Un système hybride, combinant un réseau de neurones à convolution et des modèles de Markov à états cachés est proposé dans cet article. Il étend à la reconnaissance mot un précédent système dédié à la reconnaissance de caractères isolés [Poi 02]. L'architecture globale du système est présentée ici, ainsi que l'étape d'apprentissage qui se fait directement au niveau mot bien que l'approche soit de type analytique avec construction dynamique des modèles-mots par concaténation des modèles-lettres. Pour cela, une fonction objectif maximisant l'information mutuelle entre le mot à reconnaître et les mots reconnus est utilisée. Il est possible dans ces conditions de rétropropager dans le réseau de neurones, le gradient de cette fonction de coût sans avoir à disposer d'exemples étiquetés au niveau caractères. Les expériences réalisées montrent la convergence du système global même avec une initialisation aléatoire du réseau de neurones qui sert à reconnaître les caractères.