Depuis de nombreuses années, on assiste à un besoin croissant en images numériques (fixes ou animées), dans de multiples domaines : télécommunication, diffusion multimédia, diagnostic médical, télésurveillance, météorologie, robotique, etc. Or ce type de données représente une masse énorme d¿informations difficile à transmettre et à stocker avec les moyens actuels. D¿où la nécessité des techniques dites de "compression d¿images". Différentes méthodes, sans perte d¿informations telles que Shannon-Fano, Huffman, etc. ou avec perte d¿informations non perçue à l¿¿il nu telle que la transformée en cosinus discrète (TCD), le standard JPEG, les ondelettes, ont été présentées. Dans ce travail, Nous avons apporté notre contribution à l¿utilisation de l¿analyse en ondelettes avec les réseaux de neurones artificiels. Pour apprécier numériquement les résultats et évaluer l¿efficacité de la démarche proposée, nous avons élaboré quelques mesures des performances et nous avons dégagé des courbes d¿évaluation en fonction de plusieurs critères desquels notre approche dépend, comme par exemple: le type de la famille d¿ondelettes, le niveau d¿analyse, etc.