Cette étude présente une méthode simple et efficace de caractérisation de textures couplée à un modèle neuronal dans le but d’obtenir une classification des fonds marins en imagerie Sonar. Un modèle autorégressif (AR) linéaire est appliqué à l’image Sonar pour en extraire des attributs caractéristiques significatifs. Les performances de la méthode autorégressive sont évaluées à l’aide d’un classifieur neuronal, de type Perceptron MultiCouche (PMC), qui distingue quatre types de fonds : cailloux, dunes, rides de sable et sable. Les bons taux de classification rencontrés pour chaque type de fond sur une base distincte de la base d’apprentissage sont présentés. Une originalité de l’approche réside dans le couplage performant obtenu entre modélisation AR et module neuronal pour l’application concernée.