Nous présentons le premier modèle d'apprentissage profond capable d'apprendre directement des politiques de contrôle à partir d'entrées sensorielles de grande dimension en utilisant l'apprentissage par renforcement. Le modèle est un réseau neuronal convolutif, formé avec une variante de l'algorithme Q-learning, dont l'entrée est constituée de pixels bruts et la sortie d'une fonction de valeur estimant les récompenses futures. Nous appliquons notre méthode à sept jeux Atari 2600 issus de l'Arcade Learning Environment, sans aucune modification de l'architecture ou de l'algorithme d'apprentissage. Nous constatons qu'il surpasse toutes les approches précédentes dans six des jeux et dépasse les performances d'un expert humain dans trois d'entre eux.