Les algorithmes d'apprentissage automatique, tels que les reseaux de neurones, jouent un role croissant en gestion de portefeuille. Ce livre propose et compare deux paradigmes d'entrainement de reseaux de neurones en gestion de portefeuille: un premier consistant a entrainer le reseau a prevoir les premiers moments de la distribution conditionnelle des rendements des actifs puis a rendre une decision de repartition moyenne-variance classique, et un second effectuant directement une decision de repartition des actifs, eliminant l'etape de la prevision. Nous etudions egalement les methodes de combinaison de modeles, offrant une reponse au probleme de choix des hyperparametres controlant le reseau et permettant de stabiliser la performance des modeles en presence d'un niveau de bruit eleve. Une evaluation experimentale detaillee est presentee, utilisant comme sujet les secteurs de l'indice boursier canadien."