La résumé abstrait est l'objectif ultime de la recherche en résumé de documents, mais il a été moins étudié par le passé en raison de l'insuffisance des techniques de génération de texte. Récemment, des progrès remarquables ont été réalisés dans le domaine du résumé abstrait de phrases grâce aux modèles neuronaux. Malheureusement, les tentatives en résumé abstrait de documents restent encore à un stade primitif, et les résultats d'évaluation sont inférieurs à ceux des méthodes extraitives sur les jeux de données standards. Dans cet article, nous passons en revue les difficultés du résumé abstrait de documents basé sur les réseaux neuronaux, et proposons un mécanisme d'attention fondé sur les graphes dans un cadre séquence-à-séquence. L'idée principale est de prendre en compte le facteur de salience dans le résumé, un aspect négligé par les travaux antérieurs. Les résultats expérimentaux démontrent que notre modèle permet d'obtenir une amélioration significative par rapport aux modèles abstraits neuronaux précédents. La méthode abstraite neuronale, fondée sur les données, est également compétitive par rapport aux meilleures méthodes extraitives actuelles.