Ce travail vise à concevoir un capteur d'humidité intelligent, dont l'objectif est d'éliminer, la non linéarité et la sensibilité multiple, de la sortie du capteur utilisé. A l'aide des réseaux de neurone et l'environnement Matlab on est passé par la phase d'apprentissage pour concevoir un modèle ANN. Un modèle de ce composant a été inséré à la bibliothèque du simulateur PSPICE, dont la sortie reproduit fidèlement le comportement du capteur d'humidité MEMS utilisée. Du fait que notre capteur est de type capacitif, le modèle obtenu sur PSPICE traduit la variation de l'humidité par une variation d'une capacité. Cette dernière est une grandeur passive qui nécessite une conversion en une grandeur active. A cet égard nous avons réalisé un circuit de conversion capacité/tension. Une linéarisation, par un programme Matlab, est appliquée à la réponse de l'ANN dont le but est de créer une base de donnée d'un élément de correction permettant de corriger sa réponse non linéaire. L'apprentissage pour cette nouvelle base de donnée nous donne le modèle inverse INV-ANN. Les trois blocs, modèle ANN, modèle inverse INV-ANN et le convertisseur capacité tension, constituent le capteur intelligent.