L'usage de méthodes d'apprentissage automatique se démocratise pour anticiper les risques critiques chez les patients sous surveillance et diminuer la charge des soignants. Dans cet article, nous proposons une modélisation originale qui bénéficie des développements récents en convolution de graphes : un parcours patient est vu comme un graphe, où chaque nœud est un évènement et où les proximités temporelles sont représentées par des arcs pondérés. Cette modélisation a été évaluée pour prédire le décès à 24 heures sur un jeu de données réelles puis comparée avec succès avec les résultats de l'état de l'art.