Les recherches sur la compressibilité de l’information ont permis de donner un regain d’intérêt aux modèles de la catégorisation artificielle fondés sur des règles. Quelques modèles de compression sont décrits, en explicitant l’architecture mentale qui leur est sous-jacente. Plusieurs résultats expérimentaux tendent à valider un modèle multi-agent ayant pour objectif de formaliser à la fois les limitations de capacités et les contraintes exécutives de la mémoire de travail. D’après ce modèle, les sujets utilisent des règles statiques dans lesquelles l’ordonnancement de l’information d’un stimulus à l’autre n’est pas variable, ce qui conduit à des patterns de temps de réponse caractéristiques. D’autres travaux expérimentaux montrent que les sujets cumulent diverses stratégies afin de compresser l’information de façon maximale, et que l’apprentissage peut progresser tant que l’information n’est pas réduite à son strict minimum. Un problème fondamental pour la modélisation future dans le domaine de la catégorisation est d’intégrer les diverses stratégies utilisées par les sujets pour faciliter l’apprentissage.