Nous présentons dans cet article une méthode supervisée de structu- ration (en DAG) d'un ensemble d'éléments. Étant donnés une structure cible et un ensemble de relations sur ces éléments, il s'agit d'apprendre un modèle de structuration par combinaison des relations initiales. Nous formalisons ce pro- blème dans le cadre de la théorie de la prétopologie qui permet d'atteindre des modèles de structuration complexes. Nous montrons que la non-idempotence de la fonction d'adhérence rentre dans le cadre du formalisme de l'apprentissage (supervisé) multi-instance et nous pro- posons un algorithme d'apprentissage reposant sur le dénombrement des «sacs» positifs et négatifs plutôt que sur un ensemble d'apprentissage standard. Une première expérimentation de cette méthode est présentée dans un cadre applicatif de fouille de textes, consistant à apprendre un modèle de structuration taxonomique d'un ensemble de termes.