Nous présentons un algorithme d'intelligence en essaim pour résoudre le problème du fourragement dans le cas discret. Nous illustrons l'algorithme proposé à l'aide de simulations et nous faisons une analyse complète de convergence : nous démontrons que la population d'agents simples qui compose l'essaim calcule la solution d'un problème de contrôle optimal et que sa dynamique converge. Nous étudions le taux de convergence de l'algorithme en fonction de la taille de la population et donnons des arguments expérimentaux et théoriques qui suggèrent que ce taux de convergence est superlinéaire en fonction du nombre d'agents. En outre, nous expliquons comment ce modèle peut être étendu au cas où l'espace est continu et pour résoudre des problèmes de contrôle optimal en général. Nous argumentons qu'une telle approche peut être appliquée à tout problème qui implique le calcul du point fixe d'une contraction. Ceci permet de concevoir une grande classe d'algorithmes d'intelligence en essaim bien compris formellement.