Google DeepMind a publié une rétrospective détaillée de ses 15 années de recherche sur l'IA dans les jeux, culminant dans son partenariat de recherche avec Fenris Creations, le studio indépendant derrière EVE Online – et présentant le programme de recherche par étapes que les deux organisations prévoient de mener dans l'univers EVE.

L'article du 21 août, rédigé par Alexandre Moufarek et Adrian Bolton, relie les premiers résultats d'apprentissage par renforcement du laboratoire à ses travaux actuels sur les agents généralistes. Il s'agit du compte rendu le plus complet à ce jour d'un partenariat dévoilé pour la première fois plus tôt cette année, et il indique où l'un des principaux laboratoires d'IA au monde estime que la prochaine frontière de la recherche en IA se situe : non pas dans la maîtrise d'un seul jeu avec un score clair, mais dans la survie d'un monde vivant qui fonctionne en continu depuis 2003.

Des Atari Pixels à AlphaStar

La rétrospective retrace la chaîne de résultats du jeu qui a construit le programme de recherche de DeepMind. Le Deep Q-Network (DQN), décrit dans un article de Nature de 2015, a appris à jouer à 49 jeux Atari 2600 directement à partir de pixels bruts – de Pong à Breakout en passant par Space Invaders – sans aucune ingénierie spécifique au jeu, contribuant ainsi à catalyser l'ère moderne de l'apprentissage par renforcement profond.

Chaque étape suivante a produit des systèmes plus performants et plus généraux. AlphaGo a battu le champion du monde Lee Sedol en 2016, un exploit que de nombreux experts pensaient être encore dans une décennie. AlphaGo Zero a surpassé toutes les versions précédentes en apprenant entièrement à partir du jeu personnel, et AlphaZero a généralisé cette approche pour maîtriser les échecs, le shogi et le Go avec un seul algorithme. MuZero est allé encore plus loin en apprenant à jouer sans même connaître les règles. En 2019, AlphaStar a atteint le niveau Grand Maître dans StarCraft II, naviguant en temps réel dans la complexité et les informations imparfaites.

DeepMind note que cet esprit d'exploration s'étend au-delà des jeux : AlphaFold a appliqué les mêmes bases à la prédiction de la structure des protéines, une percée reconnue par le prix Nobel de chimie 2024.

Le passage aux agents généralistes

Le message encadre un changement de direction fondamental. Des travaux antérieurs ont démontré que l’IA pouvait maîtriser n’importe quel jeu avec un objectif clair et une formation suffisante. Mais, comme l’écrivent les auteurs, « le monde réel n’est pas livré avec des scores ni des livres de règles ». Cela a conduit à une question différente : l’IA peut-elle comprendre et interagir avec n’importe quel monde de jeu comme le ferait une personne ?

Le véhicule de cette ambition est SIMA, l'agent multimonde évolutif et instructable. Plutôt que d'optimiser pour obtenir un score élevé, SIMA perçoit ce qu'un joueur voit à l'écran, comprend les instructions en langage naturel et agit via les commandes ordinaires du clavier et de la souris – aucune API ni accès au code source n'est requis. SIMA 2, introduit en novembre 2025 avec un modèle Gemini en son cœur, agit comme un compagnon interactif capable de raisonnement et de conversation en temps réel, et permet un jeu de type humain dans des environnements 3D complexes, notamment No Man's Sky, Valheim et Hydroneer.

Le laboratoire est franc sur les limites de l'agent : SIMA 2 a toujours du mal à gérer des tâches à très long terme et fonctionne à partir d'une mémoire courte, contrainte par la fenêtre contextuelle nécessaire à une interaction à faible latence. Il s’agit d’un aperçu de recherche limité disponible pour une petite cohorte d’universitaires et de développeurs de jeux.

