Le travail présenté dans ce mémoire concerne l'élaboration d'une stratégie complète d'identification et de commande neuronale d'un filtre actif parallèle (FAP). L'objectif visé est l'amélioration des performances par rapport aux systèmes classiques de dépollution des installations électriques basse tension. Basée sur l'utilisation des techniques neuromimétiques, notre approche de compensation des harmoniques se fait en trois étapes. Les deux premières étapes identifient respectivement les composantes de la tension et les courants harmoniques à l'aide de réseaux de neurones du type Adaline. La troisième étape injecte les courants harmoniques dans le réseau électrique par un module de commande à base de réseaux de neurones multicouches. Plusieurs architectures neuronales ont été développées et comparées pour chacune des étapes. La structure proposée s'adapte automatiquement aux variations de la charge du réseau et donc aux fluctuations du contenu harmonique des perturbations. Elle permet également la compensation sélective des harmoniques et la correction du facteur de charge. Finalement, ces stratégies ont été validées sur un banc expérimental et leur aptitude à l'intégration matérielle a été testée en simulation.