Notre manuscrit se place dans le cadre de l'optimisation algorithmique et architecturale des algorithmes neuronaux. En fait, notre objectif est de proposer une approche de conception d'architecture dA(c)diA(c)e en temps rA(c)el, intA(c)grant entre autres une A(c)tape d'optimisation automatique de l'implantation d'un rA(c)seau de neurones. L'idA(c)e est d'adopter une approche de prototypage d'implantation sur circuits reconfigurables des rA(c)seaux de neurones A apprentissage supervisA(c) Learning Vector Quantization LVQ tout en essayant de garder le fonctionnement parallA]le des neurones...