Malgré le succès des modèles de réseaux neuronaux sur graphe dans la classification de nœuds, la prédiction d'arêtes (la tâche consistant à prédire les liens manquants ou potentiels entre les nœuds d'un graphe) reste un problème difficile pour ces modèles. Une approche courante pour la prédiction d'arêtes consiste à obtenir d'abord les plongements (embeddings) de deux nœuds, puis à utiliser une fonction de score préétablie pour prédire l'existence d'une arête entre ces deux nœuds. Ici, nous introduisons une idée préliminaire appelée Edge2Node qui propose d'obtenir directement un plongement pour chaque arête, sans nécessiter une fonction de score. Cette idée vise à créer un nouveau graphe H à partir du graphe G donné pour la tâche de prédiction d'arêtes, puis suggère de réduire la tâche de prédiction d'arêtes sur G à une tâche de classification de nœuds sur H. Nous anticipons que cette méthode introductive pourrait stimuler des recherches supplémentaires pour la tâche de prédiction d'arêtes.