrement adapté aux tâches de compréhension et de génération. Les expérimentations menées sur quatre jeux de données montrent que notre modèle propose des résultats significativement supérieurs à ceux des modèles de pointe en reconnaissance d’émotions dans les dialogues. Une étude d’ablation confirme en outre l’efficacité de la perte contrastive supervisée ainsi que de la perte générative.