L'identification de l'agent, de l'action et du patient est un aspect majeur de la compréhension des langues naturelles, ce qui constitue précisément l'objectif de la tâche d'étiquetage des rôles sémantiques (SRL). Bien que ces deux tâches partagent de nombreuses caractéristiques de traitement et même une finalité similaire, il est surprenant que leur considération conjointe n'ait jamais été formellement rapportée dans les travaux précédents. Ainsi, cet article fait la première tentative pour permettre à l'SRL d'améliorer la compréhension et l'inférence textuelles en spécifiant les prédicats verbaux et leurs rôles sémantiques correspondants. En ce qui concerne les modèles d'apprentissage profond, nos plongements (embeddings) sont renforcés par des étiquettes sémantiques contextuelles explicites pour une sémantique plus fine. Nous démontrons que les étiquettes saillantes peuvent être facilement ajoutées aux modèles existants et améliorent considérablement les modèles d'apprentissage profond dans des tâches complexes de compréhension textuelle. Des expériences approfondies sur des ensembles de données de référence pour la compréhension automatique de la lecture et l'inférence montrent que l'apprentissage sémantique proposé aide notre système à atteindre un nouveau niveau d'état de l'art par rapport à des baselines robustes déjà renforcées par des modèles linguistiques bien pré-entraînés issus des derniers progrès.