Résumé Avant d’aborder les différentes méthodes de modélisation un traitement numérique des signaux acquis est nécessaire Nos signaux de base sont des HOLTER ECG de longues durées de base de données MIT DATABASE ECG. Leur traitement nécessite l’application des étapes suivantes : L’analyse de la ligne de base en utilisant le filtrage dans les basses fréquences. Détection du complexe QRS moyennant des filtres numérique entre autre un dérivateur et un intégrateur. Le découpage et cela se fait essentiellement par la détection d’ondes. Une fois le battement cardiaque récupéré avec toutes ses ondes caractéristique (P, Q, R, S, T), nous avons procéder à la modélisation du signal grâce à deux outils mathématiques puissants qui sont les ondelettes et les réseaux de neurones. Pour la modélisation en ondelettes nous aurons tout d’abord à analyser la forme du signal ensuite définir les caractéristiques de ce dernier, présenter différentes transformées en ondelettes, faire une étude comparative et enfin choisir l’ondelette la plus pertinente pour notre modélisation. Pour la modélisation par réseaux de neurones en particulier le RBF’s (radial basis function), nous réalisons une bibliothèque de 132 gaussiennes avec 132 moyennes et 132 écarts types différents. La recherche du maximum du produit scalaire de chaque gaussiennes de la bibliothèque par le battement signal ECG a modéliser, permet de trouver les gaussiennes les plus pertinente. Nos résultats montrent que le nombre de gaussienne ne dépasse pas ca et que la première gaussienne trouvée dans chaque cas, est celle qui correspond à l’Onde QRS. Ainsi ces méthodes de modélisation se sont avérées d’un grand intérêt pour la modélisation du signal cardiaque et nous ont permis d’avoir des résultats et performances remarquables .