La classification des relations vise à prédire une relation entre deux entités dans une phrase. Les méthodes existantes considèrent toutes les relations comme des candidats possibles pour deux entités données dans une phrase. Ces approches négligent les contraintes imposées par les types d'entités sur les relations candidates, ce qui entraîne la présence de relations inappropriées parmi les candidats. Dans cet article, nous proposons un nouveau paradigme, appelé RElation Classification with ENtity Type restriction (RECENT), qui exploite les types d'entités pour restreindre les relations candidates. Plus précisément, les interactions mutuelles entre les relations et les types d'entités sont formellement modélisées et intégrées dans le processus de classification des relations. En outre, le paradigme proposé, RECENT, est indépendant du modèle utilisé. Deux modèles représentatifs, GCN et SpanBERT, ont été adaptés selon ce cadre, donnant naissance à RECENT_GCN et RECENT_SpanBERT. Les résultats expérimentaux sur un jeu de données standard montrent que RECENT améliore les performances de GCN et SpanBERT respectivement de 6,9 et 4,4 points F1. En particulier, RECENT_SpanBERT atteint un nouveau record sur le jeu de données TACRED.