L'apprentissage par renforcement est un type d'apprentissage automatique où un ordinateur apprend à prendre des décisions en essayant et en apprenant de ses expériences.
On peut l'imaginer comme un jeu où l'ordinateur choisit une action et reçoit une récompense ou une punition en retour.
L'objectif est de découvrir, à force d'essais, quelles actions sont les meilleures pour obtenir le plus de récompenses possible.
Par exemple, un robot peut apprendre à se déplacer dans une pièce en essayant ce qui fonctionne et ce qui ne fonctionne pas.
Ainsi, le système devient de plus en plus performant pour prendre de bonnes décisions, même s'il ne savait pas exactement ce qui était correct au départ.