Nous considérons le problème consistant à apprendre à annoter des documents avec des concepts ou des mots clefs dans des réseaux d’information avec contenu, où les documents peuvent partager plusieurs types de relation. Ces concepts associés au document dépendent à la fois de son contenu et de ses voisins dans le graphe à travers les différentes relations. Nous formalisons ce problème comme de la classification multiétiquette dans un multigraphe, les noeuds étant les documents et les arcs représentant les différentes relations. Nous introduisons une nouvelle méthode d’étiquetage des noeuds qui exploite à la fois le contenu et la structure multirelationnelle du graphe. L’algorithme apprend également à pondérer les différents types de relations selon leur importance pour la tâche d’annotation. Les expériences sur les différents corpora correspondent à différentes tâches d’annotation sur des articles scientifiques, des emails et des images de Flickr et montrent que le modèle est capable de tirer parti de l’information relationnelle riche.