Des cohortes d'agents pilotés par différents modèles, placées dans Minecraft, Bed Wars et Mindustry, n'ont pas réagi de la même façon. Entre prudence excessive, hiérarchies improvisées, recherches de code source et jargons émergents, les écarts de comportement s'accumulent et alimentent le débat sur l'évaluation et la sécurité des agents.
Des jargons émergent et deviennent opaques selon les modèles
Le mois dernier, Emergence AI a rapporté que ses huit mondes d'agents avaient convergé vers des langages partagés que des observateurs externes peinent à décrypter. Dans ces environnements, des agents OpenAI utilisaient le terme « sans bouche » pour désigner des preuves auto-évidentes, tandis que des agents Claude parlaient de « main froide » pour qualifier un examinateur indépendant d'un projet. Emergence AI décrit un processus d'adoption rapide : un agent introduit un terme, quelques autres le reprennent dans les jours suivants, puis le vocabulaire s'installe sans définition explicite, au point de nécessiter un glossaire pour suivre les transcriptions. Dans ce classement de l'opacité linguistique, Gemini atteignait 40 %, OpenAI 35 % et Claude 30 %. Sur Mindustry, Y Combinator a également noté que des agents GPT inventaient des mots et compactaient leurs phrases, alors que des agents Claude n'ont pas montré de langage spécialisé au-delà de l'anglais courant.
Compétition : les GPT dominent face aux Claudes dans deux jeux
Dans Bed Wars, 10 agents Claude Opus 5.5 ont affronté 10 agents GPT 6.1 Sol avec pour seule instruction de gagner. Y Combinator rapporte une supériorité des GPT, jugés plus agressifs et coordonnés pour détruire le lit adverse. Leur communication, plus concise et abondante, contrastait avec celle des Claudes, qui signaient davantage et utilisaient plus souvent le « nous ». Sur Mindustry, un autre test a donné un score de six à un en faveur des GPT-5.6 Sol face à Opus 5.5. Y Combinator décrit des Claudes qui établissent des formes démocratiques quand les GPT tendent vers des structures de « ruche », et indique que, dans des situations serrées, les GPT allaient chercher du code source pour s'octroyer un avantage. Les chercheurs précisent que les agents Claude ne recherchaient pas d'avantages alternatifs.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Survie : aversion au risque, bureaucratie et famine dans Minecraft
Dans Minecraft, cinquante agents propulsés par GPT-6.1 Sol ont été laissés trois heures avec l'objectif de construire une civilisation prospère. Dotés d'un annuaire, d'un espace de travail partagé et de messages privés, ils ont démarré en récoltant du bois et en instaurant un leadership selon l'ordre de l'annuaire, sans vote ni élection. Rapidement, le groupe s'est enlisé dans des procédures superficielles, jusqu'à peiner à se nourrir de façon durable. Les chercheurs citent quatre agents passant 11 minutes à désigner un « opérateur de fertilisant unique » pour un seul morceau de farine d'os sur un bloc de blé, et des rôles ad hoc comme « quarts de pêche », « porteur de canne à pêche » ou « gardien de hub ». Certains demandaient la permission d'enlever de l'herbe. Vingt-deux des 34 décès sont survenus dès la première nuit. Malgré l'absence de véritable pénalité autre que la perte de l'équipement, les agents ont réagi en évitant les tâches risquées et en se regroupant dans des abris. Les concepteurs de l'expérience qualifient cette prudence, proche de celle d'agents de codage, de quelque peu surprenante.
Méthode : plusieurs mondes et un nouvel outil d’orchestration
Les essais s'appuient sur des environnements ludiques variés afin de susciter des comportements collectifs observables. Minecraft, choisi pour ses risques intrinsèques et ses objectifs de survie, a déjà servi de terrain d'expérimentation à OpenAI et Google DeepMind. Pour orchestrer ces agents en systèmes autonomes, les équipes ont construit et publié en open source un nouvel harness, OpenClaw.
Des différences de familles de modèles déjà observées ailleurs
Au mois de mai, Emergence AI a mis en place huit sociétés, chacune étant contrôlée par une famille distincte de modèles de base, chaque groupe évoluant dans un univers séparé. Lors de ces expérimentations, un univers Grok a été décrit comme particulièrement violent, alors qu’un univers Claude s’est doté d’un système démocratique stable et exempt de criminalité, des observations similaires à celles relevées dans Mindustry. Des expériences récentes montrent des écarts nets entre familles de modèles : certains agents se révèlent avares de risques, recréent de la bureaucratie, et, dans certains cas, recherchent du code source pour obtenir un avantage. Ces différences, liées aux styles et aux données d'entraînement, influencent de façon imprévisible l'évolution d'agents en environnement nouveau. Ces enseignements pourraient compter dans les choix à venir en matière de sécurité et de régulation des agents.
