L’IA dans les jeux vidéo : entre terrain d’expérimentation et outil de production

Depuis le début de l’année, nous avons consacré deux articles traitant de l’impact de l’intelligence artificielle sur le marché du jeu vidéo. Le premier synthétise le rapport du State of the Game 2026 et montre que l’IA générative a surtout tendance à inquiéter les professionnels du secteur — du moins les exécutants. Le second, plus généraliste, porte sur l’incidence de l’IA sur l’industrie créative.

Ces deux dossiers sont illustrés par des visuels de jeux générés artificiellement : des « œuvres » souvent de mauvais goût, parfois carrément ratées, et qui ne manquent pas d’être répertoriées et affichées par leurs détracteurs. Ces manifestations visibles et parfois risibles ne sont toutefois qu’une façade. En coulisses, des systèmes bien plus aboutis et pertinents se mettent en place.

Deux jeux servent ici de point d’ancrage : EVE Online et Arc Raiders. Pour le premier, nous restons sur de l’exploratoire ; pour le second, c’est plus concret. Par ailleurs, comme vous le faites souvent remarquer, le terme IA est employé à tort et à travers. Dans le domaine du jeu vidéo, il peut englober aussi bien le machine learning que l’IA générative, dans un écosystème où la frontière avec certaines techniques procédurales (PCG) est parfois poreuse selon les usages et les contextes de production. Nous nous évertuerons donc de faire les distinctions quand cela est nécessaire.

Pour EVE Online, début mai, la division IA de Google, DeepMind, a pris une participation minoritaire dans le studio. Studio qui, dans le même temps, a racheté ses parts à son ancien propriétaire Pearl Abyss pour devenir une entité autonome appelée Fenris Creations. Le but du partenariat avec Google est d’utiliser le jeu et sa gigantesque base de données d’interactions entre joueurs comme terrain d’étude pour évaluer « l’intelligence dans des systèmes complexes, dynamiques et pilotés par les joueurs ».

Quant à Arc Raiders, ce n’est plus le phénomène qu’il était dans les semaines ayant suivi sa parution fin octobre. Toutefois, le recours à l’intelligence artificielle fait par Embark Studios a suscité de nombreuses controverses et pas mal de fantasmes. C’est l’occasion d’y revenir pour défricher un peu le terrain.

EVE Online, paradis des agents IA de DeepMind ?

Dans l’annonce du 6 mai (ou A New Area par EVE Online si vous préférez), Fenris et DeepMind expliquent qu’EVE Online constitue « un environnement d’étude d’une richesse unique », notamment pour développer des systèmes d’IA capables de « planification à long horizon, mémoire et apprentissage continu ».

En effet, comme le souligne Science & Vie dans un article qui s’intéresse à ce cas, EVE Online fonctionne depuis 2003 sur un unique univers persistant, Tranquility. Ce monde possède une économie avec des transactions effectuées par des milliers d’inscrits. Le jeu intègre aussi des marchés boursiers en monnaie virtuelle. Il est régi par des coalitions regroupant des milliers d’adhérents, ponctué de guerres logistiques pouvant durer plusieurs semaines. Comme l’allègue notre consœur, « aucun jeu commercial ne réunit autant de variables stratégiques imbriquées sur des durées comparables ».

Une idée que Hilmar Veigar Pétursson, le PDG de Fenris, résume dans une lettre ouverte adressée aux joueurs en ces termes : « EVE est l’un des rares environnements où les questions liées à l’intelligence peuvent être explorées dans quelque chose qui se comporte déjà comme un monde vivant ». Dans cet univers virtuel, les modèles de Google DeepMind trouveront « des problèmes difficiles, des horizons temporels longs et des possibilités étranges ».

Avis forcément partagé par Alexandre Moufarek, directeur chez Google DeepMind. Ce dernier estime que « ce que la communauté EVE a créé avec [Pétursson] et son équipe est véritablement sans équivalent dans le jeu vidéo. C’est une simulation unique pour tester une intelligence artificielle généraliste dans un environnement sandbox sécurisé ».

