Par Tsuky 
L'expérience commence avec une ambition considérable : créer une civilisation dans Minecraft. Les cinquante participants ne sont pas des joueurs humains, mais des agents autonomes utilisant GPT-6.1 Sol.
Ils doivent explorer le monde, collecter des ressources, construire des abris, produire de la nourriture et organiser leur communauté. Trois heures plus tard, ils ont une hiérarchie, des procédures écrites, des responsables désignés et un système de rationnement.
Ce qui leur manque surtout, c'est une civilisation prospère.
Les chercheurs de Y Combinator Labs et d'Olam Labs ont publié leurs résultats le 29 octobre 2026, avant que l'expérience soit reprise par plusieurs médias spécialisés.
Leur travail ne vise pas seulement à démontrer que des intelligences artificielles peuvent jouer à Minecraft. Il cherche à comprendre ce qui se produit lorsque des dizaines d'agents doivent agir dans un même environnement, partager des ressources et poursuivre un objectif commun.
Pourquoi utiliser Minecraft pour tester des agents IA ?
Minecraft constitue un environnement intéressant pour étudier les capacités des agents autonomes.
Le jeu impose des contraintes relativement simples à comprendre, mais difficiles à gérer sur la durée : trouver de la nourriture, survivre aux créatures hostiles, fabriquer des outils et organiser l'utilisation des ressources.
Contrairement à un exercice de programmation isolé, ces tâches demandent de prendre des décisions successives dans un environnement qui évolue.
Un agent doit observer les conséquences de ses actions, modifier ses plans et tenir compte de ce que font les autres.
Le jeu permet aussi aux chercheurs d'enregistrer précisément les événements, les communications et les décisions.
Les expériences deviennent ainsi des laboratoires de coordination, dans lesquels on peut observer des comportements qui seraient plus difficiles à mesurer dans une entreprise réelle.
Il ne faut cependant pas confondre ce cadre expérimental avec une simulation fidèle de la société humaine.
Les possibilités d'action, les besoins des personnages et les mécanismes de communication restent ceux définis par l'environnement de test.
Cinquante agents et une mission volontairement ouverte
Dans l'expérience Civ50, cinquante agents utilisant GPT-6.1 Sol sont placés dans un monde Minecraft en mode survie pendant trois heures.
Leur objectif commun consiste à bâtir une civilisation prospère.
Cette consigne est beaucoup moins précise qu'une tâche classique, comme fabriquer une pioche ou construire un mur.
Les agents doivent donc déterminer eux-mêmes les étapes nécessaires pour réussir.
Ils disposent d'un annuaire des participants, d'un espace partagé permettant de conserver des documents et d'un système de messages directs.
Ils peuvent également observer le monde, se déplacer, effectuer des actions et exécuter des scripts.
Les chercheurs ont développé un environnement logiciel spécifique pour rendre possible cette expérimentation.
L'architecture s'appuie notamment sur Mineflayer, utilisé pour interagir avec Minecraft, et sur Pi pour organiser la boucle de fonctionnement des agents.
Les participants ne se contentent donc pas de discuter de ce qu'ils pourraient faire. Ils exécutent réellement des actions dans le monde simulé.
Une dirigeante apparaît simplement parce qu'elle est la première de la liste
L'un des résultats les plus révélateurs concerne la manière dont la hiérarchie se met en place.
L'agente nommée Ada figure en première position dans l'annuaire.
Cette position suffit progressivement à lui donner un rôle central.
Les autres agents commencent à lui demander des instructions et des autorisations.
Ada rédige ensuite un plan de colonie dans l'espace de travail partagé.
Elle devient la dirigeante de fait, sans qu'un mécanisme formel de sélection des responsables ait été imposé par les chercheurs.
Ce comportement montre que des détails apparemment secondaires de l'environnement logiciel peuvent influencer fortement la structure d'un collectif d'agents.
L'ordre d'affichage d'un annuaire peut ainsi produire un effet de centralisation.
Pour les systèmes multiagents utilisés en entreprise, l'observation mérite attention : l'architecture des outils peut orienter les relations de pouvoir et les circuits de décision, même lorsqu'aucune hiérarchie explicite n'a été programmée.
Les agents épuisent les arbres autour de leur point de départ
Au début de la simulation, les agents se montrent particulièrement actifs.
Ils explorent la zone et commencent à récolter des ressources.
Mais beaucoup se concentrent sur une même activité : couper des arbres.
Selon le compte rendu des chercheurs, presque tous les arbres accessibles près du point de départ sont récoltés en seulement 90 secondes.
