La résolution automatique de problèmes de géométrie en mathématiques dans l'intelligence artificielle (IA) implique une compréhension de l'information multimodale et des mathématiques. Les méthodes actuelles peinent à interpréter correctement les diagrammes géométriques, ce qui entrave une résolution efficace des problèmes. Pour aborder cette question, nous présentons le modèle Geometry problem sOlver with natural Language Description (GOLD). GOLD améliore l'extraction des relations géométriques en traitant séparément les symboles et les primitives géométriques figurant dans le diagramme. Ensuite, il convertit ces relations extraites en descriptions en langage naturel, utilisant efficacement les grands modèles linguistiques pour résoudre les problèmes de géométrie mathématique. Les expériences montrent que le modèle GOLD surpasse le modèle Geoformer, la méthode précédemment la plus performante sur l'ensemble de données UniGeo, en réalisant des améliorations de précision de 12,7 % et 42,1 % dans les sous-ensembles de calcul et de démonstration. De plus, il dépasse le meilleur modèle précédent sur les ensembles de données PGPS9K et Geometry3K, PGPSNet, en obtenant des améliorations de précision respectives de 1,8 % et 3,2 %.