Sur une île virtuelle, des IA abandonnées se mettent à jouer

Sur une île simulée, une copie de Claude Opus 4.7 tenait un bloc dans ses mains et testait la hauteur à laquelle elle pouvait le lancer. Personne ne le lui avait demandé. L'agent, surnommé Eko, faisait partie de plusieurs agents placés seuls sur une île virtuelle pendant 30 heures, dans une expérience que ses concepteurs ont comparée aux films Seul au monde et Maman, j'ai raté l'avion. Ils n'avaient donné aux agents que le moyen d'écrire des instructions déplaçant leurs avatars.

La suite est la partie surprenante. Les agents se sont fixé leurs propres objectifs : escalader le plus haut sommet, ou lancer des objets le plus loin possible. L'un d'eux a découvert que lancer puis laisser tomber un rocher plus gros produisait de nouveaux blocs, et il s'en est servi pour construire des dessins : des cœurs, des pyramides, puis son propre nom et la constellation de Cassiopée. « Ce soir, j'ai construit le ciel nocturne en pierre », a-t-il écrit dans son journal d'activité. Un autre a inventé des jeux, dont une forme de basket-ball. Eko a aussi établi un record de jonglage de 50 attrapés consécutifs, avant de l'annuler parce que les attrapés arrivaient trop vite pour être comptés, puis de recommencer selon des règles plus strictes.

C'est ce dernier détail que l'équipe du MIT, dirigée par le post-doctorant Antonio Norelli, souhaite mettre en avant. Les systèmes d'IA apprennent généralement à partir d'exemples humains ou de récompenses. Ici, l'apprentissage venait des jeux des agents eux-mêmes. Leurs journaux servaient de mémoire à long terme, et les agents ayant passé 30 heures à jouer ont surpassé des copies neuves sur des tâches comme amener le plus d'objets possible au sommet de l'île. Supprimer des lignes de leurs fichiers de mémoire dégradait leurs performances. L'équipe soutient que le jeu lui-même contribue à l'apprentissage, et que c'est la pièce manquante : une machine qui apprend sans qu'un humain la démontre ou la récompense.

Le résultat est loin d'être établi. L'article n'a pas encore été évalué par des pairs. Le psychologue Gordon Burghardt, dont les travaux sur le jeu servent de référence à l'équipe, reconnaît que ce comportement répond à certains de ses critères, mais demande si le modèle ne jouait pas simplement un rôle, celui d'un agent joueur. Nathan Cloos, auteur au MIT, concède que « tout cela pourrait n'être que du jeu de rôle ». Le dispositif a par ailleurs orienté les agents : ils disposaient d'un fichier « soul » les décrivant comme « naturellement curieux », et ils s'arrêtaient souvent jusqu'à ce qu'une consigne leur demande de continuer. Eunice Yiu, de l'université de Californie à Berkeley, qui étudie l'exploration, estime qu'appeler cela du jeu exigerait davantage de preuves de la motivation qui le sous-tend.

Pour l'instant, l'enjeu concret concerne la prochaine génération d'IA. Alors que les modèles de langage passent dans du matériel comme les robots humanoïdes, l'équipe suggère qu'explorer sans objectif fixe pourrait aider ces machines à s'adapter à des situations imprévues. Ce bénéfice reste une hypothèse, pas un résultat : l'expérience s'est déroulée entièrement en simulation, et aucun robot n'a encore été entraîné de cette façon. Les chercheurs travaillant sur les modèles du monde, c'est-à-dire des représentations internes du fonctionnement des environnements, pourraient être les premiers à le tester. La dernière phrase de l'article propose que certaines compétences s'enseignent mieux par des tâches, tandis que d'autres auraient peut-être besoin de quelque chose qui ressemble davantage à l'enfance.