La reconnaissance de chiffres comporte de nombreuses applications ànotre époque. Les méthodes globales ont fait leurs preuves dans cedomaine, le vocabulaire étant réduit (10 chiffres). Cependant, lesOCRs n'ont pas recours à de telles techniques, celles-ci étant tropcoûteuses en temps à l'échelle d'un document complet. Le résultat enest une reconnaissance de qualité moindre, sensible aux variations defontes. Il devient alors intéressant d'utiliser une méthode dereconnaissance dédiée dans certains cas.Noua avons proposé et comparé deux approches globales pour la reconnaissance de chiffres manuscrits : les réseaux de neurones de type perceptron multicouche (RN) et les machines a support vecteur (SVM). Les RN sont déjà bien connus pour ce genre de tâches, et les SVM sont actuellement en émergence dans ce domaine pour leur simplicité d'utilisation et leurs excellents résultats. La comparaison donnant avantage aux SVM, ils ont été retenus pour la reconnaissance de chiffres imprimés contenus dans des cartouches de dessins techniques.