À Catan, une petite IA gagne 36 duels sur 40 face aux grands modèles

Le modèle VINCO revendique les deux premières places de Catan en duel sur Colonist, avec un entraînement sans parties humaines selon son équipe.

Deux comptes pilotés par la même IA ont occupé les deux premières places mondiales du classement Catan en duel sur Colonist, selon distributed cognition. L’équipe situe cette performance au 1er novembre, après moins de 24 heures de jeu cumulées. Son modèle, VINCO, compterait environ 500 000 paramètres et a été conçu spécifiquement pour cette compétition.

Le rapport de présentation accompagne cette annonce de captures du classement et d’un profil affichant 107 parties, avec 67,3 % de victoires. Ce relevé ne décrit qu’un des comptes présentés. Il faut aussi le distinguer des 90 % de victoires mis en avant contre de grands modèles de langage, obtenus dans une autre série de matchs organisée par les développeurs. Un duel à quinze points, sans échange entre joueurs

Le terrain de jeu compte autant que le classement. Dans cette variante, deux adversaires cherchent à atteindre quinze points de victoire, contre dix dans la version classique à quatre joueurs. Les échanges de ressources entre joueurs sont désactivés. La performance annoncée porte donc sur un affrontement stratégique, sans la négociation qui occupe une place importante autour d’une table de Catan.

Les règles du mode classé de Colonist prévoient aussi des dés équilibrés et un voleur soumis à une protection de début de partie. Le rapport décrit des tours de trente secondes, pendant lesquels l’agent doit choisir entre construire, acheter des cartes ou conserver ses ressources. Les cartes de développement adverses restent cachées : décider exige de composer avec des informations incomplètes, tout en anticipant les réponses possibles. Un entraînement spécialisé, sans parties humaines

La méthode annoncée associe apprentissage par renforcement sur des parties simulées et entraînement par autojeu. Selon l’équipe, aucune partie humaine n’a servi à entraîner le modèle. L’agent apprend à partir des situations de jeu et des résultats de ses actions, puis affine sa stratégie en affrontant des versions de lui-même.

Les développeurs déclarent avoir obtenu ce niveau en moins d’une journée d’entraînement sur deux cartes graphiques RTX PRO 6000 Blackwell. Aucun coût total de développement n’est donné dans le rapport.

L’équipe défend une organisation de l’IA où plusieurs modèles spécialisés collaboreraient, plutôt qu’un unique modèle généraliste chargé de tout faire. Le jeu sert ici de terrain d’apprentissage à la décision sous incertitude. Le rapport présente les performances d’un spécialiste ; il ne met pas à l’épreuve cette collaboration entre modèles. Quarante matchs pour comparer quatre grands modèles

Dans l’évaluation publiée, chaque adversaire dispute dix parties contre VINCO. Le bilan donne neuf victoires au spécialiste face à Opus 5.5, neuf face à Fable 5.1, huit face à Astra et dix face à Kimi K3. Le total atteint donc 36 succès sur 40, soit 90 %. Les adversaires étaient tous réglés sur un niveau de raisonnement élevé.

Cet échantillon reste restreint : pour chaque modèle, une seule partie fait varier le taux de victoire de dix points. Il ne s’agit pas non plus d’un tournoi où tous les concurrents s’affrontent. Les scores mesurent leur réussite contre le même spécialiste, sans établir un classement général entre eux.

Une plateforme de jeu dédiée est proposée pour affronter l’agent. Elle utilise son propre classement : la note de VINCO y est fixée à 3 000, tandis que celles des autres IA sont estimées à partir des dix matchs de comparaison. Cette valeur ne doit pas être confondue avec une note obtenue sur le classement de Colonist. Des villes plus tôt, des ports moins souvent

Les choix de jeu décrits par l’équipe donnent une autre lecture de la performance. L’agent joue en moyenne 53 % de cartes de développement de plus que les joueurs les mieux classés et privilégie la plus grande armée à la route la plus longue. Il économise pour construire une ville avant de s’étendre dans 40 % des cas, contre 18 % chez les humains comparés.

L’expansion plus tardive pourrait aussi tirer parti du « voleur amical ». Cette règle protège les joueurs qui n’ont pas encore atteint trois points publics. Les auteurs avancent que l’agent laisse passer les premiers jets de 7 avant de perdre cette protection ; ils présentent cette explication comme leur interprétation de son comportement.

L’utilisation des ports s’écarte également de celle des adversaires humains observés. Ceux-ci y recourent dans environ 70 % de leurs parties, contre la moitié pour VINCO. Pour les ports spécialisés permettant d’échanger deux ressources contre une, les proportions annoncées sont de 47 % chez ses adversaires et de 19 % chez l’agent.