L’ensemblage de réseaux de neurones est une méthode courante et robuste pour améliorer l’efficacité des modèles. Dans cet article, nous proposons un nouvel algorithme d’ensemblage de réseaux de neurones fondé sur l’algorithme empirique de l’étoile d’Audibert. Nous établissons une borne minimax théorique optimale sur le risque quadratique excédentaire. En outre, nous étudions empiriquement cet algorithme sur des tâches de régression et de classification, et le comparons aux méthodes d’ensemblage les plus populaires.