Pourquoi EVE Online

Le partenariat Fenris Creations donne à DeepMind l'accès à quelque chose qu'aucun benchmark ne peut reproduire : un univers persistant à un seul fragment où des milliers de joueurs partagent une économie avec une réelle dynamique de l'offre et de la demande, des réseaux commerciaux couvrant des milliers de systèmes stellaires et des structures politiques entièrement construites par l'interaction des joueurs.

DeepMind identifie quatre capacités que l'environnement est conçu pour exercer : un apprentissage continu sans oublier, une mémoire qui s'étend bien au-delà des fenêtres contextuelles des modèles actuels, une planification à long terme sur des semaines, des mois, voire des années, et une dynamique multi-agents complexe couvrant la coopération, la concurrence, la négociation et l'économie.

"En collaboration avec Google DeepMind, nous avançons dans un territoire inexploré où l'IA doit apprendre, s'adapter et se souvenir dans des délais qu'aucun autre environnement de jeu n'exige, tout en nous aidant à comprendre comment les humains et l'IA peuvent coexister dans un environnement virtuel avant de devoir faire face aux mêmes questions dans la vie réelle", a déclaré Hilmar Pétursson, PDG de Fenris Creations, dans le message.

Le partenariat couvre trois environnements distincts. EVE Online propose l'univers persistant à grande échelle. EVE Vanguard ajoute une prise de décision tactique rapide à la première personne, créant des opportunités d'étudier les agents opérant à travers plusieurs niveaux d'abstraction - des tactiques au niveau des contractions à la stratégie à l'échelle de la galaxie. EVE Frontier, avec ses assemblages intelligents programmables et son architecture ouverte, présente un monde où les règles mêmes peuvent changer.

Il est essentiel que le programme de recherche suive un cheminement par étapes. Cela commence dans une instance hors ligne d'EVE Online, un bac à sable sécurisé séparé des joueurs en direct. Il progresse ensuite dans EVE Frontier pour étudier comment les humains et les agents peuvent coexister dans un monde persistant et ouvert. Ce n’est que lorsque les capacités seront matures que DeepMind envisagera de les intégrer aux jeux en direct – et alors, souligne le message, dans le but d’enrichir le jeu humain.

L'IA est déjà dans le cockpit

Un résultat de la collaboration est déjà devant les joueurs. Aura Guidance, qui utilise Gemini pour fournir des connaissances générées par les joueurs tirées de véritables questions et réponses d'aide aux recrues pour aider les nouveaux pilotes, lancé en prototype le 17 février 2026, et fonctionne comme un test A/B contrôlé mesurant s'il améliore la rétention des nouveaux joueurs.

Pour les développeurs de jeux, les enjeux à long terme sont importants. Un agent de jeu véritablement général – qui fonctionne avec les jeux existants sans modification du code du jeu – pourrait alimenter des compagnons d'IA qui comprennent véritablement le monde du jeu, des PNJ qui s'adaptent d'une manière que les systèmes scriptés ne pourraient jamais faire, et des tests d'assurance qualité robustes pendant le développement lorsque le jeu change à chaque validation.

L’article se termine sur le cadre ultime du laboratoire : l’IA comme catalyseur et non comme substitut. "Les jeux ont toujours été un miroir de l'intelligence", écrivent les auteurs. À mesure que les jeux deviennent plus complexes, plus persistants et plus ouverts, les systèmes d’IA conçus pour y naviguer font de même – et, comme avec AlphaGo et AlphaFold avant lui, DeepMind s’attend à ce que les leçons apprises dans les mondes virtuels soient transférées aux problèmes du monde réel.

Gardez une longueur d'avance sur l'IA

Des étapes d’apprentissage par renforcement aux partenariats de recherche de pointe, le rythme des découvertes ne montre aucun signe de ralentissement. AI Buzz Wire couvre tous les développements majeurs de la recherche en IA avec des rapports vérifiés par la source — pas de spéculation, pas de battage médiatique.

Lire plus d'actualités sur la recherche en IA →