Nous présentons une méthodologie pour intégrer des données fonctionnelles dans des réseaux neuronaux profonds. Le modèle est défini pour des réponses scalaires avec plusieurs covariables fonctionnelles et scalaires. Un sous-produit de la méthode est un ensemble de poids fonctionnels dynamiques qui peuvent être visualisés pendant le processus d'optimisation. Cette visualisation conduit à une meilleure interprétation de la relation entre les covariables et la réponse par rapport aux réseaux neuronaux conventionnels. Le modèle est démontré comme performant dans plusieurs contextes, y compris la prédiction de nouvelles données et la récupération de la véritable relation sous-jacente entre la covariable fonctionnelle et la réponse scalaire ; ces résultats ont été confirmés par des applications de données réelles et des études de simulation.