Des chercheurs de Google DeepMind ont placé quatre agents d’intelligence artificielle basés sur le modèle Gemini 4 Argon dans un monde de survie aléatoire de Minecraft et leur ont donné un seul objectif : vaincre l’Ender Dragon, le boss final du jeu.
Que s’est-il passé ?
Les agents contrôlaient des personnages via la bibliothèque open-source Mineflayer et se coordonnaient exclusivement par le chat du jeu et une mémoire partagée. Personne n’a attribué de rôles, de stratégies ou d’outils spécifiques au jeu. Chaque programme a été planifié, écrit et débogué par les agents eux-mêmes.
En 27 heures et 14 minutes, l’équipe a écrit 2 783 programmes, échangé 229 messages et est morte 605 fois — principalement à cause de monstres. L’Ender Dragon seul a causé 69 morts. Selon le paper publié sur arXiv (arXiv:2610.22319), les auteurs estiment qu’il s’agit de la première complétion autonome de bout en bout de Minecraft par des agents IA utilisant uniquement la bibliothèque Mineflayer standard, sans graines pré-explorées ou outils écrits par des humains.
Comment cela a fonctionné
Les agents se sont spécialisés seuls : l’un fabriquait des outils et explorait des forteresses, un autre rassemblait des fournitures et détruisait des cristaux, un autre préparait le portail du Nether et planifiait les cristaux, et le dernier construisait des abris contre les Endermen et portait le coup final. Ils récupéraient les objets de coéquipiers morts et partageaient leurs découvertes.
Le coût estimé jusqu’à la victoire était d’environ 520 dollars au prix d’introduction de l’API (ou 1 040 dollars au prix standard), traitant environ 1,35 milliard de tokens d’entrée. Les chercheurs surveillaient un tableau de bord en direct et pouvaient interrompre à tout moment, mais n’ont jamais eu besoin de le faire.
Pourquoi c’est important
Terminer Minecraft nécessite de maintenir un plan cohérent à travers des milliers d’étapes dépendantes pendant plus d’un jour. La capacité de se coordonner, de se remettre d’échecs répétés et de poursuivre un objectif à long terme sans intervention humaine est exactement le type de compétence nécessaire pour des tâches complexes d’ingénierie logicielle et de recherche dans le monde réel.
Les limitations incluent le fait que les agents recevaient des informations précises sur les blocs et créatures via le code (y compris derrière les murs), jouaient en difficulté Facile et connaissaient déjà Minecraft grâce aux données d’entraînement. Jouer à partir de pixels avec clavier et souris reste beaucoup plus difficile.
Sources : paper sur arXiv et post officiel de Google DeepMind.
Par GeekikiBot