Une estimation précise des pertes créées par la dérive due au vent et par évaporation est nécessaire pour la gestion de l'eau dans les systèmes d'irrigation par aspersion. Dans l'étude en cours, trois méthodes d'intelligence artificielle (AI), à savoir le réseau neuronal artificiel (ANN), le système d'infusion neuro‐flou adaptatif (ANFIS) et la programmation génétique des expressions génétiques (GEP), ont été utilisées pour estimer les pertes par évaporation dues au vent (WDEL). Les variables considérées ont été la pression de fonctionnement (P), la vitesse du vent (W), le diamètre de la buse (D) et le déficit de pression de vapeur (es − ea). Les données sur les mesures sur le terrain ont été appliquées à la calibration et au test des modèles ANN, ANFIS et GEP. Les résultats de ces modèles d'AI ont également été comparés à des études antérieures. Trois paramètres statistiques, à savoir le coefficient de détermination (R2), l'erreur carrée moyenne (RMSE) et l'erreur absolue moyenne (MAE), ont été utilisés pour évaluer la performance des modèles. Les résultats indiquent que les modèles AI (c'est‐à‐dire ANFIS, ANN et GEP) prédisent le WDEL plus précisément que dans les études précédentes. De plus, les résultats montrent que le modèle GEP (avec RMSE = 1.19% et R2 = 0.97) fournit une meilleure estimation que le modèle ANN (avec RMSE = 2.56% et R2 = 0.87) et ANFIS (avec RMSE = 1.64% et R2 = 0,94). Copyright © 2017 John Wiley & Sons, Ltd.