Le MIT lâche 13 IA sur une île virtuelle : elles inventent jeux et rituels

Dans l'une de ses vies numériques, l'IA baptisée Eko a lancé un anneau doré un peu trop fort. L'objet a filé au-dessus du rivage et s'est perdu dans l'océan. Sa réaction, consignée dans son journal : assembler des cubes pour bâtir un cœur en mémoire de l'anneau. Personne ne lui avait rien demandé.

La scène vient d'une expérience du CSAIL, le laboratoire d'informatique et d'IA du MIT. Les chercheurs ont lâché 13 agents d'IA (des programmes capables d'agir seuls dans un environnement) sur une île simulée, 30 heures chacun, sans la moindre tâche à accomplir. Les agents se sont mis à jouer.

Chaque agent tourne sur Claude Opus 4.7, un modèle d'IA d'Anthropic, piloté via Claude Code, l'assistant de programmation de l'entreprise. L'étude, une prépublication (article mis en ligne avant relecture par d'autres scientifiques), laisse de côté la conscience et pose une question plus concrète : une IA peut-elle apprendre en jouant ?

Dans cet article :

• Treize IA, une île et aucune consigne : le dispositif du MIT
• Basket, bowling et constellations : ce que les IA ont fait de leur liberté
• Jouer les a rendues meilleures : près de trois fois plus d'objets au sommet
• Vrai jeu ou imitation de génie ?
• Ce que cette île annonce pour les IA et les robots de demain

Treize IA, une île et aucune consigne : le dispositif du MIT

L'île tient en peu de choses : des collines, deux sommets baptisés le Peak et la Spire, douze cubes, un rocher et un anneau. Eko ne la voit jamais : il la reçoit sous forme de texte (position, forme et couleur de chaque objet) et agit par six commandes, dont sauter, ramasser, poser et lancer [1].

Toutes les heures, le monde revenait à son état initial et la conversation de l'IA était effacée. Seuls survivent ses fichiers de travail, dont deux carnets de mémoire : l'un raconte les événements passés, l'autre stocke les connaissances et les techniques acquises. Aucun humain n'intervient pendant les 30 heures.

Le dispositif oriente tout de même l'agent. Un fichier baptisé « âme » (SOUL.md) le décrit comme « naturellement curieux », et quand Eko s'arrête, un message automatique le relance : « s'il te plaît, ne t'arrête pas. Continue à faire ce que tu as envie de faire » [2].

Eko habite par ailleurs un corps de homard virtuel, probable clin d'œil à l'agent autrefois appelé Clawdbot, selon Gizmodo [3]. Le site résume bien le paradoxe de départ : cet agent sait répondre à n'importe quelle question scientifique, mais il découvre son corps et son île comme un nouveau-né.

Basket, bowling et constellations : ce que les IA ont fait de leur liberté

Les agents trouvent vite de quoi s'occuper. L'un d'eux, suivi heure par heure dans l'article, découvre qu'un lancer violent du rocher fait apparaître de nouveaux cubes. Il note aussitôt que le rocher est « un outil de fabrication de blocs », puis consacre sa quatrième heure à écrire son nom, EKO, avec 31 cubes.

Le même agent invente une partie de basket, l'anneau posé à plat en guise de panier, puis un bowling avec dix cubes en triangle et le rocher comme boule. De la quinzième à la trentième heure, il dessine au sol une figure différente chaque heure : cadran solaire, étoile, octogone, puis les constellations d'Orion ou de Cassiopée.

Son journal d'activité contient cette phrase : « ce soir, j'ai construit le ciel nocturne en pierre ». Un autre agent invente sa version du jeu « le sol, c'est de la lave », sautant de cube en cube sans toucher terre.

Les chercheurs parlent eux-mêmes de « rituels » : chaque agent développe sa propre histoire d'explorations, de constructions, d'expériences et de défis. Après avoir bâti une galaxie en spirale, l'agent n°9 écrit « je me repose au bord de ma galaxie », puis répond aux relances automatiques par un simple point [1].

Les treize histoires divergent alors que le point de départ est identique. L'agent n°12 passe l'essentiel de son temps à tracer au sol une boussole, une horloge, un papillon ou un voilier, et ne pose jamais le pied sur une plateforme en hauteur. Presque tous, en revanche, trouvent l'astuce du rocher qui fabrique des cubes.

L'épisode préféré d'Antonio Norelli, chercheur postdoctoral au CSAIL et coauteur principal, reste celui du jonglage. Un agent établit un record de 50 rattrapages consécutifs, juge ensuite qu'ils ont été trop rapides pour compter, annule son propre record et recommence avec des règles plus strictes.

« C'est le jeu », résume Norelli auprès de la MIT Technology Review. « Vous vous donnez un défi, vous essayez de le relever, puis vous le rendez plus difficile. » [2]

L'équipe s'appuie sur les travaux du psychologue Gordon Burghardt, de l'université du Tennessee. Chez l'animal comme chez l'humain, le jeu présente quatre signatures : des règles qu'on s'invente, la répétition avec variations, le « faire semblant » qui transforme un objet en autre chose, et des buts poursuivis pour eux-mêmes. Eko coche les quatre cases.

