Nous présentons un cadre général pour plusieurs tâches d'extraction d'information qui partagent des représentations d'intervalles à l'aide de graphes d'intervalles construits dynamiquement. Les graphes sont construits en sélectionnant les entités d'intervalle les plus probables et en reliant ces nœuds par des types de relations pondérés par la confiance et des co-références. Le graphe d'intervalles dynamique permet aux confiances des co-références et des types de relations de se propager à travers le graphe afin de raffiner itérativement les représentations d'intervalle. Cela diffère des cadres multitâche précédents pour l'extraction d'information, dans lesquels l'interaction entre les tâches se limite à la couche LSTM partagée du premier niveau. Notre cadre surpasse significativement l'état de l'art sur plusieurs tâches d'extraction d'information à travers plusieurs jeux de données reflétant différents domaines. Nous observons également que l'approche d'énumération des intervalles est efficace pour détecter les entités d'intervalle imbriquées, avec une amélioration notable du score F1 sur le jeu de données ACE.