Le travail présenté dans ce mémoire apporte une contribution à la mise en oeuvre d'une identification et d'une commande par réseaux de neurones d'une machine asynchrone. Celle-ci, alimenté en tension, est un procédé complexe multivariables non linéaire évoluant dans un environnement bruité, et dont les paramètres peuvent changer avec le temps. Dans un premier temps, nous avons modélisé les éléments du variateur asynchrone, à savoir la machine asynchrone et le convertisseur statique. La simulation de différents régimes transitoires de la machine est présentée, ainsi que la simulation de l'onduleur de tension MLI à G-T-O. l'application de la commande adaptative a donné des résultats satisfaisants. Ceci se confirme dans les essais de simulation où on a obtenu : Une structure d'identification qui modélise notre système avec une précision acceptable, qui peut être améliorer, si on enrichisse la base de donnée du réseau. Une structure de commandé qui a forcé le système à chaque instant à suivre la référence. Les résultats de la simulation prouvent la capacité remarquable des réseaux de neurones dans la réalisation des contrôleurs robustes et autonomes. Mais cet outil est d°un inconvénient majeur résidant dans le temps d'entraînement consommé, et le problème dans ce cas reste celui de la conception des HYPER-CALCULATEUR, qui travaille avec des cycles d'horloge largement supérieurs à ceux des machines de laboratoire traditionnel (et ce n'est rien que pour faire converger la recherche dans ce domaine). La technologie dïntelligence artificielle est formée essentiellement sur des nouvelles techniques non conventionnelles en utilisant les réseaux de neurones, et la logique floue,....Cette voie, imposée par la nature et la complexité des systèmes à commander, nous conduit dégager les avantages des réseaux de neurones en aspect d'approximation et de généralisation dans la commande des systèmes pour lesquels la théorie de commande souffre des difficultés d'ordre pratique et théorique.