Les données collectées lors de l'observation d'un phénomène ou mesurées sur un système physique ne sont pas toutes aussi informatives: certaines variables peuvent correspondre à du bruit, être peu significatives, corrélées ou non pertinentes pour la tâche à réaliser. La sélection de variables est donc un problème complexe et fait l'objet de recherches dans de nombreuses disciplines. Dans le domaine des réseaux de neurones, la sélection de variables est étudiée depuis une dizaine d'années et un certain nombre de méthodes, plus ou moins proches des méthodes classiques, ont émergé. Ce rapport est une revue des approches connexionnistes pour la sélection de variables. Nous présentons tout d'abord les différents éléments constituant une méthode de sélection de variables. Nous évoquons ensuite brièvement les méthodes statistiques utilisées en régression et en classification. Nous passons enfin en revue les principales méthodes développées spécialement pour les réseaux de neurones. Plusieurs méthodes représentatives de sélection de variables sont alors comparées sur différents problèmes.