La lecture de compréhension de texte (MRC) à plusieurs intervenants pose un objectif de compréhension encore plus exigeant dans les dialogues impliquant plus de deux participants, par rapport à la tâche classique de MRC sur des passages linéaires. Pour effectuer avec précision la tâche de réponse aux questions (QA) à partir d’un tel dialogue multilatéral, les modèles doivent gérer des relations discursives fondamentalement différentes de celles présentes dans les textes plats non dialogués, où les relations discursives sont censées relier deux énoncés éloignés entre eux selon une logique linguistique. Afin d’explorer plus en profondeur le rôle de cette structure discursive inhabituelle sur la tâche associée de QA dans le cadre de la MRC, nous proposons le premier modèle multitâche visant à effectuer conjointement la QA et l’analyse syntaxique discursive (DP) sur les dialogues à plusieurs intervenants. Notre modèle est évalué sur le dernier benchmark, Molweni, dont les résultats montrent que l’apprentissage conjoint avec des tâches complémentaires bénéficie non seulement à la tâche de QA, mais également à la tâche de DP elle-même. Nous constatons également que le modèle conjoint se révèle nettement plus performant dans la gestion des dialogues plus longs, ce qui confirme à nouveau la nécessité de l’analyse discursive dans le cadre de la MRC associée.