› Un article de recherche signé Deepthi Pathare, Leo Laine et Morteza Haghir Chehreghani a été soumis sur arXiv le 26 janvier 2026, avec une dernière version datée du 9 octobre 2026.Le problème : quand la sécurité et les coûts s'opposentL'approche classique de l'apprentissage par renforcement repose sur l'attribution d'un score unique au système sous forme de récompense, qui additionne l'ensemble des objectifs fixés.
› Les auteurs soulignent que cette manière d'agréger des objectifs multiples et souvent contradictoires a tendance à masquer la structure réelle des compromis.
› En d'autres termes, lorsque la sécurité, la durée du trajet et les coûts de carburant sont regroupés dans une seule valeur globale, le modèle ne sait pas précisément pourquoi il sacrifie un paramètre au profit d'un autre.Pour les véhicules lourds, cette difficulté est particulièrement marquée.
› Ces camions doivent équilibrer des impératifs stricts de sécurité, d'efficacité énergétique et de coûts d'exploitation dans des conditions commerciales réelles, où chaque décision se répercute directement sur les finances de l'entreprise et les délais de livraison.La solution : un cadre multi-objectifs guidé par les préférencesPour contourner cet écueil, les chercheurs proposent un cadre baptisé "preference-conditioned multi-objective reinforcement learning" (apprentissage par renforcement multi-objectifs conditionné par les préférences).