Cet article aborde l'équité dans l'apprentissage par renforcement multi-agents (MARL). Contrairement aux études précédentes qui se concentraient principalement sur l'équilibrage de la charge de travail, cet article souligne l'importance de l'expertise des agents et d'une collaboration structurée, en prenant l'exemple du secteur de la santé. Alors que l'équilibrage de la charge de travail implique d'attribuer des charges de travail égales à tous les agents, quelle que soit leur expertise, cet article propose un cadre appelé « FairSkillMARL » pour définir un concept d'équité qui prend en compte simultanément l'équilibre de la charge de travail et l'adéquation compétences-tâches. De plus, nous développons un simulateur appelé « MARLHospital » qui simule un environnement de soins de santé et analyse l'impact de diverses compositions d'équipe et contraintes énergétiques sur l'équité. Les résultats expérimentaux démontrent qu'une équité basée uniquement sur la charge de travail peut entraîner une inadéquation compétences-tâches, soulignant la nécessité de mesures plus robustes pour appréhender cette inadéquation.
