Dans ce travail, le probleme de conception du predicteur neuronal est etudie. Dans une premiere partie, on presente les differentes series temporelles utilisees dans la partie conception de predicteur. Ensuite, on presente les methodes stochastiques utilisees pour la prediction des series temporelles stationnaires, non stationnaire en moyenne et en variance, saisionaires. Puis un etat de l'art des techniques de soft computing: algorithmes genetiques, les reseaux de neurones et la logique floue. Prenant appui sur cet etat de l'art nous proposons un predicteur hybride des deux techniques du soft computing RNA/AG. Nous avons presente dans un premier temps la methode d'optimisation d'un predicteur neuronal basee sur un algorithme genetique reel. Cette methode consiste a l'optimisation simultanee de la topologie de reseaux de neurones, les parametres de controle de reseaux de neurones et les intervalles initiaux des poids synaptiques. Ensuite, nous avons decrit l'etape d'initialisation des chromosomes en specifier les sous ensembles de chaque gene dans le chromosome. Enfin, pour tester l'efficacite de la methode, des simulations dans 3domaines: economie, ecologie et meteo."