Dans le contexte de l'optimisation en boite noire, on souhaite trouver la valeur minimale d'une fonction dont les propriétés sont inconnues. Bien souvent, les difficultés sont multiples : bruit, non-convexité, mauvais conditionnement et non-séparabilité. Malgré tout, il est possible de cumuler les invariances pour se ramener à un problème plus simple. Avec cette présentation nous verrons 1/ comment les algorithmes à estimation de distribution (issus des algorithmes évolutionnaires) peuvent être adaptés avec un gradient naturel et 2/ comment cette méthode qui généralise plusieurs algorithmes connus (CMA-ES, CEM et PBIL) met en pratique des principes d'invariance pour aborder les problèmes les plus difficiles.

mots clés: optimisation, invariances, algorithmes évolutionnaires, gradient naturel.