La programmation génétique est une famille d'algorithmes évolutionnaires visant la programmation automatique d'ordinateur, souvent basée sur l'évolution de structures d'arbres. Très flexible par sa représentation de taille variable, elle est néanmoins handicapée par l'apparition du « bloat », soit le grossissement incontrôlé de la taille des individus en cours d'évolution sans modification à la fonctionnalité des programmes. Ce phénomène pose problème, car il fait ralentir puis stagner l'évolution et implique une charge de calcul supplémentaire inutile, ce qui a depuis toujours limité l'application de la programmation génétique.

Nous proposons une approche qui vise à réduire voire éliminer l'impact du bloat sur la programmation génétique. Basée sur une méthode Monte-Carlo, elle agit en modifiant la distribution des tailles d'arbres de la population, et offre une performance accrue par rapport aux autres méthodes actuellement utilisées, en plus de limiter grandement la charge de calcul requise pour compléter une évolution.