Ce projet explore l'utilisation d'algorithmes de bandit pour améliorer les systèmes de recommandation du Pass Culture. L'objectif est de proposer des offres culturelles plus diversifiées tout en maintenant un taux de conversion acceptable. Le système simule des interactions utilisateurs fictives pour évaluer différents algorithmes de bandit (Random, ε-greedy, LinUCB, Thompson Sampling, etc.) et mesurer leur capacité à équilibrer diversité et attractivité des recommandations.