Etudiant : CHEBBAC IKRAM

Filière : Master Mathématiques Appliquées et Systèmes Intelligents (MASI)

Encadrant : Pr. AKDIM YOUSSEF

Annèe : 2026

Résumé : Les codes polaires marquent un tournant décisif en théorie de l’information : ce sont les premiers codes correcteurs d’erreurs pour lesquels il est prouvé mathématiquement qu’ils atteignent la capacité de Shannon sur les canaux symétriques sans mémoire. Cependant, le passage de cette preuve asymptotique vers une application concrète sur des longueurs finies se confronte à un obstacle algorithmique considérable : le problème de la construction. Celui-ci consiste à évaluer la fiabilité des sous-canaux polarisés synthétiques pour y affecter l’information. C’est un problème d’optimisation combinatoire exponetiellement grand, et les approches de résolution heuristiques (Approximation par la borne de Bhattacharyya, Évolution de densité) sont limitées à certains types de canaux et décodeurs. Le présent travail s’attaque à ce problème d’optimisation en basculant vers l’apprentissage automatique. En considérant la construction des codes polaires sous l’angle d’un processus de décision Markovien, grâce à l’Apprentissage par Renforcement, en particulier l’algorithme Proximal Policy Optimization (PPO), on impose à un agent de découvrir les meilleures stratégies d’allocation. Les expérieces numériques montrent que les stratégies produites par cette approche surpassent les techniques classiques, et concourent avec les constructions standardisées (5G), révélant ainsi le potentiel de l’apprentissage par renforcement pour aborder les défis combinatoires aigus rencontrés en théorie du codage. Mots clés : Théorie de l’Information · Codes Polaires · Polarisation de Canal · Capacité de Shannon · Apprentissage par Renforcement · Décodage par Annulation Successive · Canal Binaire Discret Sans Mémoire · Séquence Universelle · Expansion bêta