L'adoption rapide des appareils mobiles et la popularité croissante des applications et services mobiles imposent des exigences sans précédent sur les infrastructures de réseaux mobiles et sans fil. Les systèmes 5G à venir évoluent pour soutenir l'augmentation exponentielle du trafic mobile, la gestion agile des ressources réseau afin d'optimiser l'expérience utilisateur, ainsi que l'extraction d'analyses en temps réel à grain fin. Réaliser ces tâches est un défi, car les environnements mobiles sont de plus en plus complexes, hétérogènes et évolutifs. Une solution potentielle consiste à recourir à des techniques avancées d'apprentissage automatique pour aider à gérer l'augmentation des volumes de données et des applications pilotées par des algorithmes. Le succès récent de l'apprentissage profond (deep learning) offre de nouveaux outils puissants pour aborder les problèmes dans ce domaine.Dans cet article, nous comblons le fossé entre l'apprentissage profond et la recherche en réseaux mobiles et sans fil en présentant une revue exhaustive des intersections entre ces deux domaines. Nous introduisons brièvement les éléments essentiels du contexte et de l'état de l'art des techniques d'apprentissage profond susceptibles d'avoir des applications dans les réseaux. Nous discutons ensuite de plusieurs techniques et plateformes qui facilitent le déploiement efficace de l'apprentissage profond sur les systèmes mobiles. Par la suite, nous fournissons une revue encyclopédique de la recherche en réseaux mobiles et sans fil basée sur l'apprentissage profond, que nous classifions par différents domaines. En nous appuyant sur notre expérience, nous examinons comment adapter l'apprentissage profond aux environnements mobiles. Nous concluons cette revue en identifiant les défis actuels et en soulignant les pistes de recherche futures ouvertes.