Dans cet article, nous présentons une architecture neuronale qui s'appuie sur une Carte Dynamique Auto-Organisée (Dynamic Self-Organizing Map DSOM). Dans un cadre de réservoir de calcul (reservoir computing), cette architecture est utilisé comme un approximateur de fonction dans un contexte d'apprentissage par renforcement où l'espace d'état-action est difficile à gérer. Les DSOM exhibant de bonne propriétés d'apprentissage continu, cette architecture nous permet de proposer une approche dévelopementale de l'apprentissage de tâches robotiques : les capacités motrices et perceptives du robot s'enrichissent au fur et à mesure que l'apprentissage progresse. Comme ce travail est en cours, des résultats valides et vérifiés ne sont pas encore disponibles.