La tâche partagée ArgMining 2022 consiste à prédire la validité et la nouveauté d'une inférence à partir d'une paire prémisse-conclusion. Nous proposons deux modèles basés sur des réseaux feed-forward (KEViN1 et KEViN2), combinant des caractéristiques extraites de plusieurs transformeurs préentraînés et du graphe de connaissances WikiData. Les transformeurs sont utilisés pour prédire l'entraînement et la similarité sémantique, tandis que WikiData fournit une mesure sémantique entre les concepts présents dans la paire prémisse-conclusion. Nos modèles proposés montrent une amélioration significative par rapport à RoBERTa, avec KEViN1 surpassant KEViN2 et obtenant la deuxième place sur les deux sous-tâches (A et B) de la tâche partagée ArgMining 2022.