L’hydroélectricité couvre 94% des besoins en électricité du Québec, ce qui rend la planification à court terme de la production hydroélectrique (PHCT) essentielle à son fonctionnement quotidien. Cet article aborde le problème de la PHCT à l’aide d’un modèle d’apprentissage par renforcement multi-agents basé sur l’optimisation de politique proximale (OPP). Plusieurs agents sont entraînés à sélectionner des actions de débit horaires définies par des points d’efficacité, des paires débit-puissance, tandis qu’une fonction de récompense intègre la gestion du réservoir. Un jumeau numérique du système hydroélectrique, basé sur douze années de données d’exploitation horaires, sert d’environnement. La performance du modèle est évaluée sur un horizon de prédiction de 96 heures et validée hors échantillon par rapport à un modèle de programmation linéaire en nombres entiers mixtes (PLNE). Les résultats sont analysés à travers les trajectoires de volume du réservoir et les profils de production d’énergie, démontrant la capacité du modèle à générer des calendriers opérationnels cohérents et soulignant le potentiel des approches d’apprentissage par renforcement avancées pour une meilleure prise de décision en matière d’hydroélectricité.