Le contrôle d'écoulement est au coeur de nombreux défis en ingénierie tel que la réduction de la trainé pour les véhicules de transport terrestre ou aérien, l'augmentation de la portance en aéronautique, l'amélioration du mélange pour les réactions chimiques pour ne citer que quelques exemples. Le contrôle des écoulements par rétroaction s'appuyant sur la connaissance de l'état du système, ouvre la possibilité de contrôle robuste pour ces applications (Brunton & Noack, 2015 Appl. Mech. Rev. 67, 050801). Ce projet vise à la mise en place d'une stratégie de contrôle générale, sans modèle et auto-adaptaptive pour stabiliser/contrôler les systèmes non-linéaires et la turbulence dans des applications concrètes, aussi nommée "machine learning control" (MLC) (Duriez et al. 2016 Springer). Parmi les différentes techniques d'intelligence artificiel, nous explorons la programmation génétique. Elle est inspirée de la biologie et mime le processus de selection naturelle Darwinien pour faire émerger empiriquement une loi de contrôle efficace. Cette approche est appliquée à un système de mécanique des fluides, le pinball fluidique, présentant une dynamique riche et permettant un contrôle MIMO. Remerciement au projet ASTRID-ANR-17- FLOwCON, Contrôle d'écoulements turbulents en boucle fermée par apprentissage automatique