Cet ouvrage pr sente une introduction l'apprentissage statistique pour le signal dans le cadre des Interfaces Cerveau-Machine (ICM). Nous introduisons tout d'abord les ICM, qui sont des syst mes visant contr ler une machine par l'interm diaire du cerveau. Nous proposons galement une introduction l'apprentissage statistique o l'on abordera la r gularisation et les a priori que cette derni re permet d'int grer dans le processus d'apprentissage. Un rappel concernant les algorithmes d'optimisation utilis s en apprentissage statistique est galement fait. Nous pr sentons ensuite deux m thodes d'apprentissage statistique pour le signal. Tous d'abord une m thode d'apprentissage de filtre permettant de maximiser la marge entre les exemples d'apprentissage, puis une approche multit che qui permet de transf rer de l'information entre plusieurs probl mes d'apprentissage. Des applications de ces m thodes sont faites sur des donn es r elles de type ICM.