L'extraction de relations temporelles vise à extraire les relations temporelles entre les paires d'événements, ce qui est crucial pour la compréhension du langage naturel. Très peu d'efforts ont été consacrés à la capture des caractéristiques globales. Dans cet article, nous proposons RSGT : Relational Structure Guided Temporal Relation Extraction, une méthode visant à extraire des caractéristiques structurelles relationnelles adaptées aussi bien aux relations intra-phrases qu'inter-phrases. Plus précisément, nous construisons un graphe fondé sur la syntaxe et le sens afin d'extraire les structures relationnelles. Ensuite, nous proposons un modèle basé sur les réseaux de neurones graphiques pour apprendre la représentation de ce graphe. Par la suite, une tâche auxiliaire de prédiction des voisins temporels est utilisée pour affiner l'encodeur afin d'obtenir des représentations de nœuds plus complètes. Enfin, nous appliquons un algorithme de détection et de correction des conflits pour corriger les étiquettes prédites de manière erronée. Des expériences menées sur deux jeux de données bien connus, MATRES et TB-Dense, démontrent l'efficacité de notre méthode (amélioration de 2,3 % en F1 sur MATRES, de 3,5 % sur TB-Dense).