Un agent qui gagne et un agent qui comprend ne font pas le même métier. Le premier optimise un score que quelqu’un a écrit pour lui. Le second doit deviner ce qu’on attend de lui à partir d’une phrase et de ce qui s’affiche à l’écran.
En revenant sur quinze ans de recherche dans les jeux vidéo, Google DeepMind met ces deux figures face à face. Et la seconde ne prolonge pas la première : elle la conteste.
Quinze ans à gagner dans des mondes fermés
La lignée est connue, et le laboratoire la déroule lui-même. Une petite équipe entraîne un réseau de neurones profond à jouer à des jeux Atari 2600 directement à partir des pixels bruts : le Deep Q-Network apprend 49 titres, de Pong à Breakout en passant par Space Invaders, sans la moindre ingénierie propre à chaque jeu. L’article publié dans Nature en 2015 sert de détonateur à l’apprentissage par renforcement profond, cet entraînement par essais et erreurs guidé par une récompense chiffrée.
La montée en complexité suit, presque sans accroc. AlphaGo bat le champion du monde Lee Sedol en 2016, avec une décennie d’avance sur les pronostics des experts. AlphaGo Zero fait mieux que toutes les versions précédentes en n’apprenant que contre lui-même, sans aucune donnée humaine. AlphaZero étend la recette aux échecs, au shogi et au go avec un seul algorithme. MuZero joue sans même connaître les règles. AlphaStar atteint le rang Grandmaster à StarCraft II en 2019, dans un jeu en temps réel où l’information reste incomplète.
Ces victoires ont laissé des traces hors des plateaux. Le coup 37 d’AlphaGo, si inattendu que les commentateurs professionnels l’ont d’abord pris pour une bévue, a rouvert des lignes de jeu que la tradition avait fermées. Surtout, la même façon d’explorer un espace de possibilités a nourri AlphaFold et la prédiction de la structure des protéines, distinguée par le prix Nobel de chimie 2024. Le jeu servait alors de terrain d’entraînement, et le score de boussole.
Un monde persistant ne distribue pas de points
C’est précisément cette boussole que Google DeepMind retire. Le constat du laboratoire tient en une phrase : le monde réel ne fournit ni tableau des scores, ni livre de règles. La question change donc de nature. Non plus maîtriser un jeu, mais comprendre un monde de jeu et y agir comme le ferait une personne.
C’est le rôle de SIMA, pour Scalable Instructable Multiworld Agent, un agent généraliste qui voit ce qu’un joueur voit à l’écran, interprète des instructions en langage naturel et agit au clavier et à la souris. Aucune API (interface de programmation) réservée à la machine, aucun accès au code source du jeu. SIMA 2 s’appuie sur Gemini, la famille de modèles de pointe du laboratoire.
La contrainte est volontaire, et elle coûte cher : elle prive l’agent de tous les raccourcis qui rendaient les exploits précédents mesurables. Ce choix de l’écran plutôt que du code n’est pas isolé : Anthropic fait travailler Claude sur une capture d’écran qu’il pilote au clavier et à la souris, et OpenAI a bâti Operator sur le même principe, sans intégration sur mesure. La cible, elle, diffère : ces deux-là visent le navigateur et le poste de travail, DeepMind un univers de jeu qui ne s’arrête jamais.
Le score se mesure, la généralité se discute
La première approche promet la performance vérifiable : un objectif clair, un adversaire, une courbe qui monte. On sait exactement quand le système a gagné, et de combien. Son prix : hors du cadre, ce chiffre ne veut plus rien dire. Un agent Grandmaster à StarCraft II ne sait pas ouvrir une porte dans un autre jeu.
La seconde promet la généralité : un même agent, plusieurs mondes, aucune adaptation sur mesure. Son prix : l’évaluation devient floue. Quand personne ne définit la victoire, comment démontrer un progrès ? On troque une mesure nette et étroite contre une observation large et discutable.
Rien n’oblige à choisir un camp, mais tout oblige à savoir lequel on regarde. Confondre les deux, c’est juger une performance de généraliste avec la règle d’un spécialiste, et se tromper sur les deux tableaux.
Pourquoi le laboratoire frappe à la porte des studios
Cette exigence de généralité explique pourquoi le laboratoire démarche les studios. Il cite sa collaboration de recherche avec Fenris Creations autour de l’univers d’EVE, ainsi que des travaux menés avec Hello Games, Coffee Stain Studios ou Foulball Hangover. Demis Hassabis, l’un des cofondateurs, est lui-même un ancien développeur de jeux, comme une partie de ses équipes.
Ce détail biographique compte moins que sa conséquence technique. Un monde persistant, peuplé de joueurs humains, avec une économie et des règles sociales qui ne figurent dans aucun manuel, oppose à l’agent quelque chose qu’un environnement de laboratoire ne sait pas produire : de l’imprévu qui n’a pas été écrit pour lui. Un jeu de plateau attend son adversaire. Un univers en ligne, non.
Mesurer une tenue plutôt qu’un pic
Pour quiconque évalue aujourd’hui des agents en production, le déplacement est très concret. Les évaluations classiques, celles où l’on note une réponse, une extraction, un bout de code, mesurent des pics : un modèle réussit ou rate un cas isolé, en quelques secondes, dans un environnement propre. Un monde de jeu mesure autre chose : la capacité à comprendre une consigne vague, à agir sur une interface qui n’a pas été prévue pour une machine, à encaisser une erreur et à reprendre sans que la session parte en vrille.
Vous reconnaîtrez ce profil de panne. C’est exactement ce qui casse un agent branché sur un logiciel métier ou un navigateur : pas la difficulté du raisonnement, mais la durée, l’ambiguïté et l’absence de bouton dédié. Ce que le laboratoire cherche dans un univers persistant, l’entreprise le cherche dans son système d’information.
Deux questions restent ouvertes. La première tient à la lisibilité de ces travaux : sans score, une démonstration impressionnante reste une démonstration, pas une mesure. La seconde porte sur ce que les studios accepteront réellement d’ouvrir, car une IA qui joue avec les mains d’un joueur soulève des questions d’équité que les éditeurs ne trancheront pas dans un billet de blog.
Après quinze ans passés à démontrer qu’une machine peut battre n’importe qui à un jeu bien défini, le laboratoire admet que ce talent ne dit presque rien de ce dont on a besoin ailleurs. Les jeux restent son terrain. Ils ont juste cessé d’être un concours.
