Dans ce papier, nous présentons un graphe de connaissances RDF permettant de décrire, structurer et intégrer des annotations d'entités nommées extraites automatiquement par l'outil Alvis NLP à partir de publications scientifiques portant sur la génétique et le phénotypage de blé. Ces entités nommées se réfèrent à la fois à des noms de gènes, traits, phénotypes, marqueurs et variétés impliqués dans la culture du blé. Cependant, une fois extraites, ces annotations sont stockées dans un format brut rendant difficile leur exploitation par les chercheurs. D'où, notre intérêt de les transformer (lifter) en un format compatible avec les standards de publication de données liées afin de construire un graphe de connaissances dans lequel des entités provenant à la fois de bases de connaissances génomiques et d'articles scientifiques ont été sémantiquement décrites et intégrées. Basé sur un ensemble de questions de compétence formulées par un expert du domaine, nous avons validé la pertinence du modèle proposé et par conséquent le graphe de connaissances généré.