La modélisation non-paramétrique du prix des options et autres produits dérivés a connu un intérêt croissant au cours des dernières années. Ce rapport se situe dans la perspective de prédire le prix de l'option au marché à partir des mêmes informations utilisées dans la formule de Black-Scholes. Il se situe dans la continuation de travaux récents sur la modélisation de ces prix par des réseaux de neurones avec une structure inspirée des connaissances économiques sur la valorisation d'options. La contribution de la recherche présentée ici est l'utilisation avec succès de l'algorithme de Stacking pour améliorer la généralisation de ces modèles. Cet algorithme combine deux niveaux d'entraînement des modèles, le deuxième cherchant à combler les déficits hors-échantillon du premier. Les résultats obtenus sont très intéressants et portent sur des options d'achat du S&P 500 entre 1987 et 1993.