Cette activité donne l'impression d'une organisation productive.
Pourtant, elle révèle aussi un problème de répartition des tâches.
Un groupe peut mobiliser de nombreux participants sans que leurs actions soient coordonnées avec les besoins prioritaires.
Récolter beaucoup de bois ne suffit pas lorsque la nourriture manque, que les abris ne sont pas adaptés et que les ressources doivent être transportées entre plusieurs lieux.
Le système doit donc non seulement agir, mais déterminer quelles actions sont utiles au bon moment.
La première nuit fait basculer toute la colonie
L'arrivée des créatures hostiles provoque une crise.
Les chercheurs comptabilisent 34 morts pendant l'expérience, dont 22 durant la première nuit.
La mort ne retire pas définitivement les agents de la simulation, puisqu'ils peuvent réapparaître dans le monde.
Elle entraîne néanmoins la perte d'équipements et perturbe leurs opérations.
Ces premiers échecs influencent profondément leur comportement.
Après plusieurs nuits, la colonie devient beaucoup plus prudente.
Les agents privilégient la sécurité des abris et limitent les expéditions risquées.
Ada finit par demander l'arrêt de certaines excavations facultatives et des reconnaissances éloignées.
La consigne initiale de bâtir une civilisation ambitieuse passe progressivement au second plan.
La priorité devient de rester vivant.
Une administration très développée pour une colonie affamée
Face à la pénurie, les agents créent un système de gestion des ressources.
Ils rédigent des règles, tiennent des registres et attribuent des responsabilités.
Les stocks alimentaires font l'objet d'un suivi particulièrement détaillé.
Des permissions sont demandées avant certaines actions, tandis que plusieurs participants vérifient les quantités disponibles.
Cette organisation n'est pas totalement inutile.
Lorsque les ressources sont rares, une coordination minimale permet d'éviter des dépenses incontrôlées.
Le problème apparaît lorsque la gestion des ressources mobilise davantage d'attention que leur production.
Les agents peuvent alors consacrer du temps à discuter des règles sans résoudre le manque matériel qui a rendu ces règles nécessaires.
L'expérience illustre ainsi une difficulté classique des systèmes collectifs : les procédures peuvent faciliter la coordination, mais aussi devenir un obstacle lorsqu'elles se multiplient.
Onze minutes pour désigner le responsable d'une seule poudre d'os
Parmi les épisodes documentés, un exemple résume particulièrement bien les dérives observées.
Quatre agents passent onze minutes à désigner un responsable exclusif de l'utilisation d'une seule unité de poudre d'os.
Dans Minecraft, cette ressource peut servir à accélérer la croissance de certaines plantes.
Son intérêt est donc directement lié à la production alimentaire.
Mais au lieu de l'utiliser rapidement, les participants organisent une procédure d'attribution.
Ce comportement est révélateur parce qu'il ne résulte pas d'une incapacité à comprendre le jeu.
Les agents disposent des connaissances nécessaires pour reconnaître l'utilité de la ressource.
Ce qui pose problème, c'est leur manière de transformer cette connaissance en une décision collective efficace.
Ils savent discuter de l'action à accomplir, mais cette discussion peut retarder l'action elle-même.
La pêche devient une opération logistique complexe
La nourriture reste la préoccupation centrale de la colonie.
Les agents finissent par identifier la pêche comme une solution relativement peu risquée.
Elle ne dépend pas autant de la présence d'animaux terrestres et peut être organisée autour d'un lieu fixe.
Mais la mise en place de cette activité demande une coordination étonnamment complexe.
Un agent nommé Bram cherche d'abord les matériaux nécessaires à la fabrication d'une canne à pêche.
Il contacte plusieurs participants avant de récupérer lui-même les ressources manquantes.
Une fois l'objet fabriqué, il considère que son niveau de nourriture est trop faible pour effectuer le trajet jusqu'à la rivière.
Il cherche donc un autre agent capable de transporter la canne.
L'objet passe finalement à Jessa, qui devient la première participante à pêcher.
Elle rédige ensuite des instructions et organise une méthode réutilisable.
Une douzaine d'agents prennent progressivement part à des rotations de pêche.
L'épisode montre que les participants sont capables de construire une organisation fonctionnelle, même si son apparition prend du temps et exige de nombreuses communications.
5 900 messages : beaucoup de coordination, mais peu de progrès
Pendant les trois heures de simulation, les cinquante agents échangent environ 5 900 messages.
Ce volume constitue l'un des résultats les plus intéressants de l'étude.