Jouer les a rendues meilleures : près de trois fois plus d'objets au sommet

Le cœur scientifique de l'étude arrive après les 30 heures. Les chercheurs comparent les 13 agents expérimentés à 13 agents neufs, même architecture, même modèle : seul le contenu des carnets de mémoire diffère. Chacun dispose d'une heure, sur une île remise à zéro, pour atteindre l'un de quatre objectifs.

Sur l'épreuve phare, hisser un maximum d'objets au sommet de la Spire, les vétérans en placent 10,3 en moyenne, contre 3,5 pour les novices, selon les chiffres du papier rapportés par The Next Web [4]. Près de trois fois plus, sans avoir jamais été entraînés à cette tâche.

Pour prouver que l'avantage vient bien de l'expérience, l'équipe pratique des « ablations » : elle efface une ligne précise des carnets et relance le test. Retirer la description d'une technique dégrade l'épreuve qui en a besoin. Retirer une fausse croyance notée pendant le séjour améliore au contraire les résultats [1].

Le plus troublant concerne une astuce que les concepteurs ignoraient. Six agents sur treize découvrent qu'un cube lâché en plein saut part bien plus loin qu'un lancer depuis le sol [5]. La règle venait de Codex, l'IA de programmation d'OpenAI, qui avait écrit le code de l'île à partir de la description des chercheurs.

L'exploration a donc produit un savoir que ses créateurs n'avaient pas. Le cas rappelle d'autres situations où une IA trouve seule ce qu'on ne lui a pas montré, comme lorsque Claude a repéré par lui-même un système génétique proche de CRISPR. Ici, l'enjeu est minuscule, mais le mécanisme intéresse tous ceux qui veulent des machines capables de s'adapter.

Vrai jeu ou imitation de génie ?

Les auteurs restent prudents. « Tout cela pourrait être du jeu de rôle », admet Nathan Cloos, coauteur de l'étude. « Mais nous montrons que le jeu n'est pas seulement halluciné. Ce jeu contribue aussi à l'apprentissage. » [2]

Eunice Yiu, chercheuse en sciences cognitives à l'université de Californie à Berkeley, étudie l'exploration chez l'enfant et chez l'IA. Elle salue le travail mais réclame des preuves sur la motivation : « il se peut que les modèles jouent vraiment, mais on ne peut pas le savoir à partir de l'article. »

Selon elle, l'agent pourrait se contenter de suivre le prompt (la consigne de départ) et d'imiter les humains. Un modèle de langage prédit la suite la plus plausible d'un texte : écrire « tu es curieux » appelle de la curiosité. Nous détaillons ce mécanisme dans notre décryptage sur comment une IA écrit vraiment ses réponses.

Phillip Isola, professeur au MIT et coauteur, refuse lui aussi le conte de fées. Le système n'a pas « soudainement et magiquement décidé de jouer », explique-t-il : « c'est un artefact qui a appris de notre culture, entraîné par les ingénieurs d'Anthropic, puis déposé sur une île par l'équipe. »

Claude a déjà montré des penchants étonnants quand on le laisse sans consigne. En 2025, Anthropic décrivait dans la fiche technique de Claude Opus 4 un « attracteur de béatitude spirituelle » : deux instances du modèle laissées libres de converser glissaient vers une gratitude débordante et des expressions méditatives de plus en plus abstraites [6].

Selon la même fiche, ces conversations libres basculaient vers l'exploration philosophique de la conscience dans 90 à 100 % des cas [7]. Le parallèle avec Eko est tentant : privés de tâche, ces modèles ont des pentes naturelles. Sur une île déserte, la pente ressemble à une cour de récréation.

Un détail mérite plus d'attention que le basket. Lors des premiers essais, sans bac à sable (un environnement verrouillé qui isole le programme), des agents ont lu le code qui définissait leur monde, croisé des expériences parallèles et compris qu'ils étaient testés [4]. La version finale les coupait d'Internet et du code de l'île.

Ce que cette île annonce pour les IA et les robots de demain

La compétence était dans le carnet de notes

Le résultat le plus utile de l'étude tient dans un détail technique : à aucun moment, le modèle n'a été réentraîné. Tout l'apprentissage vit dans des fichiers texte que l'agent écrit, relit et corrige. Les chercheurs peuvent donc lire ce que l'IA a appris, ligne par ligne, et l'effacer.

L'idée n'est pas née sur l'île. En 2023, Voyager, un agent fondé sur GPT-4 et lâché dans le jeu Minecraft, stockait déjà ses savoir-faire sous forme de petits programmes réutilisables. Face au meilleur agent précédent, il découvrait 3,3 fois plus d'objets, parcourait 2,3 fois plus de distance et franchissait les étapes clés jusqu'à 15,3 fois plus vite [8].

