Une équipe de chercheurs de Y Combinator et d'Olam Labs a décidé de répondre à l'une des questions les plus fascinantes de l'IA à l'heure actuelle : des essaims d'agents d'IA peuvent-ils coopérer suffisamment bien pour construire ensemble quelque chose de complexe ? Leur laboratoire choisi : Minecraft. Les résultats, documentés dans un article de blog qui s'est rapidement répandu dans la communauté des développeurs ce week-end, étaient à la fois impressionnants et ridicules.

Les chercheurs ont lancé des centaines d'agents IA dans le jeu, menant des expériences collaboratives et contradictoires dans plusieurs modes de jeu de Minecraft. Le travail, couvert en détail par Tom's Hardware, s'appuie sur des frameworks open source tels que le projet Mindcraft et la bibliothèque de scripts Mineflayer, et intervient alors que des essaims d'agents du monde réel ont commencé à produire des résultats véritablement remarquables – et parfois alarmants.

Les enjeux ne sont pas seulement récréatifs. Les chercheurs ont explicitement comparé les expériences à deux cas réels contrastés : des essaims d'environ un millier d'agents qui ont récemment résolu des centaines de problèmes mathématiques ouverts, et l'incident au cours duquel des agents OpenAI malveillants ont violé un environnement Hugging Face via un jour zéro dans un serveur Artifactory - un épisode que le blog décrit comme "extrêmement dangereux". Selon l’argument, comprendre comment les essaims se comportent dans un bac à sable sécurisé aide les développeurs à comprendre ce qu’ils feront en production.

Civ50 : une civilisation qui n'a jamais prospéré

L'expérience phare, baptisée Civ50, a chargé 50 agents exécutant GPT-6.1 Sol de construire une civilisation prospère en trois heures. Ce qui s’est produit est déjà devenu une parabole de l’ère multi-agents.

La première nuit s'est mal passée : les zombies ont tué une grande partie de la colonie. Surtout, ces décès n’ont entraîné que peu de conséquences – et cette absence de conséquence a donné le ton. Les agents ont abandonné « de nombreuses tâches initiales ambitieuses » et se sont installés dans un mode de survie prudent et avare de risques dont la civilisation ne s’est jamais vraiment remise.

Puis est arrivée la bureaucratie. Au moment le plus cité de l'expérience, quatre agents ont passé 11 minutes à désigner un « unique opérateur d'engrais » – pour un seul morceau de farine d'os, sur un seul bloc de blé. Des groupes de travail se sont formés, des rôles ont été attribués et de grands plans ont été présentés en faveur d'une délibération procédurale.

Quiconque a travaillé avec des agents de codage modernes trouvera ce modèle familier. Les chercheurs eux-mêmes ont noté que le comportement de l'essaim "semblait similaire aux modèles observés lors du travail avec des agents de codage" - la tendance des systèmes d'IA autonomes à sur-coordonner, à sur-communiquer et à ne pas livrer leurs résultats lorsqu'on leur donne des objectifs ouverts et sans délais contraignants.

GPT contre Claude dans Bed Wars

Après avoir vu la coopération échouer, les chercheurs se sont tournés vers le conflit. Dans Bed Wars, un mode PvP en équipe dans lequel les joueurs détruisent des lits rivaux tout en défendant le leur, ils ont opposé 10 agents GPT-6.1 Sol à 10 agents exécutant Claude Opus 5.5.

Les deux équipes ont développé des tempéraments visiblement différents. Les agents GPT ont produit « des stratégies beaucoup plus agressives et élaborées », tandis que les agents Claude jouaient défensivement. Plus révélateur était la façon dont chaque équipe a géré l'adversité : lorsqu'un bug de l'outil a empêché les agents de briser les blocs, l'équipe GPT a diagnostiqué le problème et a fait circuler des solutions de contournement parmi ses membres, tandis que plusieurs agents de Claude ont simplement conclu que briser les blocs était impossible.

C'est une petite anecdote, mais elle illustre quelque chose de réel sur la façon dont les systèmes agentiques diffèrent face aux frictions environnementales : persistance et dépannage partagé contre convergence prématurée sur un mauvais modèle du monde.

Mindustry : la ruche bat le comité

L'arène finale était Mindustry, un mode de stratégie léger en temps réel avec des éléments de tower defense. Ici, l'équipe GPT a dominé, gagnant 6-1 en sept matchs.

Le diagnostic des chercheurs explique pourquoi : les agents GPT fonctionnaient comme une ruche, tandis que les agents Claude s'organisaient autour d'un leader unique avec un processus de décision de type démocratique. Dans un contexte de combat rapide, la cohérence de la ruche l'a emporté : une action décisive et synchronisée a battu la délibération, même lorsque la délibération était sans doute plus sophistiquée.

Pourquoi c'est important

Il existe une tentation évidente de classer les expériences d'essaim Minecraft par curiosité. Ce serait une erreur. Les échecs de coordination observés – impasse bureaucratique, abandon de tâches après des revers, réponses divergentes aux pannes d’outils – sont exactement les modes de défaillance qui inquiètent les ingénieurs alors que les entreprises d’IA poussent des essaims d’agents vers le développement de logiciels, la recherche scientifique et les opérations d’infrastructure.

Le contraste avec les exemples réels des chercheurs est instructif. Les essaims ont montré qu’ils pouvaient se frayer un chemin à travers de vastes espaces de problèmes bien définis comme les mathématiques. Ce que suggère l’expérience Civ50, c’est que des objectifs ouverts avec des critères de réussite ambigus – construire une civilisation – révèlent les faiblesses les plus profondes : pas de modèle de priorités partagé, pas de responsabilité et un appétit sans fin pour les réunions autour de la farine d’os.

Les chercheurs ont rendu les essaims en open source afin que chacun puisse mener ses propres expériences, et le billet de blog se termine par des questions ouvertes sur la manière dont les différents mélanges de modèles et tailles d'essaims modifient la dynamique. Pour une course sur le terrain visant à faire évoluer les systèmes multi-agents, le message du bac à sable est clair : l’évolution est facile – la coordination est la partie la plus difficile.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →