Ce travail traite des r?seaux neuronaux (NN), plus particuli?rement des NN multicouches du point de vue de l'apprentissage des algorithmes. Nous d?crirons le r?seau neuronal ? action directe (FFNN), le r?seau neuronal r?current (RCNN) et nous pr?senterons les faits de base sur les r?seaux neuronaux, qui seront utilis?s plus tard dans la dissertation. Un r?seau neuronal est un mod?le math?matique qui s'inspire des r?seaux neuronaux biologiques et tente de les simuler. Il se compose d'unit?s interconnect?es - les neurones, qui sont les unit?s de calcul d'un r?seau neuronal. Les r?seaux neuronaux font partie de l'intelligence artificielle. Les connaissances sont stock?es dans les connexions entre les neurones qui sont appel?es poids synaptiques (weights), simplification des dendrites et des axones biologiques. Le NN est un approximateur universel des relations stock?es ? l'int?rieur des donn?es - un approximateur statistique non lin?aire de mod?lisation des donn?es, capable d'apprendre et d'adapter sa structure en fonction des informations internes/externes qui sont propag?es ? travers le NN pendant la phase d'apprentissage. Il est relativement facile ? utiliser dans un large ?ventail de domaines techniques et non techniques sans avoir besoin de connaissances th?oriques suppl?mentaires pour la plupart des NNs. Il existe un certain nombre de NNs qui n?cessitent des connaissances pour les mettre en ?uvre et utiliser un ensemble correct de param?tres d'initialisation.