Ce papier présente une proposition pour l'annotation de document multimédia basée sur la modélisation et l'unification de caractéristiques élicitées à partir du contenu et de la structure de ces documents. Notre approche est fondée sur l'accessibilité des métadonnées représentant le contenu et la structure de documents multimédia. Des opérateurs temporels et spatiaux sont également pris en considération dans l'annotation des documents. Les différentes métadonnées sont identifiées et regroupées dans un descripteur appelé « méta-document ». Ces méta-documents sont utilisés lors de l'interrogation des documents multimédia via des langages adaptés telle que XQuery.