Dans de nombreux domaines, la recherche de connaissances temporelles (épisodes récurrents à partir d'une longue séquence ou de bases de séquences, ...) est très appréciée. La recherche de telles informations est d'autant plus intéressante qu'elle permet de prendre en compte un certain nombre de contraintes entre les évènements. Des techniques ont ainsi été proposées aussi bien en fouille de données qu'en apprentissage, afin d'extraire et de gérer de telles connaissances, en les associant à la spécification de contraintes temporelles (e.g. : fenêtre temporelle maximale), notamment dans le contexte de la recherche de motifs séquentiels généralisés. Ceux-ci permettent d'obtenir des séquences fréquentes respectant des contraintes spécifiées par l'utilisateur, à partir d'une base de séquences. Cependant, ces contraintes sont souvent trop rigides ou nécessitent une bonne connaissance du domaine pour ne pas extraire des informations erronées. C'est pourquoi nous proposons une approche basée sur la construction de graphes de séquences afin de prendre en compte des contraintes de temps plus souples. Ces contraintes sont relâchées par rapport aux contraintes de temps précédemment proposées. Elles offrent ainsi plus de flexibilité à l'utilisateur et permettent d'extraire plus de motifs pertinents. Afin de guider l'analyse des motifs obtenus, nous proposons également un niveau de précision des contraintes temporelles pour les motifs extraits.