L’extraction de représentations généralisables et robustes constitue un défi majeur dans la reconnaissance des émotions dans les conversations (ERC). Pour y remédier, nous proposons un cadre d’apprentissage contrastif adversarial supervisé (SACL) afin d’apprendre des représentations structurées selon la répartition des classes de manière supervisée. Le SACL met en œuvre un entraînement adversarial conscient des contrastes pour générer des échantillons extrêmes (worst-case), et utilise un apprentissage contrastif structuré par classe pour extraire des représentations hiérarchisées. Ce cadre permet d’exploiter efficacement la cohérence des caractéristiques au niveau des étiquettes tout en préservant les caractéristiques fines intra-classe. Afin d’éviter l’impact négatif des perturbations adversariales sur les données dépendantes du contexte, nous avons conçu une stratégie d’entraînement adversarial contextuel (CAT) pour apprendre des caractéristiques plus diversifiées à partir du contexte et renforcer la robustesse du modèle face aux variations contextuelles. Dans le cadre intégrant CAT, nous avons développé un modèle SACL-LSTM basé sur les séquences, capable d’apprendre des caractéristiques cohérentes avec les étiquettes et robustes au contexte pour l’ERC. Des expérimentations menées sur trois jeux de données montrent que SACL-LSTM atteint des performances de pointe dans le domaine de l’ERC. Des expérimentations étendues confirment l’efficacité du cadre SACL et de la stratégie CAT.