Method for the second level, the goal of this phase is to extract information and conclusions from the data base collected from the urology department of the hospital Ibn-Rochd in the city Le travail présenté dans ce mémoire se situe dans le domaine de l'intelligence artificielle, de la reconnaissance de formes et plus précisément, celui des systèmes d’aide au diagnostic médical. Notre étude a pour objectif essentiel de proposer une approche multi-classifieur dans le but de prédire le stade du cancer de la prostate. Beaucoup de progrès ont été accomplis dans ce domaine au cours de la dernière décennie, la détection du cancer de la prostate dans un stade précoce augmente les chances d’un traitement curatif, car le cancer de la prostate est souvent asymptomatique, parce qu’il n’éprouve jamais des symptômes à la personne atteinte, ce qui cause une difficulté à l’urologue dans sa découverte. L’approche proposée est composée de deux phases essentiels, la première phase consiste à une classification à deux niveaux: la carte auto-organisatrice de Kohonen (SOM) pour le premier niveau et la méthode de K-moyenne pour le deuxième niveau, le but de cette phase est de tirer des informations ainsi que des conclusions à partir de la base de données collectées depuis le service d’urologie de l’hôpital Ibn-Rochd de la wilaya d’Annaba. Dans la deuxième phase on a adopté une approche multi-classifieur en utilisant : Le perceptron multicouche (MLP), les k-plus proches voisins (KPPV) et le classifieur CMoyenne floue, le but de cette phase est de prédire six stades du cancer de la prostate : localisé à faible risque, localisé à risque intermédiaire, localisé à haut risque, localement avancé, avec atteinte ganglionnaire pelvienne et métastatique, en utilisant comme entrées six facteurs cliniques qui sont : La scintigraphie osseuse, le score de Gleason, la taille de la tumeur (T), l’indicateur de la présence ou non de cellules cancéreuses dans les ganglions (N), l’indicateur de présence de métastases (M), antigène spécifique de la prostate (PSA).