L'application de reconnaissance de la parole ne cesse de s'accroître dans notre environement,qui justifie l'importance donnée par plusieurs équipes de recherche à Nous avons développé plusieurs méthodes HMMc (les modèles de Markov continu)Nous avons étudié particulièrement les modèles de Markov caché discret et continu. Les modèles HMMc prouvent leurs efficacités par rapport aux modèlesce thème. Notre travail consiste à étudier des méthodes de HMMd. De nombreuses expériences ont déjà montré qu'une nette amélioration du taux de reconnaissance des systèmes HMM traditionnels est observée lorsque plus de données d'entraînement sont utilisées. En revanche, l'augmentation du nombre de données d'entraînement pour Jes modèJes HMMc s'accompagne d'une forte II I I ~ i augmentation du temps écessaire à l'entraînement des modèles. Nous avons développé une méthode hybrides combinant la technologie des modèles de Markov cachés et la technique d'alignement temporel. Cette méthode a été testé et comparée à celle des HMMc classique sur plusieurs taches de reconnaissance, améliorent fortement les taux de reconnaissance. Nous avons donc développé un système de reconnaissance de la parole isolé petit vocabuJaire en français utilisant les modèles hybrides. Nous avons utilisé une méthode originale basée sur un alignement temporel du signaJ de ~)aroJe avec un contrainte étudier et métrique choisi, J'alignement se fait p/r au signaJe qui représente moins des trames pour générer l'ensemble d'apprentissage utile pour le processus d'entraînement.Les résultats obtenus sont encouragent. Nous avons présenté les résultats obtenus au niveau du mot ~)our des vocabulaires de 10, 30 mots. Une amélioration significative d u taux de reconnaissance par la méthode hybride est observée. reconnaissance des mots L'analyse des résultas montre que la combinaison entre les de deux algorithmes viterbi/forward, au niveau de la décision(HMMd), améliore le taux ereconnaissance.La représentation cepstrale et les coefficients différentiels sont plus adaptés, leur utilisation avec les modèles hybrides augmente le taux de reconnaissance et rapporte un gain en temps de calcul.