Nous avons travaillé sur un agent d'intelligence artificiel pour le changement de voie, l'accélération et le freinage dans un environnement autoroutier simulé. Nous avons proposé une approche de conception basée sur les notions de marge de sécurité dans la fonction de récompense de l'agent. Les résultats de l'apprentissage nous ont permis d'améliorer significativement les performances de l'agent d'un facteur 10 tout en maintenant une vitesse supérieure au flux de circulation. Les méthodes mises en oeuvre démontrent la complémentarité entre apprentissage et évaluation pour la conception d'un agent de décision sûr. Nous avons complété cette approche par la méthode des attaques adverses afin d'améliorer la robustesse de l'agent. Ces éléments constituent une première étape dans la conception d'un système autonome sûr.