Dans cet article, nous proposons un cadre unifié pour la sélection de variables semi-supervisée dans un contexte multi-labels, en se basant sur le score Laplacien. En particulier, nous montrons comment contraindre la fonction de ce score, lorsque les données sont partiellement étiquetée et chaque instance est associée à un ensemble d'étiquettes, simultanément. Nous transformons la partie étiquetée des données en contraintes "relaxées" et montrons comment les intégrer dans une mesure de pertinence pour les variables, selon la disponibilité des étiquettes. Des expérimentations sur des ensembles de données de référence sont fournis pour valider l'approche proposée et la comparer avec d'autres méthodes de sélection de variables dans le contexte multi-labels.