Découvrir des connaissances dans des graphes qui sont dynamiques et dont les sommets sont attribués est de plus en plus étudié, par exemple dans le contexte de l’analyse d’interactions sociales. Il est souvent possible d’expliciter des hiérarchies sur les attributs permettant de formaliser des connaissances a priori sur les descriptions des sommets. Nous proposons d’étendre des techniques de fouille sous contraintes récemment proposées pour l’analyse de graphes attribués dynamiques lorsque l’on exploite de telles hiérarchies et donc le potentiel de généralisation/spécialisation qu’elles permettent. Nous décrivons un algorithme qui calcule des motifs de co-évolution multi-niveaux, c’est-à-dire des ensembles de sommets qui satisfont une contrainte topologique et qui évoluent de la même façon selon un ensemble de tendances et de pas de temps. Nos expérimentations montrent que l’utilisation d’une hiérarchie permet d’extraire des collections de motifs plus concises sans perdre d’information.