Pour surmonter les limites des algorithmes Qualité-Diversité existants, cet article propose Vector Quantized-Elites (VQ-Elites), un nouvel algorithme basé sur l'apprentissage non supervisé. VQ-Elites utilise des autoencodeurs variationnels à quantification vectorielle pour générer automatiquement des grilles d'espaces d'action sans connaissance préalable de la tâche. Contrairement aux méthodes existantes, VQ-Elites génère des grilles d'espaces d'action structurées, améliorant ainsi la flexibilité et l'applicabilité. De plus, nous améliorons les performances de l'algorithme en introduisant des limites d'espaces d'action et des mécanismes de collaboration. Nous proposons également de nouvelles mesures, le ratio de diversité effective et le score de diversité de couverture, pour quantifier la diversité dans les environnements d'apprentissage non supervisé. Les résultats expérimentaux sur des tâches telles que le contrôle de la posture du bras robotisé, l'exploration spatiale du robot mobile et la navigation sur MiniGrid démontrent l'efficacité, l'adaptabilité, l'évolutivité et la robustesse aux hyperparamètres de VQ-Elites.
