Actuellement, une avancée majeure des réseaux de neurones artificiels est de ne plus se limiter aux seules fonctions de prétraitement ou de classification et de revendiquer pleinement leur appartenance au domaine de l'intelligence artificielle. Plus particulièrement, au-delà de l'utilisation d'une boite noire pour classer ou identifier des données, on cherche à comprendre comment les réseaux de neurones pourraient apporter leur contribution à l'extraction de connaissances d'une base de données et étendre ainsi leur domaine de compétence. Notre travail se situe donc dans un domaine actuellement en plein essor qui consiste à ajouter aux propriétés naturellement adaptatives des réseaux de neurones artificiels des capacités de plus haut niveau de manipulation symbolique. Nous nous sommes en particulier intéressés au domaine du traitement de données radar. Pour notre problème, les réseaux de neurones artificiels, testes extensivement sous différentes versions (réseaux prototypaux, cartes auto-organisatrices, réseaux multi-couches) se sont rapidement révélés être des outils efficaces de classification dont les performances dépassent les meilleurs outils statistiques utilises par les radaristes. Au-delà de ces bons résultats, les radaristes désiraient aussi acquérir une meilleure connaissance de leurs données et comprendre sur quels critères les réseaux de neurones artificiels se fondaient pour réaliser leur tâche. Nous avons donc utilise et amélioré des outils d'élagage de réseaux, qui consistent à retirer des connexions superflues ou redondantes tout en conservant de bonnes performances. Nous obtenons ainsi des réseaux faiblement connectés à partir desquels nous proposons différentes méthodes d'extraction de connaissances. Ces connaissances s'expriment sous forme de règles ou de définitions d'indices extraits. Cette approche se focalise sur l'utilisation des réseaux de neurones artificiels comme outils pour extraire des connaissances sub-symboliques dans un domaine où l'expertise n'existe pas. En perspective de ces travaux, nous proposons des stratégies pour coupler cette approche à des systèmes classiques d'intelligence artificielle