Project Sid : 30 agents IA se répartissent le travail dans Minecraft en 20 minutes

Vous lancez plusieurs assistants IA : l'un doit étudier la tâche, un autre vérifier la solution, un troisième exécuter les actions. Mais deux agents se saisissent de la même chose, et personne n'accomplit l'étape nécessaire. Dans Project Sid, l'équipe d'Altera a étudié un problème similaire dans Minecraft. Dans une expérience avec 30 personnages, des occupations stables sont apparues en 20 minutes environ, alors que les métiers n'avaient pas été attribués à l'avance.

C'est un matériau utile pour ceux qui construisent des équipes d'agents. Il montre pourquoi un assistant a besoin de savoir ce que font les autres, et pourquoi une simple instruction commune peut ne pas suffire. Reste toutefois à vérifier si ces résultats se transposent du jeu aux processus de travail.

Comment les agents trouvaient du travail disponible

Les participants ont reçu une tâche commune : survivre ensemble et créer une colonie efficace. Au départ, ils avaient les mêmes traits de caractère et connaissaient les lieux importants : la forêt, la grotte aux ressources, les terres agricoles et la place centrale. Ensuite, chacun choisissait ses actions de manière autonome.

Imaginez deux habitants près de la forêt. L'un abat déjà des arbres. Le second le remarque et peut se tourner vers la nourriture ou l'extraction de minerai. C'est précisément cette observation des voisins qui aidait à répartir les occupations. De nouveaux objectifs sociaux apparaissaient toutes les 5 à 10 secondes, ce qui permettait aux participants d'ajuster leurs plans en cours de route.

Les chercheurs ont distingué six métiers : agriculteurs, mineurs, ingénieurs, gardes, explorateurs et forgerons. Une réserve importante s'impose : ces noms ont été attribués après l'expérience. GPT-4o a servi à classer les objectifs des personnages. Les agents eux-mêmes n'ont suivi aucune procédure de nomination à un poste, même si leurs actions correspondaient aux occupations identifiées.

Le test le plus révélateur a été la désactivation des modules de perception sociale. Sans eux, les spécialisations stables ont presque cessé de se former : les personnages changeaient plus souvent d'occupation et faisaient un travail similaire. Cela appuie la conclusion selon laquelle l'information sur les actions des autres participants facilitait la coordination dans cet environnement précis.

Ce qui permettait le travail collectif

Le comportement des personnages reposait sur l'architecture PIANO, composée de dix modules. Ils géraient la mémoire, les objectifs, les signaux sociaux, les conversations et les actions en jeu. Plusieurs processus pouvaient fonctionner en parallèle : le personnage n'avait pas besoin d'interrompre complètement l'observation du monde pendant qu'il réfléchissait à l'étape suivante.

Un contrôleur cognitif rassemblait les informations des modules et coordonnait les décisions principales. C'est utile dans une situation très banale : un agent promet d'apporter du fer à un voisin, mais un autre processus l'envoie déjà s'occuper de la ferme. L'architecture doit aider à accorder paroles, plans et actions ; un tel dispositif ne garantit pas à lui seul une fiabilité absolue.

Dans certaines exécutions, l'équipe a étudié l'évolution des règles. Pour 29 agents, une constitution, un système fiscal et une procédure de vote avaient été préparés à l'avance. Après une campagne en faveur d'une baisse des impôts, le taux est passé dans une exécution de 20 % à 5–10 %, et les prélèvements réels ont atteint environ 9 % de l'inventaire. Les agents ont su modifier leur comportement à la suite d'une décision collective, dans le cadre d'un mécanisme donné.

Ce que vous pouvez reprendre dans votre produit

Les expériences à grande échelle ont atteint plus d'un millier de participants, mais le serveur peinait et les personnages se figeaient. Les processus culturels ont été étudiés en détail sur 500 agents. La diffusion du pastafarisme a toutefois été évaluée d'après les mots employés dans les conversations : la mention d'une religion ne prouve pas l'existence d'une conviction.

Des difficultés persistaient en matière de navigation et de construction collective. Les modèles s'appuyaient en outre sur des données d'entraînement humaines et sur des consignes préparées par les chercheurs. Le comportement observé ne peut pas être considéré automatiquement comme une invention autonome d'institutions sociales ni comme un modèle exact des humains.

Pour le développeur, on peut en tirer une hypothèse de travail : une équipe d'assistants devrait avoir accès à des informations à jour sur les actions des autres, à une mémoire commune et aux décisions prises. On peut la tester sur une tâche familière : mesurer combien de travail les agents dupliquent avec cet échange et sans lui. Project Sid donne une raison de mener cette expérience, mais ne propose pas encore de recette toute faite pour une équipe d'IA fiable.