Le suivi multi-objets en ligne (MOT) présente de nombreuses applications dans les scénarios d’analyse vidéo à forte contrainte temporelle, tels que la navigation robotique ou la conduite autonome. Dans les approches basées sur la détection, un défi majeur du MOT en ligne réside dans la manière de relier de manière robuste les détections bruyantes d’objets sur une nouvelle trame vidéo aux objets précédemment suivis. Dans ce travail, nous formulons le problème du MOT en ligne comme un processus de décision dans des Processus de Décision Markoviens (MDP), où la durée de vie d’un objet est modélisée par un MDP. L’apprentissage d’une fonction de similarité pour l’association de données revient à l’apprentissage d’une politique pour le MDP, et cette politique est apprise selon une approche par apprentissage par renforcement, combinant ainsi les avantages de l’apprentissage hors ligne et de l’apprentissage en ligne pour l’association de données. En outre, notre cadre permet naturellement de gérer les naissances/décès et les apparitions/disparitions des cibles en les traitant comme des transitions d’état dans le MDP, tout en exploitant des méthodes existantes de suivi d’objet unique en ligne. Nous menons des expériences sur le benchmark MOT afin de valider l’efficacité de notre méthode.