L’extraction de paires émotion-causes vise à extraire toutes les paires potentielles d’émotions et de causes correspondantes à partir de textes non annotés contenant des émotions. La plupart des méthodes existantes reposent sur un cadre en chaîne (pipeline), qui identifie les émotions et extrait les causes séparément, ce qui entraîne un inconvénient majeur : la propagation d’erreurs. Pour remédier à ce problème, nous proposons un modèle basé sur une transition, qui transforme la tâche en une procédure de construction d’un graphe orienté analogue à un processus d’analyse syntaxique. Ce modèle génère de manière incrémentale un graphe orienté étiqueté à partir d’une séquence d’actions, permettant ainsi de reconnaître simultanément les émotions et leurs causes correspondantes. Cette approche optimise conjointement les sous-tâches séparées et maximise les bénéfices mutuels entre les tâches interdépendantes. Les résultats expérimentaux montrent que notre méthode atteint les meilleurs performances, dépassant les méthodes de pointe de 6,71 % (p < 0,01) en mesure F1.