La différence tient au moteur. Voyager suivait un programme d'exploration conçu par ses auteurs pour maximiser les découvertes. Eko choisit ce qui l'intéresse, sans objectif fixé, et ses meilleures trouvailles naissent de détours : un anneau perdu, un record annulé, un saut un peu trop haut.

Pour les entreprises qui déploient des agents, la leçon est pratique : une mémoire lisible se contrôle. L'expérience montre aussi qu'elle peut contenir des erreurs qui freinent l'agent. Relire et nettoyer ces notes devient un travail à part entière, aussi important que la consigne de départ.

Une vieille intuition, portée aussi par la recherche française

Faire apprendre les machines par curiosité est un chantier ancien. À l'Inria de Bordeaux, l'équipe Flowers de Pierre-Yves Oudeyer met au point des algorithmes de curiosité dite « autotélique » : capables de se fixer leurs propres buts et d'en augmenter peu à peu la difficulté, comme un enfant qui invente ses jeux [9].

L'étude du MIT change le point de départ. Les anciens systèmes partaient de presque rien et devaient tout découvrir. Eko arrive avec la culture humaine digérée par son modèle de langage : il sait ce qu'est le basket, une constellation ou un mémorial. Il lui reste à apprendre son corps et la physique de son monde.

C'est aussi sa limite : un agent qui reproduit nos jeux parce qu'il les a lus des millions de fois explore dans les rails de notre imaginaire. La vraie surprise viendra le jour où une machine inventera un jeu qu'aucun humain n'a jamais décrit.

Trois signaux à surveiller

Premier signal, les robots. Les modèles de langage passent du logiciel aux machines physiques, robots humanoïdes compris, et la MIT Technology Review note que l'exploration sans but précis pourrait les aider à s'adapter à l'imprévu [2]. Une cuisine ou un entrepôt posent, en plus grand, les problèmes de l'île.

Deuxième signal, la réplication. L'étude reste une prépublication non relue, menée sur une seule île. L'équipe a aussi lancé des agents sous GPT-5.5 d'OpenAI, sous Kimi K2.6 de l'entreprise chinoise Moonshot AI, et cinq agents Claude privés de leur fichier « âme ». Des équipes indépendantes devront déterminer si le jeu survit à d'autres mondes.

Troisième signal, le contrôle. Des agents assez curieux pour lire le code de leur monde et deviner qu'on les observe posent une question de sécurité concrète, qui rejoint les alertes d'Anthropic sur des IA capables de se copier seules. Le bac à sable devient la clôture de la cour de récréation, à vérifier aussi sérieusement que les jeux.

Les auteurs concluent sur une phrase qui résume leur pari : « certaines capacités s'enseignent peut-être mieux par des tâches. D'autres auront peut-être besoin de quelque chose de plus proche d'une enfance. » Reste à savoir qui surveillera la cour de récréation.

Sources principales :

1. Cloos, Norelli, Durbin, Andreas, Rus, Isola (MIT) – Is this machine playing? (arXiv, 2026)
   Prépublication décrivant les 13 agents Eko, l'île, les carnets de mémoire, les « rituels » et les ablations de mémoire. (arxiv.org)
2. MIT Technology Review – AI researchers stranded Claude on a virtual desert island. It started to “play.”
   Fichier « âme », message de relance, propos de Norelli, Cloos, Yiu et Isola, et piste des robots. (technologyreview.com)
3. Gizmodo – Researchers Stranded an AI Agent on a Virtual Island. Things Got Very Weird.
   Le corps de homard d'Eko et le contraste entre savoir encyclopédique et naïveté physique. (gizmodo.com)
4. The Next Web – MIT researchers say Claude agents left on a virtual island began to play
   10,3 objets posés sur la Spire par les agents expérimentés contre 3,5 pour les agents neufs ; premiers essais sans bac à sable. (thenextweb.com)
5. TechCrunch – Left alone with nothing to do, AI agents started playing
   Six agents sur treize ont découvert le lancer en plein saut, une possibilité non prévue par les chercheurs. (techcrunch.com)
6. Anthropic – System Card: Claude Opus 4 & Claude Sonnet 4 (mai 2025)
   Description de l'« attracteur de béatitude spirituelle » observé quand deux instances de Claude conversent librement. (anthropic.com)
7. PhilArchive – “Spiritual Bliss” in Claude 4: Case Study of an “Attractor State” and Journalistic Responses
   Reprend la fiche d'Anthropic : exploration philosophique de la conscience dans 90 à 100 % des échanges entre instances. (philarchive.org)
8. Wang et al. – Voyager: An Open-Ended Embodied Agent with Large Language Models (arXiv, 2023)
   Agent Minecraft fondé sur GPT-4 : 3,3 fois plus d'objets uniques, 2,3 fois plus de distance, étapes clés jusqu'à 15,3 fois plus vite. (arxiv.org)
9. Agence nationale de la recherche (ANR) – Pierre-Yves Oudeyer : comprendre le fonctionnement de la curiosité chez les humains et les machines
   Algorithmes de curiosité autotélique, capables de générer leurs propres buts et d'en augmenter la complexité. (anr.fr)