À ce jour, l’analyse de sentiment axée sur les aspects (ABSA) comporte sept sous-tâches, dont les interactions mutuelles restent cependant insuffisamment explorées. Ce travail présente un nouveau cadre hiérarchique multiplex à cascade pour une ABSA unifiée, tout en préservant efficacement ces interactions. Premièrement, nous modélisons les sept sous-tâches comme une dépendance hiérarchique ordonnée du plus simple au plus complexe. Sur cette base, nous proposons un mécanisme de décodage multiplex, permettant de transférer les structures de sentiment et les indices des tâches inférieures vers les tâches supérieures. Cette stratégie multiplexe permet des flux inter-sous-tâches hautement efficaces, tout en évitant l’entraînement répétitif ; elle exploite pleinement les données existantes sans nécessiter d’étiquetage supplémentaire. Par ailleurs, en tenant compte des caractéristiques de l’extraction et du couplage des termes aspect-opinion, nous améliorons notre cadre multiplexe en intégrant des informations de tags POS (part-of-speech) et de dépendances syntaxiques pour une meilleure identification des bornes des termes et de leurs paires. Le cadre proposé, nommé SyMux (Syntax-aware Multiplex), améliore significativement les performances de l’ABSA sur 28 sous-tâches (7 × 4 jeux de données), avec des gains importants.