IA versus humain
IA versus humain

Des jeux de plateau aux jeux vidéo, l’IA enrichit l’expérience des joueuses et des joueurs en créant des univers plus vastes et en améliorant la qualité du jeu.
Depuis les débuts de l’informatique, le jeu sert de terrain d’expérimentation : dès 1950, Claude Shannon explore un algorithme pour jouer aux échecs, suivi par Arthur Samuel qui conçoit pour IBM un programme capable de jouer aux dames.
Les jeux compétitifs à deux (échecs, dames, go) sont les plus étudiés. Ils sont souvent analysés grâce au célèbre algorithme MiniMax, qui évalue les coups possibles sous la forme d’un arbre où chaque nœud représente une position du plateau. Pour des jeux complexes, cet arbre devient trop vaste ; l’élagage alpha-bêta permet alors d’écarter les branches inutiles pour optimiser la réflexion.

Trois grandes familles d’algorithmes coexistent :
- Les algorithmes d’arborescence classiques (comme alpha-bêta).
- Le Monte Carlo Tree Search, qui combine arbre de jeu et échantillonnage aléatoire.
- L’apprentissage par renforcement profond, aujourd’hui le plus performant.
Cette dernière méthode est révolutionnaire : l'IA apprend sans connaissances préalables en jouant des milliers de parties contre elle-même, découvrant seule les stratégies gagnantes.
En 2017, on donne à AlphaZero les règles de base des échecs. En jouant contre elle-même, elle est passée du niveau débutant au niveau de grand maître imbattable en seulement 4 heures. Elle a redécouvert en une matinée des siècles de théorie échiquéenne humaine.





