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 d di e en temps r el, int grant entre autres une tape d'optimisation automatique de l'implantation d'un r seau de neurones. L'id e est d'adopter une approche de prototypage d'implantation sur circuits reconfigurables des r seaux de neurones apprentissage supervis Learning Vector Quantization LVQ tout en essayant de garder le fonctionnement parall le des neurones artificiels. Afin d'atteindre notre objectif, la mise en oeuvre de cette d marche est assur par l'outil de d veloppement Altium Designer et la NanoBoard 3000 int grant un FPGA de la famille Xilinx XC3S1400AN.