Les grands modèles de langage (LLMs) excellent dans la raisonnement, mais l'entraînement postérieur reste crucial pour aligner leur comportement avec les objectifs des tâches. Les méthodes actuelles d'apprentissage par renforcement (RL) dépendent souvent d'annotations humaines coûteuses ou de modèles de récompense externes. Nous proposons l'Apprentissage par Renforcement via la Confiance en Soi (RLSC), qui utilise la confiance propre du modèle comme signaux de récompense, éliminant ainsi le besoin de labels, de modèles de préférence ou d'ingénierie de récompense. Appliqué à Qwen2.5-Math-7B avec seulement 16 échantillons par question et 10 ou 20 étapes d'entraînement, RLSC améliore la précision de +13,4 % sur AIME2024, +21,2 % sur MATH500, +21,7 % sur Minerva Math, +20,8 % sur Olympiadbench et +9,7 % sur AMC23. RLSC fournit une méthode d'entraînement postérieur simple et évolutif pour les modèles d'inférence, ne nécessitant qu'un petit nombre d'échantillons et une supervision non étiquetée.