Cet article propose EvoCurr, un cadre d'apprentissage curriculaire auto-évolutif pour la résolution de problèmes complexes. EvoCurr adapte la progression du résolveur en générant une séquence d'instances de problèmes de difficulté croissante. Lorsque le résolveur rencontre une difficulté, celle-ci est réduite, et lorsqu'il la résout avec succès, elle est augmentée, maintenant ainsi un parcours d'apprentissage optimal. Le résolveur, implémenté sous forme de modèle de génération de code générant des scripts d'arbres de décision Python, acquiert progressivement les compétences nécessaires aux tâches décisionnelles complexes. Les résultats expérimentaux démontrent que la méthode proposée améliore significativement les taux de réussite des tâches et l'efficacité des solutions par rapport aux méthodes de résolution directe existantes.
