Les réseaux possibilistes représentent des outils importants de modélisation et de rai-sonnement, en particulier, en présence d'informations imprécises et/ou incertaines. Ces mo-dèles graphiques ont été efficacement utilisés dans plusieurs applications réelles. Vu que leur construction par des experts est une tâche complexe qui prend beaucoup de temps, plusieurs chercheurs ont essayé de les apprendre à partir de données. Dans ce travail, nous essayons de présenter tous les travaux pertinents reliés à l'apprentissage des réseaux possibilistes à partir de données. En effet, nous présentons un aperçu des méthodes qui ont déjà été proposées dans ce sens et les limites de chaque méthode vis-à-vis des récentes recherches développées dans le cadre de la théorie des possibilités.