En somme, EVE Online va devenir un terrain d’expérimentation pour des agents IA capables de gérer des décisions stratégiques complexes sur le long terme. Des décisions qui impliquent de planifier mais aussi de s’adapter à un environnement en constante évolution.

DeepMind a précisé qu’elle mènerait ses expériences dans une version du jeu hors ligne, exécutée sur un serveur local, spécialement dans cette optique. Cela ne doit pas avoir d’impact direct sur l’expérience des joueurs en ligne. Toutefois, les deux entreprises n’écartent pas la possibilité d’explorer de futures formes de gameplay liées à ces technologies.

Le communiqué promettait davantage de détails lors du Fanfest 2026, qui s’est déroulé la semaine dernière. Une discussion sur le partenariat avec Google DeepMind a bien eu lieu, notamment avec une intervention d’Adrian Bolton, représentant de l’entreprise. Toutefois, aucune nouvelle annonce majeure n’a été faite à cette occasion. Rappelons donc simplement que Google DeepMind s’appuie depuis longtemps sur les jeux vidéo et les jeux de plateau comme terrains d’expérimentation pour ses modèles d’apprentissage automatique. Son palmarès inclut des avancées marquantes allant du Go à des performances sur des jeux comme Atari ou StarCraft.

Plus récemment, Google DeepMind s’est tournée vers les « world models », des IA capables de générer et simuler des environnements virtuels interactifs afin d’y entraîner des agents autonomes. Avec ses projets Genie et SIMA (Scalable Instructable Multiworld Agent), l’entreprise cherche notamment à développer des systèmes capables d’apprendre à agir dans des contextes proches du monde réel.

Plus précisément, Genie / Genie 2 / Genie 3 forment une série de world models capables de générer des environnements 3D interactifs à partir d’images ou de prompts texte ; SIMA / SIMA 2 sont des agents IA entraînés à jouer à différents jeux 3D comme un humain, uniquement via l’image à l’écran et à l’aide d’entrées traditionnelles.

Arc Raiders et Embark

Sur un autre registre, Arc Raiders a illustré une confusion fréquente autour de l’IA dans le jeu vidéo. Indépendamment de la polémique sur certaines voix générées par IA, le comportement des Arcs (les robots qui en veulent à votre peau) a suscité de nombreuses spéculations. Certains y ont vu une IA générative ou des systèmes capables d’apprendre directement des joueurs en temps réel.

En réalité, Embark Studios a précisé que ces comportements reposaient sur des techniques de machine learning, principalement utilisées pour la locomotion et certaines animations physiques, en particuleir sur les grandes unités robotiques. Mais ces systèmes ne constituent pas une IA adaptative en temps réel au sens où l’entendent certaines interprétations.

De toute façon, à ce stade, les modèles utilisés dans les jeux vidéo doivent être entraînés en amont. Au mieux, certains systèmes peuvent adapter de manière scriptée l’agressivité, la précision ou certains comportements, mais toujours dans un cadre défini par les développeurs, et non via un apprentissage autonome.

En revanche, la force de l’apprentissage automatique réside dans sa capacité à exploiter d’immenses volumes de données accumulées lors de l’entraînement. Une fois nourri par les réactions d’un très grand nombre de joueurs, un modèle peut ainsi généraliser à des cas variés qu’il serait difficile de couvrir exhaustivement de manière purement manuelle. Ces systèmes restent néanmoins intégrés dans des architectures de jeu contrôlées, sous forme de comportements encadrés par des contraintes de design.

Sur Medium, les développeurs d’Embark décrivent l’animation comme un goulot d’étranglement majeur du développement ; détaillent leur approche pour passer outre.

Les personnages ou créatures doivent être conçus et animés manuellement afin d’obtenir des interactions apparemment réalistes avec le monde. Cela rend difficile le passage à l’échelle sans faire grossir les équipes de développement.

C’est pourquoi, au cours des deux dernières années, nous avons poursuivi une approche d’animation physique basée sur l’apprentissage par renforcement. En résumé, cela signifie que nous entraînons des machines basées sur la physique à marcher en leur attribuant des récompenses lorsqu’elles font les bonnes actions — un peu comme des friandises virtuelles pour chien.

