Explication détaillée
L'agent observe un état, choisit une action et reçoit une récompense. Il ajuste sa politique pour maximiser la récompense cumulée. Utilisé pour la robotique, les jeux, l'optimisation, et l'alignement des LLM via le RLHF.
Exemples
AlphaGo battant les champions de Go
Robots qui apprennent à marcher
RLHF pour aligner ChatGPT
Optimisation publicitaire
Questions fréquentes
Qu'est-ce que le RLHF ?
Reinforcement Learning from Human Feedback : on entraîne le modèle à préférer les réponses jugées meilleures par des humains.
Termes associés
Machine Learning
Branche de l'IA dans laquelle les modèles apprennent des motifs à partir de données plutôt que de suivre des règles explicites.
Apprentissage supervisé
Apprentissage à partir d'exemples étiquetés (entrée → sortie attendue).
Deep Learning
Sous-domaine du machine learning utilisant des réseaux de neurones profonds pour apprendre des représentations complexes.
Apprentissage non supervisé
Apprentissage à partir de données sans labels, où le modèle découvre lui-même des structures.
Dernière mise à jour : 15/07/2026