La tâche d'extraction des causes émotionnelles (ECE) vise à découvrir les causes potentielles derrière une certaine expression d'émotion dans un document. Des techniques telles que les méthodes basées sur des règles, les méthodes traditionnelles d'apprentissage automatique et les réseaux neuronaux profonds ont été proposées pour résoudre cette tâche. Cependant, la plupart des travaux antérieurs considéraient l'ECE comme un ensemble de problèmes de classification de clauses indépendants et négligeaient les relations entre plusieurs clauses dans un document. Dans ce travail, nous proposons un cadre d'extraction conjointe des causes émotionnelles, nommé Réseau Hiérarchique RNN-Transformer (RTHN), pour encoder et classer plusieurs clauses simultanément. Le RTHN est composé d'un encodeur de niveau inférieur basé sur les RNN pour encoder plusieurs mots dans chaque clause, et d'un encodeur de niveau supérieur basé sur le Transformer pour apprendre la corrélation entre plusieurs clauses dans un document. Nous proposons également des méthodes pour encoder l'information de position relative et de prédiction globale dans le Transformer, ce qui permet de capturer la causalité entre les clauses et rend le RTHN plus efficace. Nous obtenons finalement les meilleures performances parmi 12 systèmes comparés et améliorons le score F1 de l'état de l'art de 72,69 % à 76,77 %.