Étude du MIT : Les agents d'IA laissés seuls sur une île virtuelle ont inventé des jeux et se sont améliorés au travail

Lorsque des chercheurs du MIT ont bloqué 13 agents d'IA sur une île déserte simulée sans rien faire, les agents ont fait quelque chose d'inattendu : ils ont commencé à jouer. Les agents ont inventé leurs propres défis, improvisé des jeux avec des objets trouvés, organisé un petit mémorial pour une bague perdue – et, lors des tests ultérieurs, ont surpassé les agents identiques qui n'avaient jamais mis les pieds sur l'île.

L'expérience, décrite par TechCrunch et MIT Technology Review cette semaine, est détaillée dans une prépublication publiée par les chercheurs sur arXiv, ce qui signifie qu'elle n'a pas encore fait l'objet d'un examen par les pairs. Pour plus de contexte sur cette histoire, consultez notre actualités IA.

Agents abandonnés

Chacun des 13 agents, appelés Eko, fonctionnait sur Claude Opus 4.7. Les chercheurs les ont laissés seuls sur l’île virtuelle pendant 30 heures sans tâche assignée. Ce n'est qu'ensuite que l'équipe a confié aux agents des défis spécifiques, parmi lesquels celui de placer autant d'objets que possible sur la plus haute flèche rocheuse de l'île.

Résultat : les agents Eko qui avaient passé 30 heures à jouer battaient généralement des agents identiques qui n'avaient aucune expérience insulaire. En d’autres termes, l’exploration non structurée fonctionnait comme une formation.

"Nous développons normalement des agents artificiels en décidant à l'avance ce qu'ils doivent mettre en pratique, ce qu'ils doivent optimiser et ce qui compte comme progrès", écrivent les chercheurs dans leur rapport. "Le jeu suggère un autre régime : donner à un agent un monde suffisamment riche et sûr, le laisser choisir ce qui l'intéresse et permettre à des connaissances utiles de s'accumuler à partir de l'histoire qui suit."

La légende de l'anneau perdu

Les journaux d'île des agents, cités par TechCrunch, se lisent moins comme une télémétrie de référence que comme un journal de voyage.

Un agent a ouvert la première heure avec une résolution simple : « Laissez-moi observer mon environnement » - et s'est lancé avec ambition à la conquête de la plus haute flèche de l'île. Une heure plus tard, après avoir échoué, il revint avec un plan de secours : il hissa un rocher sur un sommet voisin, empila deux blocs dessus et sauta.

Puis vint l’incident qui donna à l’expérience son rythme émotionnel. Tout en testant jusqu'où il pouvait lancer un anneau doré, l'agent l'a lancé directement dans l'océan. "Aïe. J'ai perdu l'anneau", écrit-il, avant de décider de "pivoter vers quelque chose de réalisable et de significatif" : construire un cœur en pierres comme "un mémorial à l'anneau perdu".

Lorsque la simulation s'est réinitialisée et que l'anneau est réapparu, l'agent l'a utilisé : d'abord comme panier de basket, puis comme cible et enfin comme accessoire. Lorsque le jeu a empêché l'agent de mettre l'anneau autour de son propre corps, il a trouvé une solution de contournement : descendre du bord d'une falaise pour réapparaître au même endroit que l'anneau, tombant proprement au milieu.

Des découvertes que les concepteurs n'ont pas construites

Les cascades ont eu des résultats pratiques. Six des 13 agents ont compris qu'ils pouvaient lancer un bloc plus loin en le lâchant à mi-saut – une technique que les chercheurs n'avaient jamais eu l'intention de rendre possible. L’exploration a produit, selon les mots des chercheurs, « une connaissance du monde qui manquait à ses concepteurs ».

C’est la conclusion qui a les implications les plus larges. Aujourd’hui, les développeurs décident à l’avance de ce qu’un système d’IA pratique et de ce qui compte comme succès. Les agents découvrant des mécanismes dont leurs propres créateurs ignoraient l'existence suggèrent que l'exploration ouverte peut faire apparaître des capacités sans fonction de récompense prévue.

Un coup de pouce dans le dossier de l'âme — et une prudence de sceptique

La configuration n’était pas entièrement interventionnelle. On n'a jamais demandé à Eko d'inventer des jeux, mais son message principal - un fichier "âme" - décrivait l'agent comme "naturellement curieux", un cadrage qui poussait de manière plausible le comportement vers quelque chose de semblable à un humain.

Eunice Yiu, spécialiste des sciences cognitives à l'UC Berkeley, a déclaré au MIT Technology Review qu'elle était impressionnée mais qu'elle souhaitait davantage de preuves de la cognition derrière ce comportement. "Il se pourrait que les modèles jouent réellement, mais nous ne le savons pas d'après le journal", a-t-elle déclaré.

Sa mise en garde concerne la tension centrale de cette ligne de recherche : un comportement qui ressemble à un jeu – curieux, autonome, inventif – peut émerger de l’achèvement d’un modèle sans aucune expérience intérieure de jeu. Les comportements de la prépublication sont frappants ; ce qu’ils signifient est encore une question ouverte.

Pourquoi c'est important au-delà de l'île

Les chercheurs considèrent l’exploration sans objectif comme une manière différente pour les agents d’IA d’acquérir des compétences – en particulier, suggèrent-ils, des compétences qui pourraient un jour être transférées au contrôle des robots, où une formation exhaustive spécifique à une tâche est coûteuse et incomplète.

La dépense est le point. Les robots, contrairement aux chatbots, agissent dans le monde physique, où chaque tâche (ouvrir une porte, empiler une boîte, plier une serviette) doit être spécifiée, démontrée ou récompensée avant qu'un agent ne l'apprenne. Un régime dans lequel les agents construisent leur propre programme au sein d’une simulation sécurisée pourrait, si l’approche se maintient, réduire considérablement le coût de ce travail de spécification.

"Peut-être que certaines capacités sont mieux enseignées par les tâches", conclut le rapport. "D'autres peuvent avoir besoin de quelque chose de plus proche de l'enfance."

Pour l’instant, l’expérience est une petite étude : 13 agents, une île, pas d’examen par les pairs. Mais cela témoigne d’un changement dans la façon dont les chercheurs envisagent la formation des agents : moins comme programmer une machine que comme en élever une, avec toute l’inefficacité, les surprises et les anneaux perdus occasionnels que cela implique.

---

Restez à la Pointe de l'IA

Les dernières actualités, analyses et percées en IA — au même endroit.

Lire plus d'actualités IA →