L'évaluation des phrases et la sélection des phrases sont deux étapes principales dans les systèmes de résumé de documents par extraction. Cependant, les travaux antérieurs les traitent comme deux sous-tâches distinctes. Dans cet article, nous présentons un nouveau cadre de réseau neuronal de bout en bout pour le résumé de documents par extraction, qui apprend conjointement à évaluer et à sélectionner les phrases. Ce cadre lit d'abord les phrases du document avec un encodeur hiérarchique pour obtenir la représentation des phrases. Ensuite, il construit le résumé de sortie en extrayant les phrases une par une. Contrairement aux méthodes précédentes, notre approche intègre la stratégie de sélection dans le modèle d'évaluation, ce qui permet de prédire directement l'importance relative en tenant compte des phrases déjà sélectionnées. Les expériences menées sur le jeu de données CNN/Daily Mail montrent que le cadre proposé surpasse significativement les modèles de résumé par extraction les plus avancés actuellement disponibles.