Les réseaux neuronaux creux ont regagné de l’attention en raison de leurs perspectives d’avantages mathématiques et computationnels. Nous justifions l’étude des réseaux de neurones artificiels (ANNs) sous l’angle de la science des réseaux, proposons une méthode pour intégrer des graphes orientés acycliques arbitraires dans des ANNs, et présentons les résultats d’une étude visant à prédire les performances de classificateurs d’images à partir des propriétés structurelles du graphe sous-jacent aux réseaux. Ces résultats pourraient contribuer au progrès de la neuroévolution et apporter des explications, du point de vue structurel, au succès de différentes architectures.