Les systèmes de production d'énergie renouvelables hybrides (SPERH), où l'on peut trouver deux ou plusieurs moyens de production d'énergie renouvelables co-localisées, sont prometteurs car ils permettent de mettre en commun les aspects complémentaires de différentes sources d'énergie. En revanche, l'incertitude associée au niveau de production de ces systèmes requiert qu'ils aient recours à des ressources, tels les systèmes de stockage d'énergie (SSE), afin de contrôler l'équilibre entre la production et la charge. Cet article propose une approche de commande basée sur les données d'un SSE hybride -c'est à dire un SSE possèdant plusieurs médiums de stockage- dans le contexte d'un SPERH. Son objectif est de maintenir l'équilibre entre la production et la charge du SPERH en temps réel tout en maximisant l'apport de production renouvelable. L'approche de commande proposée est basée sur l'apprentissage par renforcement multi-agent profond. En comparant cette approche aux autres méthodes utilisées en pratique, c'est-à-dire la commande par modèle prédictif et la commande à base de règles, on constate sa performance selon une gamme de critères rigoureux afin d'y voir les compromis associés pour chaque approche. Parmi ces critères on retrouve la fiabilité de service, l'impact environnemental, la gestion de l'incertitude, la durée de vie des systèmes de stockage par batteries, l'effort de calcul, les besoins de moyens de télécommunication, les habiletés adaptatives et les capacités d'anticipation. L'analyse met en lumière les bénéfices des SSE hybrides au sein d'un SPERH et les résultats expérimentaux démontrent comment notre approche basée sur les données peut performer au même niveaux que les méthodes de pointe. De plus, dépendamment des caractéristiques des systèmes et des priorités d'exploitation, la sélection d'une approche de commande présente un compromis entre différents critères qui doivent être pris en compte de manière conjointe.