The wheat stem sawfly, Cephus cinctus Norton (Hymenoptera: Cephidae), is a major pest of wheat (Triticum aestivum L.) in the northern Great Plains of North America. The use of solid-stemmed cultivars helps mitigate crop losses and can also affect the survivorship of C. cinctus. The efficacy of a plant's resistance is based on its ability to develop pith in the culm of the stem, which is influenced greatly by interactions between the genotype and environment. Precipitation-related weather interacts with photoperiod to reduce pith expression in solid-stemmed wheat. A model that predicts pith expression could serve as a management tool to prevent losses by alerting producers if in-season precipitation patterns have caused less than ideal pith expression in a cultivar. Artificial Neural Network (ANN) models are used to make predictions for complex, non-linear systems with many co-related variables. Our objective was to improve upon past models that used regression analyses by deploying an ANN model to predict in-season stem cutting of wheat by wheat stem sawfly. Results indicate that stem cutting is influenced by the precipitation within a 5 wk period from 1 June to 5 July. These results were successfully deployed in a model that should assist with predictions of potential late season stem cutting. Deployment of this ANN model as a transferable executable file may facilitate predictions of stem cutting by wheat stem sawfly in any given year, which will empower producers to implement the appropriate harvest management strategies to reduce losses.Key words: Triticum aestivum L., host plant, bread wheat, solid-stemmed, sawfly, Cephus cinctus.Résumé : Dans le nord des grandes plaines nord-américaines, le cèphe du blé, Cephus cinctus Norton (Hymenoptera: Cephidae), est un important ravageur du blé (Triticum aestivum L.). L'usage de cultivars à tige pleine concourt à atténuer les pertes et peut affecter la capacité de survie de l'insecte. La plante résiste dans la mesure où elle réussit à produire de la moelle dans la tige, propriété qui subit considérablement l'influence des interactions entre le génotype et l'environnement. Un temps pluvieux modifiera la photopériode, ce qui réduira la synthèse de moelle chez les variétés à tige pleine. Un modèle qui prévoirait la production de moelle aurait son utilité en agronomie, car on pourrait alors éviter des pertes en signalant aux cultivateurs si les précipitations saisonnières engendrent une production insuffisante de moelle chez tel ou tel cultivar. On se sert des modèles à réseau neuronal artificiel (RNA) pour formuler des prévisions sur les systèmes complexes, non linéaires, comportant de nombreuses variables apparentées. Les auteurs voulaient améliorer les anciens modèles de prévision reposant sur l'analyse par régression en recourant à un modèle RNA pour établir l'importance des dommages causés par le cèphe au blé durant la période végétative. Les résultats obtenus indiquent que ces dommages sont influencés For personal use only.par l'intensité des précipitati...