Le travail effectu s'ins re dans le cadre de la conversion automatique de la voix. La probl matique est de modifier le signal d'un nonc pour qu'il soit per u comme prononc par une autre personne. Parmi les applications, on peut noter: l'apprentissage des langues trang res, le contr le biom trique, la correction des voix pathologiques et le divertissement. Plusieurs techniques sont utilis es tels que les HMMs (Hidden Markov Model), les r seaux de neurones ou les GMMs (Gaussian Mixture Model). Un aspect de ce travail explore diff rentes strat gies d'apprentissage des fonctions de conversion. La premi re piste suivie est la r duction du nombre des param tres libres de la fonction de conversion par GMM. La deuxi me propose une alternative aux fonctions de conversion lin aires bas es sur les GMMs en recourant aux mod les de transformation non-lin aire base de r seaux de neurones (RBF, Radial Basis Functions). Une partie du travail est consacr e l'alignement des donn es utilis es pour apprendre les mod les de voix et les transformations. En dernier, la prise en compte de l'aspect phon tique s'av re une solution efficace pour l'am lioration des syst mes de conversion de voix.