Ce travail représente une approche de prévision de la quantité de boue produite par la STEP de la ville de Batna par moyen des réseaux de neurones artificiels durant les dix dernières années d'exploitation, en utilisant les variables recueillies à l'entrée de la station (MES, DBO5, DCO, PH, Température, et le volume) comme intrants. Puis dans le but d'améliorer la qualité des résultats de la prévision, nous avons combiné les intrants avec la variable boue. Plusieurs modèles sont conçus en testant deux algorithmes d'apprentissage " LM et BFGS ". Les résultats montrent, que le modèle choisis a une capacité prévisionnelle qui constitue une initiation d'un outil d'aide à la décision pour les gestionnaires.