L'extraction conjointe d'entités et de relations est une tâche importante dans le domaine de l'extraction d'information. Pour aborder ce problème, nous proposons tout d'abord un nouveau schéma d'étiquetage capable de transformer la tâche d'extraction conjointe en un problème d'étiquetage. Ensuite, en nous appuyant sur notre schéma d'étiquetage, nous examinons différents modèles end-to-end permettant d'extraire directement les entités et leurs relations, sans avoir à identifier séparément les entités et les relations. Nous menons des expériences sur un jeu de données public généré par la méthode de supervision distante, et les résultats expérimentaux montrent que les méthodes basées sur l'étiquetage sont supérieures à la plupart des méthodes existantes en cascade et en apprentissage conjoint. De plus, le modèle end-to-end proposé dans cet article obtient les meilleurs résultats sur le jeu de données public.