Le diagnostic des dfauts joue un rle important dans la surveillance de l'tat des machines afin d'amliorer le temps machine. Dans cette optique, la prsente tude s'est concentre sur le dveloppement d'un systme de diagnostic des dfauts des botes de vitesses bas sur les signatures vibratoires et les rseaux neuronaux artificiels. Pour gnrer les signatures vibratoires, un dispositif exprimental a t mis en place avec des quipements de dtection et de mesure. Les quatre principaux dfauts - usure, fissure, dent casse et lubrification insuffisante de l'engrenage - ont t induits dans la prsente tude. Les signatures vibratoires de la bote de vitesses ont t collectes en transmettant le mouvement  vitesse constante avec des engrenages sans dfaut, sans appliquer aucune charge, en induisant un dfaut  la fois, les signatures vibratoires ont t collectes avec diffrents dfauts. En outre, il a t dcid d'utiliser un systme de diagnostic de dfauts bas sur l'ANN pour la prsente tude. L'ensemble des caractristiques statistiques ont t extraites sur la base des donnes relatives aux amplitudes maximales des vibrations. La frquence infrieure du signal de vibration (RMS) est utilise comme entre du systme de diagnostic de dfaut bas sur ANN conu et dvelopp dans MATLAB.