La classification des relations est une tâche sémantique importante pour laquelle les systèmes d'avant-garde s'appuient encore sur des caractéristiques élaborées manuellement et coûteuses. Dans ce travail, nous abordons la tâche de classification des relations en utilisant un réseau neuronal convolutif qui effectue la classification par classement (CR-CNN). Nous proposons une nouvelle fonction de perte de classement par paires qui facilite la réduction de l'impact des classes artificielles. Nous menons des expériences en utilisant le jeu de données SemEval-2010 Task 8, conçu pour la tâche de classification de la relation entre deux noms marqués dans une phrase. En utilisant le CR-CNN, nous surpassons l'état de l'art pour ce jeu de données et obtenons un F1 de 84,1 sans utiliser aucune caractéristique élaborée manuellement et coûteuse. De plus, nos résultats expérimentaux montrent que : (1) notre approche est plus efficace qu'un CNN suivi d'un classifieur softmax ; (2) l'omission de la représentation de la classe artificielle Autre améliore à la fois la précision et le rappel ; et (3) l'utilisation uniquement d'embeddings de mots comme caractéristiques d'entrée suffit pour atteindre des résultats d'état de l'art si nous considérons uniquement le texte entre les deux noms cibles.