La reconnaissance de chiffres manuscrits pršente un df̌i trs̈ grand et joue un rl̥e trs̈ important dans le monde actuel pour rendre les machines capable de connaitre comme un homme et capable de ršoudre des problm̈es complexes tel que la reconnaissance de chiffres du (chq̈ue bancaire, relev ďes compteurs d'ľectricit,̌ gaz et eau, etc.....). Malgr ľes tentatives de rendre la machine apprendre comme les humains, Mais jusqu'aujourd'hui, aucune machine capable de comprendre 100% de reconnaissance de chiffres manuscrits.
Les travaux de ce mm̌oire s'inscrivent dans le cadre de la reconnaissance automatique des chiffres manuscrits. L'approche proposě se compose essentiellement de deux ťapes : extraction de caractřistiques et classification des pixels de l'image en utilisant une nouvelle mťhode d'apprentissage: les machines v̉ecteurs de support (SVM). Une ťude comparative a ť m̌eně avec l'utilisation de la mťhode SVM et essai de diffřents noyaux (03) : Gaussien, polynomial et linǎire. L'approche proposě a ť ťestě sur des images de chiffres manuscrits et a montr p̌our l'ensemble des tests rǎlisš, un taux moyen de bonne reconnaissance des chiffres.