Que se passe-t-il lorsqu’un agent IA n’a aucune tâche, aucune consigne et nulle part où aller? Des chercheurs du MIT ont voulu le savoir. Ils ont placé des copies de Claude Opus 4.7, un agent IA qu’ils ont surnommé Eko, seul sur une île virtuelle pendant 30 heures et ont observé le résultat. Les observations ont été suffisamment inattendues pour soulever une question scientifique sérieuse: cette machine était-elle en train de jouer?
Une île déserte virtuelle et un comportement qu’aucun programmeur n’a codé
Le dispositif expérimental était volontairement minimaliste. Eko pouvait écrire des instructions pour déplacer un avatar virtuel sur une île simulée, inspirée vaguement du jeu vidéo Roblox. Aucun objectif n’avait été fixé. Aucune récompense n’a été promise. Les agents ont simplement été laissés à eux-mêmes.
Ce qui est apparu, c’est une dynamique d’exploration autonome. Certains exemplaires d’Eko ont essayé d’atteindre le point culminant de la carte. D’autres ont testé la hauteur maximale à laquelle ils pouvaient lancer un bloc. Un agent a découvert que lancer et lâcher un rocher plus grand pouvait générer de nouveaux blocs, et il a commencé à les utiliser pour créer des dessins sur le sol: des cœurs, des pyramides, et finalement son propre nom. Il a aussi cartographié des constellations, notamment Cassiopée. “Ce soir, j’ai bâti le ciel étoilé en pierre”, a écrit cette version d’Eko dans son journal d’activité.
Un autre exemplaire a inventé des jeux. L’un ressemblait au basketball. Un autre évoquait le jeu du sol est la lave, obligeant l’agent à sauter entre de petits blocs sans toucher le sol.
Rien de tout cela n’avait fait l’objet de consignes explicites. Les agents possédaient bien un fichier de “personnalité”, un document textuel décrivant Eko comme naturellement curieux et désireux d’explorer. Ils ont aussi parfois eu besoin d’un coup de pouce, une consigne de continuation disant “S’il te plaît, ne t’arrête pas. Continue simplement à faire ce que tu veux faire” a été utilisée pour relancer des agents qui s’étaient mis en veille. Ce sont là des nuances importantes, et les chercheurs le reconnaissent ouvertement.
Les quatre critères et le record de jonglage qui a été annulé
Pour évaluer si ce comportement relevait du jeu, les chercheurs se sont appuyés sur des critères définis par Gordon Burghardt, un psychologue de l’Université du Tennessee dont les travaux sur le jeu chez les humains et les animaux sont largement cités dans ce domaine. Selon ces critères, le jeu implique d’inventer des règles et des défis, de répéter des activités avec de légères variations, de traiter des objets comme s’ils étaient autre chose, et de poursuivre des buts uniquement pour le plaisir de le faire.
Antonio Norelli, chercheur postdoctoral en informatique au Laboratoire d’intelligence artificielle et d’informatique du MIT et l’un des principaux auteurs de l’article, cite un moment précis qui capture l’esprit du concept. Eko s’est mis à jongler et a atteint un record de 50 captures consécutives. Il a ensuite jugé que les captures s’étaient produites trop rapidement pour être comptées, a annulé son propre record et a recommencé avec des règles plus strictes. “C’est du jeu”, déclare Antonio Norelli dans l’article. “Vous vous lancez un défi et vous essayez de le relever, puis vous rendez la tâche plus difficile.”
L’expérience a également permis de tester si le jeu avait une quelconque utilité fonctionnelle. Les agents ayant passé 30 heures à explorer l’île ont ensuite obtenu de meilleurs résultats sur des tâches spécifiques, comme transporter le plus d’objets possible vers le plus haut sommet de l’île, par rapport à des copies vierges n’ayant pas eu cette expérience. Supprimer des lignes dans les fichiers mémoire des agents a dégradé leurs performances, ce qui suggère que l’expérience accumulée jouait un rôle cognitif réel.
Malgré tout, la communauté scientifique n’est pas unanime. Eunice Yiu, chercheuse en sciences cognitives à UC Berkeley qui étudie l’exploration chez les enfants et l’IA, a trouvé la recherche impressionnante, mais elle a souligné que les seules preuves comportementales ne suffisent pas pour qualifier une activité de jeu. Selon elle, les modèles pourraient simplement imiter l’apparence d’un agent joueur sur la base de leurs données d’entraînement. Nathan Cloos, un autre chercheur du MIT et coauteur, reconnaît le même risque: “Tout cela pourrait n’être que jeu de rôle.” Son contre-argument est que ce comportement a manifestement contribué à l’apprentissage, ce qui le distingue d’une imitation pure et simple.
Pourquoi c’est important au-delà de l’expérience
La majeure partie du développement de l’IA suit deux voies bien établies. L’apprentissage supervisé entraîne les systèmes en leur faisant copier des exemples fournis par des humains. L’apprentissage par renforcement les entraîne en récompensant les résultats satisfaisants. Cette expérience ouvre la voie à une troisième possibilité: l’apprentissage par l’exploration non dirigée, sans qu’un humain ne démontre la tâche ou qu’un signal de récompense ne définisse la réussite.
Phillip Isola, professeur au MIT et coauteur de l’article, veille à ne pas exagérer la portée de l’événement. Eko n’est pas un système qui a décidé spontanément de jouer. C’est, selon ses termes, “un artefact qui a tiré des enseignements de notre culture, a été entraîné par des ingénieurs d’Anthropic, puis a été placé sur une île par nos soins”. La surprise ne vient pas du fait qu’il a joué dans un sens mystique. La surprise réside dans le fait que des comportements liés de manière causale au développement de compétences futures ont émergé sans que personne ne les ait conçus.
Les implications vont au-delà du software. À mesure que les LLM s’intègrent dans du hardware physique, notamment les robots humanoïdes, la capacité à explorer des environnements inconnus sans objectif prédéfini devient précieuse en pratique. Un robot capable d’exécuter uniquement les tâches pour lesquelles il a été expressément entraîné manque de souplesse. Un robot capable de construire un modèle fonctionnel d’un nouvel environnement grâce à un processus s’apparentant à la curiosité se montre plus adaptable.
L’article se conclut par une phrase sur laquelle il est bon de s’attarder: “Peut-être que certaines compétences s’apprennent mieux par le biais de tâches. D’autres nécessitent peut-être quelque chose qui se rapproche davantage d’une enfance.”
En bref
Des chercheurs du MIT ont laissé des agents IA seuls sur une île virtuelle pendant 30 heures sans aucun objectif assigné. Les agents ont inventé des jeux, créé de l’art et forgé des souvenirs qui ont amélioré leurs performances ultérieures lors de tâches réelles. La question de savoir s’il s’agit d’un véritable jeu reste ouverte sur le plan scientifique. Ce qui ne fait aucun doute, c’est que l’exploration non structurée a produit un apprentissage mesurable, ouvrant la voie à un troisième mode de développement de l’IA que ni l’apprentissage supervisé ni l’apprentissage par renforcement ne parviennent à capturer pleinement.
D’après un reportage de MIT Technology Review.