Récemment, les modèles de séquence à séquence ont obtenu des performances remarquables sur plusieurs tâches de parsing sémantique. Toutefois, ils explorent souvent peu les ressources linguistiques disponibles, alors que celles-ci, lorsqu’elles sont utilisées de manière appropriée, pourraient encore améliorer significativement les résultats. Des recherches en traduction automatique neuronale ont montré que l’intégration de ces informations présente un fort potentiel, en particulier dans un cadre à plusieurs encodeurs. Nous utilisons une variété de ressources sémantiques et syntaxiques afin d’améliorer les performances sur la tâche de parsing de structures de représentation du discours. Nous démontrons que (i) les caractéristiques linguistiques peuvent être bénéfiques pour le parsing sémantique neuronal, et (ii) la méthode la plus efficace pour intégrer ces caractéristiques consiste à utiliser plusieurs encodeurs.