Ce papier propose d'utiliser les graphes programmables intriqués ou Tangled Program Graph (TPG) dans le cadre de l'identification d'empreintes Radio Frequence (RF) ou Radio Frequency Fingerprint. Une empreinte RF est une signature unique créée par les distorsions électromagnétiques des différents composants matériels du dispositif radio. Cette signature est inscrite dans le signal émis et peut être utilisée comme un identifiant, par nature sécurisé car non reproductible. L'état de l'art présente des solutions d'identification par classification des empreintes grâce à des Réseaux de Neurones Convolutifs ou Convolutional Neural Network (CNN). Les TPG sont des modèles d'apprentissage par renforcement ou Renforcement Learning (RL), basés sur des techniques d'évolution génétique moins complexes que les réseaux de neurones. Ce papier propose d'utiliser la classification par TPG pour identifier à moindre coût et efficacement des empreintes RF. Les résultats montrent que la vitesse de convergence des TPG est comparable à celle obtenue par un réseau de neurones de l'état de l'art avec des performances en test comparables.