Google DeepMind explore l’IA générale dans EVE Online avec Fenris Creations

Google DeepMind ouvre un nouveau chantier avec Fenris Creations autour d’EVE Online, monde persistant qui servira de banc d’essai aux agents capables d’apprendre sur des horizons de temps longs et en contexte multi‑joueurs. L’initiative s’inscrit dans une lignée qui va du DQN d’Atari à AlphaGo et AlphaFold, ce dernier salué par le Nobel de chimie 2024, et s’appuie sur SIMA 2, présenté comme jouant au niveau humain dans plusieurs titres.

EVE Online, terrain de test pour mémoire, planification et dynamiques multi‑agents

Depuis 2003, EVE Online, développé par Fenris Creations, rassemble des milliers de joueurs dans un monde persistant et singulier qui s’est transformé sans interruption pendant plus de vingt ans. L’économie, contrôlée par les joueurs eux-mêmes, les réseaux d’échanges couvrant des milliers de systèmes stellaires et un environnement modelé par les alliances, les affrontements et la diplomatie reposent sur les interactions entre humains. Pour Google DeepMind, cet univers dynamique représente une occasion importante pour tester des compétences considérées comme cruciales pour l’IA avancée : apprentissage continu sans perte de connaissances, capacité de mémoire sur des durées bien supérieures aux fenêtres de contexte actuelles, planification sur le long terme pouvant s’étendre sur des semaines, des mois, voire des années, ainsi que gestion de dynamiques multi‑agents complexes. Le studio rappelle qu’EVE a été conçu comme un bac à sable à conséquences durables et fait valoir, aux côtés de Google DeepMind, s’engager sur un territoire où l’IA doit apprendre, s’adapter et se souvenir sur des horizons inédits, tout en éclairant la coexistence humains‑IA en environnement virtuel.

Ce que des agents généraux pourraient changer dans le gameplay et la production

Google DeepMind estime qu’un agent de jeu réellement général pourrait fonctionner avec des jeux existants sans modifier leur code et ouvrir de nouvelles formes de jouabilité, des compagnons capables de comprendre le monde du jeu à des PNJ qui s’adaptent au‑delà des scripts. L’équipe avance aussi que ces capacités pourraient débloquer de nouvelles expériences à l’avenir. Côté fabrication, ces agents sont présentés comme susceptibles de transformer les méthodes : permettre des tests d’assurance qualité plus robustes pendant le développement, puis s’adapter en temps réel aux contenus ajoutés et aux comportements imprévisibles des joueurs sans re‑scriptage. DeepMind ajoute que ces apprentissages pourraient à terme se transférer vers des problèmes du monde réel.

Une recherche conduite avec des studios et des prototypes jouables

Pour mener ce programme de façon sûre et responsable, Google DeepMind dit avoir établi des partenariats avec des studios et construit un portefeuille croissant de jeux dédiés à la recherche. Les studios apportent leur savoir‑faire, leurs mondes et la connaissance de leurs communautés, quand DeepMind met en commun ses modèles, ses travaux sur des environnements interactifs génératifs et des agents incarnés, ainsi que son expérience en recherche et en développement de jeux. La collaboration revendique une approche « montrer, ne pas dire », avec exploration d’idées et prototypes jouables construits main dans la main. Outre des collaborations avec Hello Games, Coffee Stain Studios et Foulball Hangover, une nouvelle alliance avec Fenris Creations et l’univers EVE a été dévoilée plus tôt cette année et constitue le chapitre le plus récent.

SIMA 2, un agent jouant via clavier‑souris sans accès aux API

Au centre du projet, SIMA (pour Agent Multi‑monde Instructible Scalable) est présenté comme un agent polyvalent capable de percevoir l’écran à la manière d’un joueur, de comprendre des consignes en langage naturel et d’interagir via le clavier et la souris, sans avoir besoin d’accéder aux API ou au code source. Fonctionnant grâce aux modèles Gemini, Google DeepMind décrit SIMA 2 comme un assistant interactif doté de capacités de raisonnement et d’échanges en temps réel. D’après l’équipe, SIMA 2 parvient à jouer à un niveau comparable à celui des humains dans des environnements 3D de recherche ainsi que dans des jeux comme No Man’s Sky, Valheim ou Hydroneer. Ces éléments servent de socle aux scénarios d’usage envisagés avec des jeux existants.

De l’Atari au niveau Grand Maître : quinze ans de jalons

Google DeepMind a débuté ses recherches dans les jeux avec le Deep Q‑Network, un système entraîné à partir de pixels bruts à jouer à 49 titres Atari 2600, de Pong à Breakout et Space Invaders, sans ingénierie spécifique par jeu. Publié en 2015 dans Nature, ce résultat est présenté comme un catalyseur de l’apprentissage par renforcement profond moderne. Ont suivi AlphaGo, victorieux face à Lee Sae Dol en 2016 alors que des experts pensaient l’exploit encore lointain, AlphaGo Zero par auto‑jeu sans données humaines, AlphaZero généralisant la méthode à l’échecs, au shogi et au Go, puis MuZero sans connaissance explicite des règles. En 2019, AlphaStar a atteint le niveau Grand Maître dans StarCraft II. Ces systèmes ont eu des effets observés dans les jeux : le coup 37 d’AlphaGo fut d’abord pris pour une erreur avant d’inspirer de nouvelles stratégies, et AlphaZero a suscité des lignes de jeu inédites aux échecs. Les fondations issues de cette exploration ont également nourri AlphaFold, mis à contribution sur le défi de 50 ans de prédiction de la structure des protéines, une avancée reconnue par le Prix Nobel de Chimie 2024.

Objectif affiché : une IA catalyseur et des applications au‑delà du jeu

Google DeepMind, fondée en 2010 par une équipe où figurent d’anciens développeurs dont Demis Hassabis, réaffirme que les jeux sont au cœur de sa démarche de compréhension de l’intelligence et ont contribué à des percées allant d’Atari à la biologie structurale. L’organisation soutient que la complexification des jeux appelle des systèmes d’IA plus capables pour les naviguer. Le cap déclaré reste une IA catalyseur, pas un substitut, avec l’ambition d’expériences inédites, plus accessibles et personnalisées, et la volonté d’appliquer ce qui est appris dans les jeux à des problèmes concrets et à la découverte scientifique. Google DeepMind remercie ses partenaires, dont Fenris Creations pour ce nouveau chapitre, et annonce vouloir partager les avancées à venir.