Au cours des dernières années, les réseaux de neurones ont été utilisés comme solution alternative aux approches classiques afin de faciliter des tâches telles que la classification ou la prédiction. Le but de notre étude est de prédire les niveaux piézométriques de 18 stations dispersées en France et d'explorer l'applicabilité de différentes approches de prédiction. Une corrélation entre les données piézométriques, les différences de valeurs, les précipitations, l'évaporation et le débit des cours d'eau a été fournie aux modèles comparés en tant qu'entrée pendant la phase d'apprentissage. Les modèles ont montré des résultats encourageants mentionnant l'application d'ARIMA, LSTM, GRU et les Transformers qui sont nouvellement utilisés pour la prévision des séries temporelles (TS). Les résultats de cette étude peuvent être utilisés pour orienter le futur traitement des données sur les ES. De plus, ce travail peut être une référence utile pour d'autres problèmes de TS dans le domaine géotechnique.