Ce document s'intéresse à l'identification et à la commande adaptative de systèmes non linéaires, par réseaux de neurones. L'approche de commande adoptée est la technique de linéarisation par retour (feedback linearization). Dans une première partie de ce document, un algorithme d'approximation stochastique pour l'ajustement des paramètres du réseau a été utilisé. Les résultats de simulation prouvent que l'approche considérée constitue une méthode intéressante pour éviter le calcul des dérivées de la fonction coût. De plus, cette approche peut remédier à d'autres inconvénients du gradient, à savoir sa lenteur autour du minimum. La seconde partie du livre introduit une nouvelle architecture de réseaux de neurones, à savoir les réseaux de neurones à structure variable (RNSV). Dans cette architecture le nombre de FBRs dans le réseau peut augmenter ou diminuer au cours du temps selon une stratégie de conception afin d'éviter les problèmes de sur ou sous-dimensionnement du réseau. Une commande adaptative indirecte permettant l'annulation asymptotique et exacte des non-linéarités a fait l'objet de la troisième partie.