Apprentissage par renforcement
L’apprentissage par renforcement est une méthode de machine learning où un agent apprend à prendre des décisions en interagissant avec un environnement, par essais et erreurs, guidé par un système de récompenses et de pénalités. Contrairement à l’apprentissage supervisé, il ne s’appuie pas sur des données étiquetées.
Application RH directe et concrète : le RLHF (Reinforcement Learning from Human Feedback) est la technique standard pour affiner les grands modèles de langage. Des évaluateurs humains classent la qualité des réponses générées, et ce classement entraîne le modèle à produire des réponses alignées sur les préférences humaines — c’est ce qui rend des outils comme ChatGPT ou Claude utilisables en contexte professionnel.
Hors RLHF, usage RH direct rare : la technique est surtout mobilisée en amont, dans l’entraînement des IA génératives que les équipes RH utilisent ensuite.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : Wikit.ai (05/01/2026), IBM.