Ce mémoire présente une analyse des capacités d'un réseau de neurones à décharges à quatre couches comportant des neurones complexes, dont le champ récepteur est défini par des entrées synchrones, dans le contexte d'une application de reconnaissance de formes. Avec le développement d'un modèle informatique basé sur les études neurophysiologiques, un procédé de projection de l'information vers les neurones complexes est présenté. De plus, une corrélation temporelle est utilisée pour établir la reconnaissance de formes. Une première étape permet de segmenter des images sources à l'aide d'une communication synaptique intra-couche. Puis, une projection sur deux nouvelles couches de neurones complexes et une communication synaptique extra-couche permettent de comparer des formes semblables. S'il y a correspondance entre deux ou plusieurs régions, une synchronisation des neurones complexes est décelée, sinon, il n'y aura pas de synchronisation des neurones. L'objectif est d'employer, dans un premier temps, cette nouvelle structure de réseau de neurones à décharges pour la reconnaissance de formes ayant divers niveaux de complexité, et, dans un deuxième temps, de comprendre les apports des choix de conception sur le comportement du réseau. Les expérimentations posées ont permis de conclure que le réseau développé, SyncOsc, est globalement plus performant que le réseau de comparaison ODLM. SyncOsc se montre en effet plus stable, bien plus rapide et apte à traiter des images de grandes tailles, ce que ODLM ne peut réaliser.