Dans le contexte de mix énergétique, et afin d'améliorer la stabilité du réseau électrique, il est primordial pour un gestionnaire de réseau de connaître, le plus précisément possible, les quantités futures d'énergie produite notamment éoliennes et photovoltaïques. Afin d'améliorer les prévisions de la ressource éolienne, notre étude se base sur un réseau de neurones hybride, intégrant des données de réanalyse météorologique (ERA5) ainsi que des données topographiques géographiquement proche du lieu de prévision. Nous nous intéressons particulièrement à l'impact de l'évolution de la taille de la zone topographique considérée sur les performances de prévision du réseau. Nous montrons notamment dans cette étude que l'intégration des données de relief permet d'améliorer les prévisions par rapport au même réseau non hybridé quel que soit l'horizon de prévision considéré avec un gain sur la RMSE allant jusqu'à 17%.