Comme vous le verrez dans les exemples ci-dessous, obtenir de bons comportements de mouvement peut conduire à un gameplay plus immersif et plus intéressant, où le monde paraît véritablement vivant — sans animations préfabriquées, sans transitions saccadées entre les poses, ni comportements de ragdoll étranges.

À la place, notre agent — que l’on peut considérer comme le joueur IA — observe son corps et le monde qui l’entoure, puis décide comment déplacer ses jambes sur les prochaines images. Cela signifie que si l’agent entre en collision, est frappé ou génère lui-même une force, il peut s’adapter immédiatement à chaque situation unique. Si vous trébuchez sur une pierre ou recevez une boule de neige, vous réagirez différemment à chaque fois — parce qu’aucune pierre ni aucune boule de neige n’est identique.

Cette longue vidéo revient également sur le processus :

Revenons à l'article. Après un long passage sur les défis et répercussions de cette approche, le billet met en avant un autre point clé : le gain de temps. « Nous avons abouti à un flux de production qui nous permet de créer beaucoup plus de contenu avec une équipe relativement réduite, car nous ne dépendons plus d’une armée d’animateurs pour scripter chaque mouvement et chaque rencontre intégrés au jeu. En fait, notre objectif est que nos designers puissent entraîner des agents sans intervention des ingénieurs ou des animateurs ».

Du côté des joueurs, « voir une créature auto-apprise, basée sur la physique, se déplacer et réagir à son environnement, tenter de garder l’équilibre et continuer à avancer même lorsqu’on lui lance des objets ou qu’on lui retire un membre — exactement comme on pourrait s’y attendre — est vraiment quelque chose de marquant. Cela donne naissance à un gameplay émergent : des moments de jeu que même nous, en tant que créateurs, n’aurions jamais pu anticiper ». D'où les méprises évoquées plus haut.

PNJ et IA générative : promesse et limites

Terminons par quelques mots sur ce qui représente à ce jour l’intégration la plus évidente de l’IA générative dans un jeu : l’utilisation de modèles de langage pour les dialogues avec les PNJ. Sur le papier, l’idée est séduisante : remplacer les répliques statiques par des interactions dynamiques. N’importe qui ayant joué à un jeu solo une fois dans sa vie serait sans doute ravi de voir des PNJ qui ne répéteraient pas sans cesse les deux ou trois mêmes phrases en boucle ; surtout, qui réagiraient différemment à ses actions. Mais c’est là que le bât blesse.

Il existe désormais pas mal de jeux qui proposent de telles interactions — Suck Up! pour n’en citer qu’un. Where Winds Meet a même intégré quelques PNJ avec lesquels le joueur peut philosopher sur le sens de la vie. On rappellera aussi NVIDIA ACE, qui promettait de tailler le bout de gras avec le cuistot du jeu vidéo.

Reste que, pour le moment, leur intégration à grande échelle dans des jeux commerciaux est limitée. Cela peut étonner à une ère où certains échangent quotidiennement avec ChatGPT and co pour demander le temps qu’il fait et comment s’habiller.

Dans une vidéo de France Culture titrée JEUX VIDÉOS : comment la SCIENCE façonne le GAME DESIGN, David Louapre explique pour quelles raisons il est si ardu de rendre ces systèmes pertinents dans ce contexte. La source a désactivé la lecture de sa vidéo sur des sites externes, mais vous pouvez l'écouter via le lien horodaté ci-dessus.

Pour résumer, la raison principale tient à des contraintes de cohérence, mais aussi de programmation. David Louapre l’illustre par un exemple très concret : un PNJ à qui l’on demande de nous aider à récolter du bois accepte. Il aura par contre beaucoup de mal à joindre les actes à la parole s’il n’a pas été explicitement programmé pour cela. Ainsi, loin d’ouvrir d’un coup tout le champ des possibles, les modèles de langage n’ont pour l’instant pas vocation à être généralisés dans les jeux vidéo. Même pour un modèle parfaitement aligné avec l’univers fictionnel d’un titre (avec sa diégèse pour être pédant), son intégration fiable dans une boucle de gameplay reste une gageure.