Cet article explore l'utilisation des réseaux de neurones profonds pour l'apprentissage de la fonction d'interaction à partir des données. Nous proposons une approche de recommandation hybride, qui combine le filtrage collaboratif (FC) et le filtrage à base de contenu (FBC) selon une architecture basée sur les deux modèles: la factorisation matricielle généralisée et le perceptron multicouches. Des expérimentations approfondies sur la base MovieLens-1M montrent des améliorations significatives de notre approche par rapport aux méthodes existantes en particulier pour la situation de démarrage à froid.