Les données générées par les jeux pourraient être la ressource la plus sous-estimée dans la formation de l’IA

Les entreprises d’IA ont consacré les cinq dernières années à consommer chaque pièce de texte, chaque image et chaque morceau de données publiques disponibles sur Internet. Cette offre est finie, et nous approchons du point où il n’y aura plus suffisamment de données pour soutenir le rythme de progrès dont elle dépend.

Cependant, il existe un candidat évident que l’industrie de l’IA a largement négligé.

Je conçois des systèmes de jeux pour vivre, et les données qui circulent à travers eux chaque jour sont différentes de tout ce que la plupart des chercheurs en IA ont jamais travaillé. Et pourtant, presque personne en dehors du secteur des jeux ne semble prêter attention à cela.

Les plateformes de jeux génèrent des téraoctets de données comportementales chaque jour, des flux structurés de décisions en temps réel, d’activité économique et d’interaction sociale, le tout dans des environnements construits sur des règles physiques cohérentes.

Presque aucune de ces données n’a été utilisée pour la formation de l’IA. Et les entreprises qui les ont utilisées, de DeepMind à NVIDIA, ont produit certaines des avancées les plus significatives dans le domaine.

Le problème de données de l’IA

Une étude d’Epoch AI prévoit que le stock de données textuelles publiques et générées par l’homme sera entièrement utilisé entre 2026 et 2032. Les modèles derrière ChatGPT, Gemini et Claude ont déjà consommé essentiellement tout ce que l’Internet a à offrir.

Les données synthétiques ou le texte que l’IA génère pour les réinjecter dans l’IA est la solution de contournement de l’industrie. Mais les modèles formés sur leur propre sortie se dégradent avec le temps à travers un phénomène documenté que les chercheurs appellent effondrement du modèle.

Ce que je crois que le domaine a besoin, c’est une information riche, interactive et multimodale où la cause et l’effet se produisent en temps réel et où chaque action a une conséquence mesurable. Les jeux produisent exactement cela, et ils le font à une échelle que presque rien d’autre ne peut égaler.

Les plateformes de jeux poussent des téraoctets de données comportementales à travers leurs systèmes chaque jour. Les mouvements des joueurs, les choix stratégiques, les temps de réaction, les transactions économiques et les interactions sociales circulent tous à travers des flux structurés et horodatés que la plupart des chercheurs en IA n’ont jamais touchés.

Un article universitaire récent sur les données générées par les jeux présente une taxonomie en neuf catégories de ces informations et soutient que la grande majorité d’entre elles reste complètement inutilisée par l’industrie de l’IA.

Je peux le confirmer à partir de mon expérience. La quantité de données qui circule à travers nos systèmes de jeux chaque jour serait considérée comme un filon dans n’importe quel autre domaine de la recherche en IA. Dans les jeux, elle est simplement archivée ou jetée.

Pourquoi les données de jeu sont différentes

Lorsque vous construisez à l’intérieur d’un moteur de jeu pendant suffisamment longtemps, vous commencez à réaliser combien de données structurées vous avez assises qui n’ont encore jamais été demandées par personne en IA.

Les moteurs de jeu imposent la physique. Les objets tombent, entrent en collision et se brisent selon des règles cohérentes, ce qui signifie que les données portent des relations de cause à effet intégrées au niveau du système plutôt que des modèles qui doivent deviner à partir de corrélations de texte.

Lorsqu’un joueur lance un projectile, le moteur calcule la trajectoire, la résistance du vent et l’impact. L’IA apprend à partir d’un environnement qui démontre la physique directement à travers chaque interaction, plutôt que d’un qui traite les lois physiques comme des approximations statistiques.

Il y a également le problème d’alignement multimodal. Dans un jeu, les données visuelles, les signaux audio, les entrées du joueur et l’état de l’environnement se produisent tous simultanément et sont enregistrés ensemble. Ce type de synchronisation naturelle coûte une fortune à reproduire dans les ensembles de données du monde réel, où les chercheurs doivent généralement étiqueter et aligner chaque modalité à la main.

Les jeux produisent des cas limites à grande échelle, grâce à la génération de contenu procédural. No Man’s Sky a 18 quintillions de planètes uniques, et pour l’IA, cette variation est énormément importante car les cas limites déterminent si un modèle fonctionne de manière fiable ou échoue de manière dangereuse.

Et puis il y a la complexité émergente, qui pourrait être la propriété la plus précieuse de toutes. Lorsqu’OpenAI a placé des agents dans un simple jeu de cache-cache, ces agents ont développé six phases distinctes de stratégie sophistiquée entièrement par eux-mêmes sur des centaines de millions de tours.

Ils ont construit des abris à partir d’objets mobiles, utilisé des rampes pour briser les fortifications et même exploité des bugs de physique pour surfer des boîtes par-dessus les murs. Rien de tout cela n’a été programmé. Tout est émergé de la concurrence au sein de l’environnement du jeu, sans une seule ligne de code qui leur a dit de le faire.

Ce type de complexité auto-générée est exactement ce dont la recherche en IA a besoin à grande échelle, et les jeux sont les seuls environnements qui la produisent de manière fiable sans surveillance humaine coûteuse.

