L’analyse de sentiment axée sur les aspects (Aspect-based Sentiment Analysis, ABSA) a récemment suscité un intérêt croissant. L’ABSA peut être divisée en plusieurs tâches selon les éléments extraits. Les méthodes génératives existantes traitent généralement la sortie comme une chaîne unique, plutôt que comme une combinaison d’éléments distincts, et se concentrent sur une seule tâche à la fois. Ce papier propose un cadre unifié génératif multi-tâches, capable de résoudre plusieurs tâches d’ABSA en contrôlant le type de promt de tâche, composé de plusieurs promts d’éléments. En outre, l’approche proposée permet d’entraîner sur des tâches simples puis de transférer vers des tâches plus complexes en assemblant des promts de tâche, de manière similaire à l’assemblage de briques Lego. Nous menons des expériences sur six tâches d’ABSA à travers plusieurs benchmarks. Notre approche multi-tâches atteint de nouveaux résultats de l’état de l’art dans presque toutes les tâches, ainsi que des résultats compétitifs dans les scénarios de transfert de tâches.