Ce cours est une introduction à la théorie de l’apprentissage et à ses principaux résultats, destinée à des doctorants et chercheurs en statistiques. Le cours commence par présenter l’apprentissage automatique, puis sa formalisation statistique, en insistant sur les différents enjeux : consistance des algorithmes, vitesses de convergence, etc. Une grande partie du cours se focalise sur la minimisation du risque empirique et sur la théorie de Vapnik Chervonenkis et les Machine à Vecteurs Support, au delà de discrimination entre deux classes et en présentant aussi la minimisation d’un coût différent du risque empirique, en particulier quand ce coût inclut un terme de régularisation.