Des plateaux de jeux aux prix Nobel

La preuve la plus claire que l’IA formée aux jeux se transfère dans le monde réel est un système qui a remporté un prix Nobel, et c’est l’exemple auquel je reviens toujours lorsque les gens me demandent pourquoi j’ai construit ma carrière autour des jeux et de l’IA.

DeepMind a commencé avec AlphaGo en 2016, puis a construit AlphaZero, un système qui s’est enseigné lui-même aux échecs, au Go et au shogi sans aucune connaissance humaine. L’architecture d’AlphaZero est devenue la base d’AlphaFold, qui a résolu le problème de pliage des protéines de 50 ans et a valu à ses créateurs le prix Nobel de chimie 2024.

Le PDG de DeepMind, Demis Hassabis, a été ouvert sur ce pipeline. Il a dit à Scientific American que les jeux n’étaient jamais l’objectif final mais plutôt le moyen le plus efficace de développer et de tester les techniques d’IA avant de les appliquer à des problèmes scientifiques réels.

Je me souviens de l’avoir lu et de m’être senti comme si quelqu’un avait articulé exactement ce que j’avais vu de l’intérieur du développement de jeux pendant des années.

Cette trajectoire s’est depuis répétée dans tout le domaine. Les environnements d’apprentissage par renforcement que OpenAI a d’abord standardisés à travers Gymnasium sous-tendent maintenant la recherche en robotique, en véhicules autonomes et en automation industrielle.

La structure de type jeu de l’agent, de l’environnement, de l’action et de la récompense a commencé comme une commodité de recherche et est devenue le cadre par défaut pour tout système d’IA qui a besoin d’agir dans le monde physique.

Les jeux comme nouvelle couche de simulation

En décembre 2025, NVIDIA a publié NitroGen, un modèle de base formé à partir de 40 000 heures de jeu sur plus de 1 000 titres. Le modèle regarde des vidéos de jeu publiques, extrait les actions des joueurs à partir de surimpressions de contrôleurs et apprend à jouer directement à partir de pixels bruts.

Sur des jeux inconnus qu’il n’avait jamais rencontrés, NitroGen a montré une amélioration allant jusqu’à 52 % dans la réussite des tâches par rapport aux modèles formés à partir de zéro. Mais la véritable signification réside dans l’architecture sous-jacente.

NitroGen s’exécute sur le framework de robotique GR00T de NVIDIA, la même base que la société utilise pour l’IA physique et le transfert sim-to-real dans sa plateforme Isaac Sim. L’agent de jeu et le robot d’usine partagent le même système sous-jacent.

Jim Fan de NVIDIA a décrit le projet comme une tentative pour construire “un GPT pour les actions”, un modèle général qui apprend à opérer dans n’importe quel environnement.

En tant que personne qui construit des systèmes de jeux qui génèrent exactement le type de données que ces modèles consomment, je trouve difficile de surestimer ce que cela signifie pour l’industrie dans laquelle je travaille.

Et ce n’est pas limité à NVIDIA. Waymo a enregistré plus de 20 milliards de miles simulés pour former ses véhicules autonomes, le tout dans des environnements de type moteur de jeu qui répètent des scénarios trop dangereux ou trop rares pour être testés sur des routes réelles.

Les plateformes chirurgicales construites sur des moteurs de jeu ont montré des améliorations dramatiques dans les performances des stagiaires. Les urbanistes utilisent des outils similaires pour l’optimisation du trafic à l’échelle de la ville.

Les plateformes chirurgicales construites sur des moteurs de jeu ont montré des améliorations dramatiques dans les performances des stagiaires. Les urbanistes utilisent des outils similaires pour l’optimisation du trafic à l’échelle de la ville. Le moteur de jeu est devenu une couche de simulation universelle partout où l’IA doit apprendre à travers l’interaction avec son environnement.

L’infrastructure dont personne ne parle

Lorsque les gens discutent de l’infrastructure de l’IA, ils ont tendance à vouloir dire les centres de données, les grappes de GPU et le calcul. Dans toutes les années que j’ai passées dans les jeux, je peux compter sur une main le nombre de fois où j’ai entendu quelqu’un dans l’espace de l’IA mentionner les environnements de jeu dans le même souffle. Cette déconnexion va se fermer très rapidement.

Cela ne deviendra que plus évident à mesure que les ensembles de données traditionnels s’épuiseront. Les industries qui produisent les données interactives les plus riches finiront par se rapprocher du centre de la recherche en IA, et les jeux, les simulations et les mondes virtuels sont mieux placés que tout autre pour combler ce fossé.

L’argent suit déjà cette tendance. L’IA dans le secteur des jeux a été évaluée à 4,54 milliards de dollars en 2025 et devrait atteindre 81 milliards de dollars d’ici 2035.

La plupart des studios de jeux avec lesquels je parle se considèrent encore comme des entreprises de divertissement. Mais lorsque vos systèmes génèrent exactement les données dont les prochains modèles d’IA ont besoin pour être formés, vous êtes dans l’industrie de l’infrastructure, que vous l’ayez prévu ou non.