Bien que les réseaux de neurones opérant sur des graphes comme le GCN ou le GAT, soient très utilisés, il est établi qu'ils souffrent d'un de goulot d'étranglement qui limite leur efficacité. Récemment, il a été montré que le phénomène de goulot d'étranglement provient de certaines zones des graphes, que l'on peut identifier par une mesure de courbure des arêtes. Tandis qu'une solution consiste à modifier le graphe dans ces zones en ajoutant et en supprimant des arêtes nous proposons de modifier le mécanisme d'attention du GAT pour moduler les poids d'attention selon la courbure des arêtes. Les expériences menées sur différents jeux de données montrent que notre méthode s'avère plus efficace, moins couteuse et améliore la méthode originale GAT dans la classification des nœuds.