Ils ne voient pas un seul pixel, n'appuient sur aucune touche, et n'ont jamais reçu d'autre consigne qu'un paragraphe. Le 15 octobre, trois chercheurs de Google DeepMind ont déposé une étude racontant comment quatre agents Gemini 4 Argon ont terminé Minecraft — tuer l'Ender Dragon, la fin du jeu de Mojang — en 27 heures et 14 minutes, sans aucune intervention humaine. Selon eux, c'est la première complétion autonome de bout en bout du jeu par des agents IA, avec la bibliothèque standard Mineflayer, sans seed pré-repéré et sans outils spécifiques écrits par des humains.
Pas des joueurs, des programmeurs
Le dispositif est plus austère qu'il n'y paraît. Quatre instances du même agent de codage généraliste, chacune sur sa machine cloud, connectées à Minecraft Java Edition 1.20.4 en mode survie, difficulté Facile, sur un monde généré aléatoirement, commandes de triche désactivées. Leur seule interface : Mineflayer, qui leur renvoie du texte — position, points de vie, inventaire, erreurs. Les agents écrivent alors de courts programmes JavaScript, les exécutent, lisent le résultat, puis écrivent le suivant. Aucun rôle, aucune stratégie, aucun outil dédié au jeu n'avaient été fournis.
Cinquième participant, l'agent « Observer » : un témoin qui ne joue jamais et publie un rapport en direct. C'est lui qui doit garantir qu'aucune triche ne s'est glissée dans la performance.
27 heures, 2 783 programmes, 605 morts
Le déroulé ressemble à une partie désordonnée mais efficace. Dix minutes après le premier programme, les agents se répartissent eux-mêmes les rôles. Outils en fer, diamants et portail du Nether en moins de deux heures (portail allumé à 1 h 42). Les 15 perles d'Ender sont réunies dans un coffre commun à 5 h 30, le portail de l'End s'allume à 13 h 17. Pour trouver la forteresse, l'un d'eux lance deux « Eyes of Ender », échantillonne leur trajectoire toutes les 50 millisecondes et triangule : son estimation tombe à 43 mètres de la salle du portail. Dans l'End, les dix cristaux de soin tombent en 4 h 40 ; le dragon meurt 39 minutes après le dernier. L'agent bulicame termine à 2,5 points de vie sur 20.
Le bilan brut, lui, n'a rien de propre : 2 783 programmes écrits et exécutés avant la victoire, 229 messages échangés, 605 morts — dont 69 face au dragon —, 22 % des programmes terminés par une erreur, et six redémarrages du serveur.
« 27 heures et 2 783 programmes écrits par eux-mêmes plus tard, le dragon est tombé. » — Maxence Faldor, premier auteur, sur X, le 16 octobre 2026
Ce qui a émergé sans qu'on le demande
Le résultat intéressant n'est pas la victoire, c'est la coordination qui est apparue d'elle-même : spécialisation des tâches, mémoire partagée (coordonnées des coffres, dangers rencontrés, leçons tirées), 42 fonctions utilitaires et 146 états persistants réutilisés d'un programme à l'autre, récupération des objets des coéquipiers morts, correction mutuelle des erreurs. Aucun de ces comportements n'avait été programmé.
Côté intégrité, l'audit est net : l'Observer n'a signalé aucun « specification gaming » — aucune exploitation des règles du jeu au détriment de l'objectif —, l'audit manuel des journaux non plus, et aucun des 2 839 programmes de la session n'a utilisé de commande serveur ni fait de requête réseau.
Combien ça coûte
L'étude chiffre aussi la facture, aux prix catalogue et hors coût de serving : environ 1,35 milliard de jetons d'entrée (dont 91 % servis par le cache de contexte), 16 millions de jetons de sortie (4 millions de raisonnement) et 24 000 appels au modèle. Soit 520 dollars au tarif API introductif, 1 040 dollars au tarif standard. La session complète, Observer et journée d'après-victoire comprises, monte à 1 620 dollars au prix standard. Chaque joueur avait un programme en cours environ 40 % du temps ; le programme médian durait 33,5 secondes.
Les limites, écrites par les auteurs eux-mêmes
Le récit serait incomplet sans la section 8 de l'étude, qui douche un peu l'enthousiasme. D'abord, Mineflayer n'est pas de la vision : la bibliothèque indique exactement les blocs et les créatures alentour, y compris derrière la roche, et le pathfinding calcule les trajets. Jouer à partir des pixels reste bien plus difficile. Ensuite, la difficulté était Facile : les monstres infligent moins de dégâts et la faim ne tue pas. Surtout, Gemini 4 Argon connaissait déjà Minecraft et Mineflayer par son entraînement : le test porte sur la capacité à transformer ce savoir en programmes et en coordination, pas sur la découverte d'un jeu inconnu.
Il faut y ajouter les 605 morts, les 22 % de programmes en erreur, près de 14 heures pour venir à bout de l'End, les six redémarrages — et un run unique : un seul essai, le premier lancé, sans possibilité de conclure sur la fiabilité ou le taux de réussite.
Où ça se situe
L'objectif « vaincre l'Ender Dragon à mains nues dans un monde neuf » était le défi « moonshot » de MineDojo (2022). Depuis, VPT et DreamerV3 apprenaient par renforcement ou imitation, Voyager construisait une bibliothèque de compétences, et SIMA 2 jouait à partir des pixels, clavier et souris. Deux projets communautaires avaient déjà revendiqué un dragon de bout en bout : Claude Opus 5 avec 37 outils Minecraft de haut niveau en difficulté Normale, et un planificateur sur seed fixe en mode Paisible. La différence tient ici à quatre agents généralistes, une bibliothèque standard, aucun outil humain, un monde aléatoire — et un témoin indépendant.
Pour situer : la durée médiane de l'histoire principale de Minecraft est de 45 heures selon HowLongToBeat, et le record du monde de speedrun sur monde aléatoire est sous les 7 minutes. Les agents sont donc plus rapides qu'un joueur moyen, mais bien plus maladroits qu'un joueur expérimenté. L'étude précise enfin qu'elle est indépendante et non approuvée par Mojang ni Microsoft.