Ce document présente un nouveau cadre, MGNER (Multi-Grained Named Entity Recognition), pour la reconnaissance d'entités nommées à multiples grains, où plusieurs entités ou mentions d'entités dans une phrase peuvent être non superposées ou totalement imbriquées. Contrairement aux approches traditionnelles qui considèrent la reconnaissance des entités nommées comme une tâche de labellisation séquentielle et annotent les entités de manière consécutive, MGNER détecte et reconnaît les entités à différents niveaux de granularité : il est capable de reconnaître des entités nommées sans supposer explicitement des structures non superposées ou totalement imbriquées. MGNER se compose d'un Détecteur qui examine tous les segments de mots possibles et d'un Classifieur qui catégorise les entités. De plus, des informations contextuelles et un mécanisme d'auto-attention sont utilisés tout au long du cadre pour améliorer les performances de la reconnaissance des entités nommées. Les résultats expérimentaux montrent que MGNER surpasse les méthodes actuelles de pointe jusqu'à 4,4 % en termes de score F1 parmi les tâches de NER imbriquée/non superposée.