La reconnaissance automatique des expressions faciales (FER) a suscité un intérêt croissant en raison de ses applications dans l’interaction homme-machine. Parmi les approches visant à améliorer les performances en FER, cette étude se concentre sur les architectures profondes intégrant un mécanisme d’attention. Nous proposons une nouvelle approche, appelée « Masking Idea », visant à améliorer les performances des réseaux de neurones convolutifs (CNN) dans la tâche de reconnaissance des expressions faciales. Cette méthode utilise un réseau de segmentation afin de raffiner les cartes de caractéristiques, permettant au réseau de se concentrer sur les informations pertinentes pour prendre des décisions correctes. Dans nos expérimentations, nous combinons le réseau résiduel profond (Deep Residual Network) avec une architecture inspirée d’Unet pour concevoir un réseau de masquage résiduel (Residual Masking Network). La méthode proposée atteint un taux de précision de pointe (state-of-the-art, SOTA) sur les jeux de données bien connus FER2013 et VEMO privé.