La plupart des travaux antérieurs sur l’extraction des relations temporelles se sont limités à l’extraction des relations temporelles entre événements, ou souffraient du problème des différentes expressions des événements, des timexes et de l’heure de création du document (DCT). De plus, la DCT peut agir comme un pivot permettant de relier sémantiquement les autres événements et timexes présents dans un document. Malheureusement, les approches antérieures ne parviennent pas à tirer parti de cette information cruciale. Pour surmonter ces limitations, nous proposons un modèle unifié d’extraction des relations temporelles centré sur la DCT, appelé DTRE, afin d’identifier les relations entre événements, timexes et DCT. Plus précisément, une représentation de type phrase pour la DCT est introduite afin de résoudre le premier problème et d’unifier les expressions des événements, des timexes et de la DCT. Ensuite, un graphe conscient de la DCT est appliqué pour obtenir des représentations contextuelles structurées. Par ailleurs, un cadre d’apprentissage multi-tâches ancré sur la DCT est proposé pour prédire simultanément les trois types de relations temporelles en un seul lot. Enfin, une inférence globale guidée par la DCT est appliquée pour renforcer davantage la cohérence globale entre les différentes relations. Les résultats expérimentaux sur trois jeux de données montrent que notre modèle DTRE surpasser significativement plusieurs méthodes de pointe (SOTA) sur les tâches E-E, E-T et E-D.