Les définitions actuelles de la convolution de graphe, qu'elles soient issues d'une perspective spatiale ou spectrale, sont rigides et non unifiées. La définition d'un opérateur de convolution général dans le domaine des graphes est un défi en raison du manque de coordonnées canoniques, de la présence de structures irrégulières et des propriétés des symétries de graphe. Dans ce travail, nous proposons un nouveau cadre de convolution de graphe général en paramétrant les noyaux comme des fonctions continues de coordonnées pseudo-issues obtenues par l'encodage positionnel de graphe. Nous nommons cette méthode la Convolution de Graphe à Noyaux Continus (CKGConv). Théoriquement, nous démontrons que CKGConv est flexible et expressive. CKGConv englobe de nombreuses convolutions de graphe existantes et présente une expressivité plus forte, équivalente à celle des transformateurs de graphe en termes de distinction entre les graphes non isomorphes. Expérimentalement, nous montrons que les réseaux basés sur CKGConv surpassent les réseaux convolutionnels de graphe existants et se comparent favorablement aux meilleurs transformateurs de graphe sur une variété de jeux de données graphiques. Le code et les modèles sont librement disponibles sur https://github.com/networkslab/CKGConv.