Nous nous sommes intéressés à un domaine particulier des réseaux de neurone qui est celui de la modélisation des comportements dépendant du contexte. Pour cela nous avons développé un nouveau type d'algorithme d'apprentissage (LCLA) pour les architectures fondées sur des ensembles de plusieurs perceptrons multi-couches dans lesquelles le comportement dépendant du contexte est statiquement distribué sur chacun de ces réseaux. Puis nous avons développé, par extension aux caractéristiques de ce type d'architecture, un nouveau modèle neuronal, ainsi que son algorithme d'apprentissage, dans lequel les efficacités synaptiques des connexions sont dynamiquement estimées en regard du contexte du comportement à modéliser (OWE). D’autre part, tout au long de cette recherche nous avons pu faire de fortes analogies avec des études sur la psychologie du comportement d'une part et avec des structures neurobiologiques d'autre part nous permettant ainsi de valider notre approche dans le domaine pluridisciplinaire qu'est celui du neuro-mimétisme. Ces modèles ont également fait l'objet de validation sur des applications industrielles au sein de la société Sollac, pour le pré-réglage d'une machine d'écrouissage appelé skinpass 80' et dans la mise en œuvre d'un contrôleur neuronal pour la régulation des températures des zones d'un four de recuit continu mixte (RCM)