Les aquifères karstiques permettent d’alimenter en eau potable près de 25 % de la population mondiale. Sur lepourtour méditerranéen, ils sont considérés parfois comme des châteaux d’eau naturels ou bien comme des barrages écrêteurs de crue. Ces propriétés remarquables, stimulantes par les enjeux soulevés sont cependant difficiles à quantifier et à appréhender objectivement du fait de la complexité du karst, due à une forte hétérogénéité de structure induisant également des non-linéarités. Dans ce contexte cet article propose d’aborder la modélisation hydrodynamique des karsts parune nouvelle approche appartenant à l’apprentissage statistique: les réseaux de neurones artificiels. Ces derniers sont desmodèles mathématiques issus de l’intelligence artificielle qui peuvent identifier toute fonction dynamique non linaire au moyen d’un apprentissage. Ils sont ainsi parfaitement à même de modéliser les fonctions inconnues des aquifères karstiquespourvu que l’on dispose d’une base de données. Très utilisés en hydrologie et appliqués également à la modélisation hydrodynamique des aquifères karstiques, les réseaux de neurones sont tout d’abord abordés dans cet article pour effectuer des fonctions de prévision des crues ou de simulation de débit. Leur capacité d’apprentissage est présentée dans le cadre du paradigme systémique, non seulement pour réaliser la fonction de boîte noire, mais également pour améliorer la connaissance des aquifères karstiques. Ainsi, l’origine des eaux et les temps de transferts peuvent être mieux appréhendés grâce à une méthodologie originale. Cet article présente les études menées sur deux bassins karstiques bien connus, et disposant de nombreuses données de pluie et de débit: le Baget (Ariège) et le Lez (Hérault).