La tâche de détection de position (stance detection) vise à déterminer la position d'un texte ou de son auteur, comme étant pour ou contre un sujet cible donné. Pour résoudre cette tâche sans annotation coûteuse de données, l'approche non supervisée est privilégiée. Nénamoins, les modèles actuels ont été conçus pour des types de réseaux spécifiques, soit homophiliques, soit hétérophiliques. Dans cet article, nous étudions tout d'abord la capacité de généralisation des modèles existants récents à ces deux types de réseaux très différents. Nous proposons ensuite un modèle basé sur des plongements de texte propagés avec un réseau neuronal graphique (GNN), applicable aussi bien aux réseaux hétérophiliques qu'homophiliques. Nos expériences confirment que ce modèle surpasse, en moyenne, les autres méthodes pour les deux types de réseaux. En outre, elles montrent que la combinaison d'informations textuelles et de réseaux est plus performante que l'utilisation du texte seul, et que la taille du modèle de langage n'a qu'un impact limité sur les résultats.