Le transformateur de puissance est l'élément le plus critique dans le transport d'électricité. Sa défaillance n'affecte pas uniquement la disponibilité en énergie électrique, mais aussi conduit à des pénalités technico-économiques très lourdes en conséquences; d'où la nécessité de détecter et d'identifier dès les premiers stades les défauts latents pour une éventuelle action préventive. L'analyse des gaz dissous (AGD), est l'une des techniques les plus efficaces pour surveiller l'état de santé des transformateurs par un simple prélèvement effectué et analysé. Les quantités d'informations soutirées, leur complexité, l'existence simultanée de plusieurs défauts, l'absence d'équations qui les régissent, imposent le recours à des systèmes plus performants de diagnostic tels que les techniques d'intelligences artificielles (exemple Réseaux Neurones Artificiels (RNA)). Dans ce travail, nous comparons les résultats obtenus en se basant sur les techniques d'interprétation d'AGD utilisées dans les normes (IEEE; CEI;...) et une technique moderne (RNA) que nous avons développé via des programmes utilisant le MATLAB.