Dans le cadre des systèmes hybrides neuro-symboliques (SHNS), nous avons étudié les règles dites « graduelles » qui permettent de traiter certaines relations entre les variables utilisées par un expert. Nous avons proposé un ensemble de caractéristiques de ces règles et une classification : « directes » et de « modulation ». Pour pouvoir traiter de telles règles dans les systèmes hybrides, nous nous sommes inspirés des connexions présynaptiques étudiées en neurobiologie, qui permettent des traitements du type modulation. L'équivalent de ces connexions synaptiques dans les systèmes connexionnistes est constitué par les connexions Sigma-Pi. Nous avons proposé un nouveau type de connexion neuronale : les unités Sigma-Pi Asymétriques, lesquelles représentent le mieux les processus de modulation entre certaines entrées d'un réseau neuronal. Ces connexions ont été implémentées dans un SHNS pour l'apprentissage de bases d'exemples contenant des relations de modulation. Puis nous avons étudié le problème de l'explicitation des règles graduelles à partir d'un réseau de neurones, et nous avons proposé une méthode effective d'explicitation.