L'extraction de triplets d'aspect-sentiment-opinion (ASTE) est la tâche consistant à extraire les triplets formés par les entités cibles, leur sentiment associé et les segments d'opinion expliquant la raison de ce sentiment. Les efforts de recherche existants résolvent principalement ce problème en utilisant des approches en cascade, qui divisent le processus d'extraction de triplets en plusieurs étapes. Notre observation est que les trois éléments au sein d'un triplet sont fortement interconnectés, ce qui nous motive à construire un modèle conjoint pour extraire ces triplets en utilisant une approche de marquage séquentiel. Cependant, concevoir efficacement un schéma de marquage capable d'extraire les triplets tout en capturant les interactions riches entre les éléments reste une question de recherche complexe. Dans cette étude, nous proposons le premier modèle end-to-end doté d'un nouveau schéma de marquage prenant en compte la position, capable d'extraire conjointement les triplets. Nos résultats expérimentaux sur plusieurs jeux de données existants montrent que l'extraction conjointe des éléments du triplet grâce à notre approche améliore les performances par rapport aux méthodes actuelles. Nous avons également mené des expériences approfondies pour évaluer l'efficacité et la robustesse du modèle.