Dans ce papier, nous nous intéressons à l’apprentissage par renforcement pour la communication entre agents dans les SMA. L’étude de la littérature nous a permis de mettre en évidence trois principaux problèmes. Tout d’abord il est nécessaire pour l’agent de construire les actes de communication qu’il utilise pour communiquer avec les autres agents. Ensuite il nous faut adapter les actes de communication afin de les modéliser en tant qu’actions pour leur appliquer des techniques d’apprentissage par renforcement. Enfin nous devons résoudre les problèmes liés à la non markovité des systèmes multi-agents afin de pouvoir utiliser les algorithmes usuels d’apprentissage par renforcement utilisés dans le cadre mono-agent. Nous présentons un algorithme d’apprentissage par renforcement qui permet de traiter ces trois problèmes de manière entièrement distribuée en s’appuyant sur l’utilisation de la mémoire.