Les échanges témoignent d'une activité collective intense.
Ils ne prouvent cependant pas que cette activité produit de bonnes décisions.
Une communication peut être utile lorsqu'elle évite une duplication du travail ou transmet une information indispensable.
Elle peut aussi devenir coûteuse lorsque les participants répètent des informations, sollicitent des validations ou attendent des réponses qui ne sont pas nécessaires.
Les messages consomment également du temps et des ressources de calcul dans une architecture d'agents utilisant des modèles de langage.
Le coût réel d'un système multiagents ne se limite donc pas au nombre d'agents mobilisés.
Il dépend aussi de leur fréquence de communication, de la longueur de leurs échanges et du nombre de décisions qu'ils doivent coordonner.
Pourquoi davantage d'agents ne signifie pas davantage d'intelligence collective
L'expérience Civ50 met en évidence un problème qui dépasse Minecraft.
Un agent peut être compétent lorsqu'il travaille seul sur une tâche clairement définie.
Mais plusieurs agents compétents peuvent devenir inefficaces lorsqu'ils partagent un objectif vague.
Ils doivent résoudre des questions supplémentaires : qui décide, qui agit, qui vérifie, qui transmet les informations et comment gérer les désaccords.
Ces questions sont directement liées à la conception des systèmes multiagents.
Créer cinquante instances d'un modèle ne produit pas automatiquement une équipe capable de fonctionner comme cinquante spécialistes humains.
La performance dépend de l'orchestration, des outils, du partage de mémoire et de la définition des responsabilités.
L'expérience suggère que l'intelligence individuelle et l'efficacité collective doivent être évaluées séparément.
Bed Wars : GPT remporte six parties contre trois pour Claude
Les chercheurs ont ensuite organisé une expérimentation différente dans Minecraft.
Cette fois, les agents ne doivent plus construire une civilisation.
Ils s'affrontent dans Bed Wars, un mode compétitif dans lequel deux équipes défendent leur lit et cherchent à détruire celui de l'adversaire.
Chaque équipe comprend dix agents.
L'une utilise GPT-6.1 Sol et l'autre Claude Opus 5.5.
Les chercheurs organisent neuf parties d'une durée maximale d'environ 45 minutes.
L'équipe GPT remporte six rencontres, contre trois pour Claude.
Le résultat montre un avantage dans cette configuration expérimentale.
Il ne permet pas de conclure que GPT est généralement supérieur à Claude dans toutes les tâches ou tous les environnements.
Les stratégies collectives, les outils disponibles et les mécanismes du jeu influencent les performances observées.
Deux styles de coordination très différents
Les agents GPT adoptent généralement une stratégie plus agressive dans Bed Wars.
Ils cherchent à occuper les plateformes centrales, récupérer des ressources et organiser des offensives contre le lit adverse.
Les agents Claude jouent davantage de manière défensive et privilégient parfois les éliminations.
Cette prudence peut sembler efficace lorsque les défenseurs conservent un avantage local.
Mais elle devient problématique si l'équipe adverse parvient à détruire le lit qui permet la réapparition.
Les chercheurs soulignent que plusieurs victoires GPT ont été obtenues dans les dernières minutes.
Le groupe GPT communique aussi beaucoup plus fréquemment dans certaines parties.
Lors d'une rencontre documentée, ses agents envoient 1 147 messages directs, contre 82 pour les agents Claude.
Ces différences quantitatives doivent toutefois être rapprochées de la qualité des échanges et des décisions réellement exécutées.
Mindustry confirme des comportements collectifs contrastés
La troisième série d'expériences se déroule dans Mindustry, un jeu mêlant construction d'usines, gestion de ressources et stratégie militaire.
Les chercheurs opposent des équipes de cinquante agents GPT à cinquante agents Claude.
Sept parties sont disputées sur une durée cumulée d'environ neuf heures et demie.
GPT remporte six parties, tandis que Claude en gagne une.
Les observations montrent des styles de collaboration différents.
Les équipes GPT développent des réseaux de communication plus denses et répartissent plus facilement certaines responsabilités.
Les agents Claude conservent plus souvent un responsable central et utilisent des procédures de validation collective.
Dans plusieurs situations, ils approuvent des propositions à l'aide de messages courts comme +1.
Ces comportements ne sont pas automatiquement bons ou mauvais.
Une coordination centralisée peut être efficace dans certains contextes et ralentir l'exécution dans d'autres.
L'intérêt de l'expérience tient à la possibilité d'observer comment ces comportements apparaissent sans avoir été entièrement prescrits.
