Ataraxos écrase le quadruple champion du monde de Stratego avec quelques milliers de dollars

Le Stratego était considéré comme l’un des tests les plus résistants pour une intelligence artificielle : trop de configurations possibles, trop d’informations cachées et trop peu de certitude sur les conséquences d’un coup. Ataraxos vient pourtant de dominer le joueur le plus titré de la discipline avec un budget d’entraînement limité à quelques milliers de dollars.

Un champion humain nettement distancé

Dans une série de 20 parties, l’IA Ataraxos a remporté 15 victoires, concédé une seule défaite et obtenu quatre matchs nuls face à Pim Niemeijer, quadruple champion du monde et figure majeure du Stratego international.

Le résultat est d’autant plus marquant que Niemeijer ne représente pas simplement un bon joueur humain : il appartient au groupe très restreint des spécialistes ayant accumulé le plus de titres dans ce jeu. La performance d’Ataraxos ne repose donc pas sur une victoire isolée ou sur un coup particulièrement chanceux, mais sur une domination répétée au fil d’un match long.

L’étude consacrée au système a été publiée dans Nature le 30 septembre 2026. Ses auteurs présentent Ataraxos comme une avancée importante pour l’apprentissage par renforcement dans les environnements où les joueurs ne disposent pas des mêmes informations.

Le coût annoncé constitue l’autre aspect spectaculaire du résultat. L’entraînement aurait nécessité seulement quelques milliers de dollars, très loin des budgets de calcul associés aux grands modèles d’IA généralistes. Il ne s’agit pas du coût total de la recherche — qui inclut le développement des algorithmes, les expériences et l’infrastructure — mais d’une estimation des ressources de calcul mobilisées pour l’entraînement proprement dit.

Pourquoi le Stratego résiste aux machines

Le Stratego oppose deux armées dont les pièces sont placées secrètement sur le plateau. Chaque joueur connaît la position de ses propres unités, mais ignore celle de l’adversaire. Cette incertitude ne disparaît qu’au moment d’une confrontation : la valeur des pièces est alors révélée, avec des conséquences souvent irréversibles.

Le jeu combine ainsi plusieurs difficultés classiques de l’IA :

• une information partielle sur l’état réel de la partie ;
• un nombre considérable de configurations initiales ;
• des décisions à long terme dont les effets peuvent rester invisibles pendant de nombreux tours ;
• des bluffs et des déductions sur les intentions de l’adversaire ;
• un arbre de décisions qui ne peut pas être exploré entièrement par force brute.

Aux échecs et au go, l’état du plateau est visible par les deux joueurs. Une machine peut donc analyser les coups possibles à partir d’une représentation complète de la position. Au Stratego, cette représentation est incomplète par construction. L’agent doit raisonner sur une distribution de possibilités : quelle pièce se trouve derrière une case inconnue, quelles informations ont été révélées, et quelle stratégie l’adversaire semble-t-il suivre ?

Cette différence explique pourquoi les succès historiques de DeepMind aux échecs, au go ou au jeu vidéo ne se transposent pas automatiquement aux jeux à information cachée. Dans ces environnements, une bonne décision ne consiste pas seulement à calculer le meilleur coup, mais aussi à gérer l’incertitude.

Ataraxos apprend à décider sans tout savoir

Ataraxos s’inscrit dans cette famille de systèmes capables d’apprendre des stratégies à partir de parties jouées contre eux-mêmes ou contre des versions antérieures de leur propre politique. L’objectif n’est pas de mémoriser une ouverture ou une séquence de coups, mais d’acquérir une politique de décision adaptée à des situations variables.

Cette approche est particulièrement pertinente pour le Stratego. Une stratégie efficace doit savoir exploiter une information incomplète, protéger les pièces essentielles, tester les hypothèses sur le dispositif adverse et accepter parfois une perte locale pour obtenir un avantage futur.

La performance d’Ataraxos suggère que ce type d’apprentissage peut produire une représentation suffisamment robuste des risques et des intentions adverses sans dépendre d’une puissance de calcul massive. Le résultat déplace donc l’attention : l’efficacité d’un système ne dépend pas uniquement de la taille du modèle ou du volume de matériel utilisé, mais aussi de la manière dont le problème est formulé et de la qualité de la boucle d’apprentissage.

La prudence reste toutefois nécessaire. Une série de 20 parties constitue un signal fort, pas une mesure exhaustive de toutes les capacités du système. Le niveau observé dépend du protocole de jeu, des règles utilisées, de l’éventuelle connaissance préalable de certaines variantes et du profil de l’adversaire. Battre un champion dans un cadre donné ne signifie pas qu’Ataraxos possède une compréhension générale de la stratégie ou qu’il serait aussi performant face à tous les styles de jeu.

Des résultats qui dépassent le seul Stratego

Les chercheurs ne se sont pas limités au Stratego classique. Ils ont également obtenu des performances de niveau surhumain dans Barrage Stratego, une variante conçue pour isoler et renforcer certains aspects de la prise de décision sous information cachée.

Cette extension compte beaucoup sur le plan scientifique. Elle réduit le risque d’un système simplement ajusté à un seul jeu et permet d’observer si les mécanismes développés par l’IA se transfèrent à une autre structure stratégique. Les résultats indiquent que l’approche conserve une efficacité élevée lorsque les règles et les contraintes changent.

Ataraxos établit aussi un nouvel état de l’art sur Hanabi, le jeu de cartes coopératif dans lequel les joueurs ne voient pas leurs propres cartes et doivent communiquer avec des indices limités. Hanabi pose un problème différent du Stratego : l’adversaire n’est plus le principal obstacle, et la réussite dépend de la coordination entre agents, de l’interprétation des signaux et du respect de conventions implicites.

La combinaison de ces résultats est plus significative qu’une simple victoire dans un jeu de plateau. Elle montre qu’une même famille de méthodes peut traiter plusieurs formes d’information imparfaite : la dissimulation des pièces, le raisonnement tactique, la coopération et la communication contrainte.

Un jalon pour l’apprentissage par renforcement

Les jeux à information cachée servent depuis longtemps de bancs d’essai à la recherche en apprentissage par renforcement. Ils obligent les agents à estimer ce qu’ils ignorent, à réviser leurs croyances et à planifier malgré l’incertitude. Ces capacités sont également recherchées dans des domaines concrets, comme la robotique, la cybersécurité, la négociation automatisée ou la gestion de systèmes complexes.

La victoire d’Ataraxos ne prouve pas qu’une IA sait résoudre ces problèmes dans le monde réel. Un jeu reste un environnement fermé, avec des règles explicites et des objectifs précisément définis. Mais il fournit un test contrôlé pour mesurer la capacité d’un système à apprendre une stratégie quand l’information est incomplète et les erreurs coûteuses.

Le prochain jalon sera donc la reproductibilité : vérifier si les performances se maintiennent face à un éventail plus large de champions, sur davantage de parties et dans des variantes non utilisées pendant l’entraînement. Si tel est le cas, Ataraxos pourrait devenir une référence pour concevoir des agents performants dans des environnements incertains, avec des besoins de calcul mesurés plutôt qu’avec des infrastructures hors norme.