L'extraction de mots d'opinion ciblés (TOWE) est une nouvelle sous-tâche de l'Analyse des Sentiments Basée sur les Aspects (ABSA), visant à extraire les mots d'opinion correspondants à une cible d'opinion donnée dans une phrase. Récemment, des méthodes basées sur les réseaux neuronaux ont été appliquées à cette tâche et ont obtenu des résultats prometteurs. Cependant, la difficulté de l'annotation rend les jeux de données pour le TOWE insuffisants, ce qui limite considérablement les performances des modèles neuronaux. En revanche, des données abondantes de classification de sentiments dans les avis sont facilement disponibles sur les sites de critiques en ligne. Ces avis contiennent une quantité substantielle d'informations d'opinions latentes et de motifs sémantiques. Dans cet article, nous proposons un modèle novateur pour transférer ces connaissances en matière d'opinions des jeux de données riches en ressources de classification de sentiments dans les avis vers la tâche à faibles ressources du TOWE. Pour relever les défis du processus de transfert, nous avons conçu une méthode de transformation efficace pour obtenir des opinions latentes, puis nous les avons intégrées au TOWE. Les résultats expérimentaux étendus montrent que notre modèle atteint de meilleures performances par rapport aux autres méthodes de pointe et dépasse significativement le modèle de base sans transfert des connaissances en matière d'opinions. Une analyse supplémentaire valide l'efficacité de notre modèle.