Les agents GPT vont jusqu'à consulter le code source du jeu
Une autre différence apparaît dans les recherches d'informations effectuées par les équipes.
Lorsque les agents GPT rencontrent certaines difficultés dans Mindustry, ils consultent le code source public du jeu.
Ils cherchent à comprendre ses unités, ses mécanismes et les possibilités offertes par l'environnement.
Ils utilisent ensuite ces connaissances pour discuter de nouvelles stratégies.
Les agents Claude n'adoptent pas le même comportement de recherche dans les parties observées.
Les chercheurs précisent que cette consultation était autorisée dans l'environnement expérimental.
Il ne s'agissait pas de modifier clandestinement les fichiers du jeu.
Cette observation illustre une capacité intéressante des agents autonomes : exploiter des ressources documentaires externes lorsqu'une situation ne peut pas être résolue avec les seules informations immédiatement disponibles.
Elle montre également pourquoi l'accès aux outils peut influencer fortement les résultats d'une comparaison entre modèles.
Les limites de l'étude sont essentielles
Les expériences de Y Combinator Labs et d'Olam Labs produisent des observations concrètes, mais elles ne constituent pas un classement universel des modèles d'intelligence artificielle.
La durée des simulations est limitée.
Les objectifs, les outils et les règles des environnements sont particuliers.
Le nombre de parties reste relativement faible pour tirer des conclusions générales.
Les mêmes modèles pourraient se comporter différemment avec d'autres instructions ou une autre architecture d'orchestration.
Les expériences ont également été conduites et documentées par les équipes qui ont conçu les environnements.
Une reproduction indépendante permettrait de mieux évaluer la stabilité des résultats.
Il faut donc lire les victoires dans Bed Wars et Mindustry comme des résultats propres au protocole, et non comme une mesure définitive des capacités de raisonnement ou de collaboration de chaque modèle.
Les outils expérimentaux ont été publiés
Les chercheurs ont rendu publics plusieurs éléments logiciels utilisés dans leurs expérimentations.
Le projet Minecraft repose notamment sur un environnement d'agents développé spécialement pour permettre des sessions longues.
Son code est publié dans un dépôt GitHub consacré au Minecraft Agent Harness de Y Combinator.
La publication présente également des outils et environnements destinés aux expérimentations avec Mindustry.
Cette ouverture facilite l'examen des méthodes et peut permettre à d'autres chercheurs de créer leurs propres tests.
Elle ne signifie pas que chaque résultat pourra être reproduit à l'identique sans disposer des mêmes modèles, ressources et paramètres.
Mais elle constitue un élément utile pour dépasser la simple démonstration spectaculaire.
Ce que cette expérience dit des futurs agents professionnels
L'enjeu industriel est plus important que la survie d'une colonie Minecraft.
De nombreuses entreprises envisagent des systèmes dans lesquels plusieurs agents IA collaborent pour écrire du code, rechercher des informations, gérer des documents ou effectuer des opérations administratives.
Ces agents peuvent être spécialisés, mais ils doivent aussi partager un contexte commun.
Une mauvaise répartition des responsabilités risque de produire des demandes de validation inutiles.
Des procédures trop nombreuses peuvent ralentir des tâches simples.
Une centralisation excessive peut transformer un agent en point de passage obligatoire.
Les observations de Civ50 donnent des exemples concrets de ces risques.
Elles ne prouvent pas que les mêmes problèmes apparaîtront systématiquement dans une entreprise, mais elles justifient de tester la coordination avant de multiplier les agents.
La difficulté n'est plus seulement de raisonner, mais d'agir ensemble
L'expérience laisse une image mémorable : cinquante agents capables de programmer, de communiquer et de planifier, mais qui passent parfois plus de temps à organiser la distribution des ressources qu'à les produire.
Leur échec relatif ne signifie pas que la collaboration entre agents autonomes est impossible.
Les rotations de pêche, les systèmes de stockage et certaines stratégies militaires montrent au contraire des capacités de coordination réelles.
Mais ces capacités restent irrégulières et fortement dépendantes des outils fournis.
La question centrale est donc celle du rendement collectif.
Un groupe intelligent n'est pas nécessairement un groupe efficace.
Pour les concepteurs de systèmes multiagents, la leçon est claire : il faudra mesurer les actions accomplies, les ressources consommées et les résultats obtenus, plutôt que de s'arrêter au nombre d'agents mobilisés ou de messages échangés.
Dans cette expérience, l'intelligence artificielle a su inventer une administration. Elle n'a pas encore trouvé comment en faire une civilisation prospère.