La plupart des études précédentes sur l'extraction d'événements au niveau du document se concentrent principalement sur la construction de chaînes d'arguments de manière autoregressive, ce qui a permis d'obtenir certains succès mais s'avère inefficace tant en entraînement qu'en inférence. Contrairement aux études antérieures, nous proposons un modèle rapide et léger nommé PTPCG. Dans notre modèle, nous avons conçu une nouvelle stratégie pour la combinaison des arguments d'événements, associée à un algorithme de décodage non autoregressif via des graphes complets élagués, construits sous la direction des pseudo-déclencheurs sélectionnés automatiquement. Comparativement aux systèmes précédents, notre système obtient des résultats compétitifs avec seulement 19,8 % des paramètres et une consommation de ressources beaucoup plus faible, nécessitant seulement 3,8 % des heures de GPU pour l'entraînement et jusqu'à 8,5 fois plus rapide pour l'inférence. De plus, notre modèle montre une compatibilité supérieure pour les jeux de données avec (ou sans) déclencheurs, et les pseudo-déclencheurs peuvent servir de compléments aux déclencheurs annotés pour apporter des améliorations supplémentaires. Le code source est disponible à l'adresse suivante : https://github.com/Spico197/DocEE .