Dans ce travail, le problème de conception du prédicteur neuronal est étudié. Dans une première partie, on présente les différentes séries temporelles utilisées dans la partie conception de prédicteur. Ensuite , on présente les méthodes stochastiques utilisées pour la prédiction des séries temporelles stationnaires, non stationnaire en moyenne et en variance , saisionaires. Puis un état de l art des techniques de soft computing : algorithmes génétiques, les réseaux de neurones et la logique floue. Prenant appui sur cet état de l art nous proposons un prédicteur hybride des deux techniques du soft computing RNA/AG. Nous avons présenté dans un premier temps la méthode d optimisation d un prédicteur neuronal basée sur un algorithme génétique réel. Cette méthode consiste a l optimisation simultanée de la topologie de réseaux de neurones, les paramètres de contrôle de réseaux de neurones et les intervalles initiaux des poids synaptiques. Ensuite , nous avons décrit l étape d initialisation des chromosomes en spécifier les sous ensembles de chaque gène dans le chromosome. Enfin, pour tester l efficacité de la méthode, des simulations dans 3domaines: économie, écologie et météo.