La méthode présentée dans cet article permet de déterminer de manière systématique l'architecture idéale pour modéliser une fonction à l'aide de réseaux neuromimétiques. Partant d'une structure volontairement surdimensionnée, ce qui permet de modéliser des fonctions complexes, l'architecture peut ensuite être simplifiée en conservant, voire en améliorant, les capacités de modélisation. l'apprentissage se fait par itérations successives. La méthode nécessite un nombre important d'unités de calcul, de connexions et d'itérations, par conséquent son implantation parallèle est intéressante en vue de réduire le temps de calcul nécessaire à l'élaboration de l'architecture optimale.