Dans cet article, nous considérons les modèles de Programmation Logique Probabiliste (PLP) qui se prêtent à l'inférence à haut niveau, appelés PLP à haut niveau, et présentons des algorithmes d'apprentissage des paramètres et de la structure de ces modèles à partir de données. Nous Présentons l'apprentissage des paramètres avec EM  et LBFGS et  l'apprentissage de la structure avec LIFTCOVER, un algorithme similaire à SLIPCOVER.