Les modèles d'extraction de relations (RE) sont confrontés à une dépendance importante vis-à-vis des données d'entraînement annotées de manière coûteuse. Étant donné que les tâches de résumé visent à extraire des formulations concises d'informations synthétiques à partir de contextes plus longs, ces tâches s'alignent naturellement sur l'objectif de la RE, à savoir extraire une forme d'information synthétique décrivant la relation entre des mentions d'entités. Nous proposons SuRE, une méthode qui reformule la RE sous la forme d'une tâche de résumé. SuRE permet d'obtenir une extraction de relations plus précise et plus efficace en ressources, grâce à une supervision indirecte issue des tâches de résumé. Pour atteindre cet objectif, nous avons développé des techniques de transformation de phrases et de relations, qui permettent fondamentalement de relier les formulations des tâches de résumé et de RE. Nous intégrons également des techniques de décodage contraintes avec une évaluation basée sur un arbre Trie afin d'améliorer davantage la RE fondée sur le résumé, avec un raisonnement plus robuste. Des expériences menées sur trois jeux de données de RE démontrent l'efficacité de SuRE, tant dans les scénarios à données complètes qu'en situation à faibles ressources, montrant ainsi que le résumé constitue une source prometteuse de supervision indirecte pour améliorer les modèles de RE.