Le sujet d'étude de cette thèse concerne l'analyse des arguments au sein des débats politiques. Nous avons utilisé des techniques d'intelligence artificielle pour identifier automatiquement les composants argumentaires au sein des débats politiques. Notre approche de ce sujet est pluridisciplinaire, englobant plusieurs domaines incluant : le traitement du langage naturel, l'extraction d'arguments, et l'analyse de graphes en utilisant les GNNs. Nous commençons par analyser les débats politiques des élections présidentielles françaises en construisant un corpus de débats français. Cela nous permet de mieux comprendre la complexité des tâches d'extraction d'arguments et les raisons pour lesquelles il est difficile de construire de très grands ensembles de données. Par la suite, nous nous sommes penchés sur les méthodes qui tirent parti des structures syntaxiques des phrases pour faciliter la formation de modèles d'IA sur de petits ensembles de données. Pour ce faire, nous avons exploré la théorie des graphes pour exploiter les arbres syntaxiques des phrases. Nous avons ensuite proposé une nouvelle méthode pour faciliter l'utilisation de divers jeu de données ayant des schéma d'annotation similaire lors de la formation d'un modèle pour l'identification des composants argumentaires. Enfin, nous avons développé une nouvelle approche basée sur l'algèbre de Boole pour construire une nouvelle architecture d'apprentissage machine mieux adaptée aux propriétés de dépendance des nœuds.