La publication et l'édition concurrentes de graphes de connaissances, notamment biomédicaux, au sein du Web des données entraînent l'existence de recouvrements entre ces graphes. Leur appariement est donc une tâche essentielle si l'on veut considérer l'ensemble des connaissances disponibles pour un domaine, ce qui inclut l'identification de noeuds équivalents, plus spécifiques ou similaires au sein de graphes agrégés. Nous proposons d'identifier et de typer ces appariements en apprenant des plongements de noeuds avec les réseaux convolutifs de graphes, puis en partitionnant par clustering les noeuds en fonction de la similarité de leurs plongements. Nous avons expérimenté cette approche en alignant des connaissances pharmacogénomiques, l'application réelle qui a motivé ce travail. Nous examinons particulièrement l'apport des connaissances de domaine en mesurant l'amélioration des résultats d'alignement après application de règles d'inférence. Nous observons des distances entre plongements cohérentes avec les alignements connus, notamment des distances plus faibles pour les équivalences.