Par rapport au texte standard, la compréhension du dialogue est plus difficile pour les machines en raison des changements sémantiques dynamiques et imprévus à chaque tour. Pour modéliser ces sémantiques incohérentes, nous proposons un modèle de Compréhension Hiérarchique du Dialogue (Hierarchical Dialogue Understanding model), appelé HiDialog. Plus précisément, nous insérons d'abord plusieurs jetons spéciaux dans un dialogue et introduisons l'attention au niveau des tours afin d'apprendre les plongements (embeddings) hiérarchiquement. Ensuite, un module de graphe hétérogène est utilisé pour affiner les plongements appris. Nous évaluons notre modèle sur diverses tâches de compréhension du dialogue, notamment l'extraction des relations dans le dialogue, la reconnaissance des émotions dans le dialogue et la classification des actes de dialogue. Les résultats montrent que notre approche simple atteint des performances de pointe sur chacune de ces trois tâches. L'intégralité de notre code source est disponible publiquement sur https://github.com/ShawX825/HiDialog.