La reconnaissance d'entités nommées et l'extraction de relations constituent des sous-tâches fondamentales de l'extraction de triples relationnels. Des études récentes ont exploité le partage de paramètres ou le décodage conjoint pour instaurer une interaction entre ces deux tâches. Toutefois, garantir la spécificité des caractéristiques propres à chaque tâche tout en assurant une interaction adéquate entre elles demeure un défi majeur. Dans cet article, nous proposons un encodeur à multi-portes qui modélise une interaction bidirectionnelle entre les tâches tout en préservant une spécificité suffisante des caractéristiques grâce à un mécanisme de portes. Plus précisément, nous concevons deux types de portes indépendantes : des portes tâche, destinées à générer des caractéristiques spécifiques à chaque tâche, et des portes d’interaction, chargées de produire des caractéristiques d’orientation pour guider l’autre tâche. Nos expérimentations montrent que notre méthode améliore les scores F1 relationnels de l’état de l’art (SOTA) sur les jeux de données ACE04, ACE05 et SciERC à respectivement 63,8 % (+1,3 %), 68,2 % (+1,4 %) et 39,4 % (+1,0 %), tout en offrant une vitesse d’inférence supérieure à celle du modèle SOTA précédent.