Le challenge ARC (Abstraction and Reasoning Corpus) a été proposé pour pousser la recherche en IA vers plus de capacité de généralisation plutôt que vers toujours plus de performance. C'est une collection de tâches uniques où il s'agit d'apprendre à générer une grille colorée en fonction d'une autre, et ce à partir de quelques exemples seulement. En contraste avec les programmes transformatifs proposés par les approches existantes, nous proposons des modèles centrés-objets analogues aux programmes naturels produits par des humains. Le principe MDL (Minimum Description Length) est exploité pour une recherche efficace dans le vaste espace des modèles. Nous obtenons des résultats encourageants avec une classe de modèles simples: des tâches variées sont résolues et les modèles appris sont proches des programmes naturels.