Les processus décisionnels de Markov sont des modèles couramment utilisés pour représenter des problèmes de décisions séquentielles dans l'incertain. Cependant, les méthodes de résolution existantes font les hypothèses de stationnarité et de représentabilité de la fonction de transition par des probabilités. Nous proposons de retirer ces hypothèses en utilisant l'apprentissage par minimisation de regret dans le cadre multi‐états, mono et multi‐agents.