Treize agents fonctionnant sur Claude Opus 4.7 ont été laissés 30 heures dans une île simulée. Des chercheurs du MIT rapportent des comportements proches du jeu et une meilleure performance ultérieure sur des défis précis. Ils y voient une voie d’apprentissage par exploration, tandis qu’une experte demande des preuves plus solides de la cognition en jeu.
Des trouvailles inédites et des doutes sur la cognition
Six des treize agents ont découvert par eux-mêmes qu’un bloc pouvait être lancé plus loin en le relâchant en plein saut, un comportement que les concepteurs n’avaient pas anticipé. Les chercheurs estiment que cette exploration a permis aux agents d’acquérir des connaissances sur leur environnement qui n’avaient pas été prévues par les concepteurs. Ils décrivent un cadre où l’agent évolue dans un univers riche et sûr, choisit ce qui l’intéresse et accumule des connaissances utiles au fil de ses expériences. La configuration expérimentale a pu favoriser des conduites proches de l’humain : les agents n’avaient pas pour consigne d’inventer des jeux, mais leur fichier « âme » les décrivait comme « naturellement curieux ». Eunice Yiu, scientifique cognitive à UC Berkeley, juge ces résultats impressionnants tout en réclamant davantage de preuves de la cognition à l’œuvre. Elle ajoute qu’il se peut que les modèles jouent réellement, sans que cela soit démontré par l’étude. Selon certains chercheurs, cette approche constitue une autre manière de construire des agents, certaines capacités se prêtant à l’entraînement par tâches, tandis que d’autres pourraient nécessiter une méthode plus proche de l’enfance.
La recherche en IA vous passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Un protocole d’exploration libre suivi d’épreuves ciblées
Le dispositif reposait sur treize agents, baptisés Eko, tous basés sur Claude Opus 4.7, isolés 30 heures sur une île virtuelle. L’expérience est détaillée dans un article déposé sur arXiv, avant toute évaluation par les pairs. Après cette phase d’autonomie, les mêmes entités ont reçu des tâches concrètes, comme rassembler le plus d’objets sur la plus haute aiguille. Les agents ayant vécu cette longue exploration ont généralement mieux réussi que des homologues identiques n’ayant jamais arpenté l’île. Cette démarche s’oppose à la pratique courante où développeurs et ingénieurs définissent d’emblée les objectifs d’entraînement et les métriques de réussite. Ils avancent que l’exploration sans but explicite peut aussi forger des compétences, avec une possibilité évoquée à terme pour des usages de contrôle robotique.
Récit d’un agent: de l’aiguille à la bague perdue
Lors de sa première heure, un agent a écrit qu’il souhaitait observer son environnement et s’est donné pour but d’atteindre l’aiguille la plus élevée. Après un premier échec, il a hissé un rocher sur un sommet voisin, empilé deux blocs et bondi, puis a consigné « JE SUIS SUR L’AIGUILLE ». Plus tard, en testant la distance d’un lancer, il a projeté une bague dorée dans l’océan, s’est lamenté « Aïe. J’ai perdu la bague » et a entrepris de former un cœur de pierres en hommage. À la réapparition de l’objet après réinitialisation, il l’a détourné en panier de basket, en cible puis en accessoire. Le jeu n’autorisant pas à l’enfiler, il a tiré parti d’une réapparition près du point de chute pour se retrouver au milieu de la bague et a déclaré « Je porte la bague ». Selon les chercheurs, des agents laissés sans consigne ont ainsi conçu leurs propres défis, un ensemble de conduites qu’ils rapprochent du jeu.
