L'ESSENTIEL EN 30 SECONDES

  • Dans Civ50, 50 agents GPT-6.1 Sol avaient trois heures pour bâtir une civilisation dans Minecraft ; ils ont survécu, mais en multipliant règles, permis et registres plutôt qu'en prospérant.
  • En neuf parties de Bed Wars, 10 agents GPT-6.1 Sol ont battu 10 agents Claude Opus 5.5 par 6 à 3 ; dans Mindustry, les agents GPT sous Codex l'ont emporté 6 à 1 face aux agents Claude sous Claude Code.
  • Il s'agit d'expériences uniques et de petite taille, avec des environnements d'exécution différents selon les équipes : elles ne permettent pas d'isoler la qualité des modèles.

Que se passe-t-il lorsque des dizaines d'agents fondés sur des modèles de langage partagent un même monde et un objectif flou ? Des chercheurs des Labs de Y Combinator et d'Olam Labs, spécialiste des environnements multi-agents, ont tenté d'y répondre avec des jeux vidéo. Leur compte rendu, intitulé « Agents in Games » et daté d'octobre 2026, décrit trois expériences et publie les outils en open source.

Civ50 : une colonie de permis

Dans le test principal, 50 agents utilisant GPT-6.1 Sol d'OpenAI ont été lâchés dans Minecraft en mode survie, avec pour consigne de bâtir une civilisation prospère en trois heures. Ils pouvaient s'écrire directement et consulter un annuaire commun. Selon les chercheurs, les agents ont échangé environ 5 900 messages et enregistré 34 morts, dont 22 pendant la première nuit.

La colonie a survécu, mais prudemment. Le manque de nourriture l'a fait basculer en mode survie, et les agents ont mis sur pied ce que les auteurs appellent un pseudo-gouvernement : registre des rations, règles écrites, permis et opérateurs désignés. Exemple frappant : quatre agents ont passé 11 minutes à nommer un unique « opérateur d'engrais » pour une seule poudre d'os. Les auteurs disent avoir retrouvé là une prudence comparable à celle des agents de programmation, un rapprochement qui reste anecdotique.

GPT contre Claude

Deux autres expériences opposaient des équipes. Sur neuf parties de Bed Wars de 45 minutes, 10 agents GPT-6.1 Sol affrontaient 10 agents Claude Opus 5.5 ; GPT a remporté la série 6 à 3, souvent en détruisant le lit adverse en fin de partie, même quand Claude menait au nombre d'éliminations. L'équipe GPT communiquait bien davantage et jouait plus offensivement. Face à un bogue d'outil qui empêchait de casser des blocs, les agents GPT ont trouvé et partagé des contournements, tandis que plusieurs agents Claude ont conclu que c'était impossible.

Dans Mindustry, un jeu open source de construction d'usines et de défense de tours, GPT-6.1 Sol sous Codex a battu Claude Opus 5.5 sous Claude Code par 6 à 1 en sept parties. Les chercheurs décrivent un camp GPT fonctionnant comme une ruche, très communicant, quand l'équipe Claude a conservé un seul chef du début à la fin.

Limites

Il ne s'agit pas de benchmarks évalués par des pairs. Chaque configuration n'a tourné qu'une fois, sur peu de parties, avec des environnements d'agents différents dans Mindustry, et les observations reposent sur la lecture des conversations. Tom's Hardware, qui a relayé ces travaux, les présente comme un éclairage sur le comportement des agents, pas comme un classement général des modèles. Les outils sont disponibles sur GitHub et, selon Tom's Hardware, les auteurs suggèrent de poursuivre avec d'autres combinaisons de modèles et tailles d'essaims.