La surveillance des propriétés physiques des engrais présente beaucoup d'intérêt à différents niveaux. Tous les problèmes liés au comportement des granulés (ségrégation, épandage, granulation, dureté ...) nécessitent une meilleure caractérisation des engrais pour les comprendre et/ou les prédire. La communauté scientifique est amenée à développer diverses approches de modélisation pour, d’une part, comprendre la dynamique des impuretés provenant de l’acide phosphorique lors de la fabrication des engrais et, d’autre part, évaluer l’efficacité des mesures et suivi des données de la production et des fluctuations de la qualité physique des engrais. Nous avons collecté et suivi pendant plusieurs mois les données des lignes de production d’engrais phosphatés (MAP). L’objectif de ce travail est de comprendre, à travers la modélisation en appliquant l'approche du réseau de neurones artificiels (ANN), l'effet des impuretés d'acide phosphorique sur la qualité physique des engrais tels que le rendement de granulation, la taille des grains et le diamètre moyen des granulés D50. Des modèles ont été construits en utilisant la régression linéaire multiple (MLR) et l'analyse en composantes principales (ACP).