Les réseaux de neurones opérant sur les graphes suivent un processus itératif de mise à jour des représentations de noeuds qui se base sur l'agrégation de l'information issue des noeuds voisins, i.e. passage de message. Cela permet à ces architectures d'apprendre des représentations dépendant de la structure du graphe. Néanmoins, pour certaines topologies de graphe, cela conduit à une propagation inefficace de l'information connue sous le nom d'over-squashing. Récemment, il a été démontré que ce phénomène vient d'une partie du graphe qui peut être identifiée par une mesure de la courbure des arêtes. Dans cet article, nous proposons une nouvelle manière de réaliser le passage de message en diffusant l'information en fonction de la courbure des arêtes. Les expériences menées sur une tâche de classification de noeuds montrent que notre méthode s'avère plus efficace que les méthodes de pré-traitement de graphes existantes.