Le présent travail porte sur l’optimisation de la structure d’un réseau de neurones MLP(Multi-Layer Perceptron) à deux couches cachées par un algorithme hybride qui se déroule en deux étapes. Au cours de la première étape l’algorithme de rétropropagation est utilisé pour un premier ajustement des poids de connexions et des biais du réseau neuronal. Dans la deuxième étape on utilise le NSGA-II, algorithme génétique multi-objectifs (Nondominated Sorting Genetic Algorithm-II) pour l’optimisation simultanée des paramètres et du nombre de neurones dans chaque couche cachée du réseau. L’efficacité de cet algorithme hybride proposé est évaluée à travers un problème classique de modélisation d’un système non linéaire.