Comment les jeux vidéo peuvent-ils entraîner des agents d'IA ? Le pari à 2,3 milliards de dollars de General Intuition

Une start-up d'IA a bouclé une importante levée de fonds pour entraîner des agents d'IA à partir de données issues de jeux vidéo. Selon TechCrunch, l'entreprise, baptisée General Intuition, a levé 320 millions de dollars et atteint une valorisation de 2,3 milliards de dollars à l'issue de ce tour.

L'idée centrale de l'entreprise est que les jeux vidéo peuvent constituer une riche source de données d'entraînement pour l'IA. Les jeux sont des environnements interactifs qui contiennent du mouvement, des décisions et des résultats. La façon dont un personnage se déplace, gère les obstacles et atteint des objectifs crée un flux continu de « données d'action » produites tout au long du jeu.

Les modèles d'IA les plus connus aujourd'hui sont en grande partie entraînés sur du texte. Ils sont très compétents pour comprendre et produire du langage, mais ne possèdent pas la même aisance naturelle pour les tâches qui exigent de se déplacer et d'agir dans le monde physique. Ce qui manque ici, c'est une intuition pratique de l'interaction avec le monde.

Le pari de General Intuition vise précisément à combler ce manque. L'entreprise soutient que les données d'action contenues dans des millions d'heures d'enregistrements de jeu peuvent aider l'IA à apprendre comment se comporter dans un environnement. L'objectif n'est donc pas tant d'apprendre à jouer à un jeu que d'en extraire une intuition générale du « comment se déplacer ».

L'attrait de cette approche tient à l'abondance des données. Les jeux offrent des scénarios contrôlés mais variés : des comportements comme sauter, esquiver, planifier ou se diriger vers un objectif se répètent de nombreuses fois. Cela signifie que les données d'action — coûteuses et lentes à recueillir dans le monde réel — peuvent être obtenues beaucoup plus vite et plus sûrement dans un environnement numérique.

L'objectif ultime est de transposer cette intuition à des applications du monde réel. La vision de l'entreprise est que les schémas de comportement appris dans les jeux pourraient être transférés à la robotique et à d'autres systèmes physiques. Si une IA peut apprendre à franchir des obstacles et à atteindre des objectifs dans un environnement virtuel, on espère qu'une partie de ces compétences pourra se généraliser au monde réel.

Cela dit, le passage des jeux au monde réel n'est pas aisé. Les environnements virtuels ne reflètent pas pleinement la complexité et l'imprévisibilité du monde réel. Savoir si des stratégies qui fonctionnent dans un jeu tiennent aussi dans le monde physique est un problème de recherche ouvert, étudié de manière intensive.

L'intérêt des investisseurs, lui, s'inscrit dans l'attente plus large autour des agents d'IA. Les systèmes d'IA dits « agents » sont définis comme des systèmes capables non seulement de répondre à des questions, mais d'accomplir des tâches de manière autonome dans un environnement. Ce domaine est considéré comme un candidat à la prochaine grande vague de l'IA.

Selon les experts, de tels investissements témoignent aussi de la diversité de données vers laquelle se tourne le secteur. À mesure que l'on approche des limites des données textuelles, les entreprises se tournent vers de nouvelles sources comme la vidéo, le jeu et les données de capteurs. Les jeux se distinguent dans cette quête comme une source à la fois abondante et structurée.

L'investissement rapporté par TechCrunch illustre l'effort de l'IA pour s'étendre du texte vers l'action. Que le pari de General Intuition soit gagnant se verra avec le temps, mais l'idée souligne un intérêt croissant pour la vision selon laquelle les jeux peuvent être non seulement un divertissement, mais aussi un terrain d'apprentissage pour l'IA.