L'Entailment Émotionnel Causale (CEE) vise à découvrir les causes potentielles derrière une émotion dans une intervention conversationnelle. Les travaux précédents formalisent le CEE comme des problèmes de classification d'appariements d'interventions indépendants, en négligeant les informations sur l'émotion et le locuteur. Sous un angle nouveau, cet article considère le CEE dans un cadre conjoint. Nous classifions plusieurs interventions simultanément pour capturer les corrélations entre les interventions d'une perspective globale et proposons un Modèle d'Attention à Deux Flots (TSAM) afin de modéliser efficacement les influences émotionnelles du locuteur dans l'historique conversationnel. Plus précisément, le TSAM comprend trois modules : le Réseau d'Attention Émotionnelle (EAN), le Réseau d'Attention au Locuteur (SAN) et le module d'interaction. L'EAN et le SAN intègrent les informations sur l'émotion et le locuteur en parallèle, tandis que le module d'interaction qui suit échange efficacement les informations pertinentes entre l'EAN et le SAN grâce à une transformation BiAffine mutuelle. Des résultats expérimentaux approfondis démontrent que notre modèle atteint de nouvelles performances State-Of-The-Art (SOTA) et surpasse remarquablement les modèles de base.