Et si un million d'agents IA partageaient notre Internet : les simulations sociales imitent-elles vraiment les humains ?

La soirée PyData Chicago s'est ouverte sur la question la plus provocante de la soirée : que se passe-t-il lorsque nous partageons un espace aussi sacré qu'Internet, conçu pour les humains, avec des agents IA. Mark Torres, chercheur à l'Université Northwestern à la croisée du monde académique et de la pratique de l'ingénierie, a refusé de laisser la question dans la théorie et y a répondu par des résultats concrets issus de simulations d'agents à grande échelle. Après les remerciements au sponsor Granger, la conférence est devenue la répétition d'un monde où les agents font leurs courses, paient leurs impôts et prennent des rendez-vous. Pour moi, c'est précisément là que réside la valeur de cette conférence : elle déplace le débat sur les agents des lancements de produits vers le terrain des sciences sociales.

La feuille de route a été tracée clairement dès le départ : d'abord une étude de cas actuelle à travers OpenClaw, puis la terminologie pour que tout le monde parle la même langue, puis les façons de faire travailler les agents ensemble à petite et grande échelle. Torres a délibérément séparé les dispositifs fermés en entreprise des simulations en monde ouvert, car leurs lois de passage à l'échelle pointent dans des directions opposées. Dans les petites équipes, le coût de coordination fixe le plafond, tandis que dans le monde ouvert, ce plafond disparaît presque. Cette distinction est devenue la clé de chaque résultat qui a suivi.

Au centre de l'étude de cas se trouvait OpenClaw, et le moment était révélateur : janvier, la période où les chatbots ont commencé à être dotés de capacités d'agent. Ce mouvement de ChatGPT et Claude a déclenché une explosion de projets open source de harnais et a fait passer le concept d'agent du laboratoire à la rue. Le choix était pertinent car OpenClaw rend la différence entre un modèle et un produit la plus visible. Un modèle parle, un agent agit ; le harnais comble l'écart.

La deuxième surprise de la même période fut Moltbook : un réseau social où seuls les agents IA publient et se répondent, tandis que les humains ne sont admis qu'en observateurs. Ressemblant à une réinvention de Facebook pour les agents, cette expérience est sortie du cercle d'Octane AI fin janvier et a rapidement gagné en notoriété. Son rôle dans la conférence était clair : la première fenêtre sur le comportement des communautés d'agents en conditions réelles, hors du laboratoire. Observer comment des normes, des factions et même des ragots émergent dans un fil sans modération humaine est un programme de recherche en soi.

La section terminologique a été l'une des parties les plus utiles de la conférence précisément parce qu'elle a nettoyé le désordre conceptuel. Un modèle de langage ne fait que produire du texte ; un agent est un modèle de langage capable d'entreprendre des étapes vers un objectif ; un harnais est la boîte à outils qui autorise l'agent à agir dans le monde réel. Sans interpréteur de code, un environnement d'exécution isolé et un accès à l'ordinateur, aucun agent ne peut écrire une application. Cette triple distinction a porté toute la discussion ultérieure, car la plupart des échecs ne provenaient pas du modèle mais du choix du harnais.

Une capture d'écran d'un article de blog d'Anthropic publié cette semaine-là montrait l'architecture la plus courante du domaine : le motif orchestrateur et sous-agents, autrement dit des managers et des employés. C'était aussi la configuration la plus fréquente dans la pratique de conseil de Torres, et la raison était simple : diviser le travail en morceaux, confier chaque morceau à un agent spécialisé, rassembler le tout sous un orchestrateur. La popularité de ce motif n'est pas un accident ; c'est la hiérarchie que les organisations humaines utilisent depuis des siècles, transposée aux agents. Mais les maux des hiérarchies humaines sont venus avec.

À mesure que l'échelle augmentait, le tableau changeait : ajouter des agents à une entreprise de manière arbitraire fonctionne très bien jusqu'à un certain point, puis se bloque. La cause du blocage était familière, le même problème que rencontrent les équipes humaines, avec une charge de coordination qui augmente à chaque unité ajoutée. Les lois limites empruntées à la littérature sur les systèmes parallèles prédisaient un plafond autour de quelques dizaines, selon la capacité à diviser le travail. Le résultat dit que le véritable savoir-faire n'est pas d'embaucher plus d'agents mais de mieux diviser le travail.

Face au plafond du dispositif fermé, le monde ouvert n'avait aucune limite, et voici venue l'expérience la plus folle de la conférence : une capitale artificielle d'un million d'agents. Présentée comme un jumeau numérique de Pékin, cette simulation a donné aux agents des tâches réelles et observé les comportements se condenser en motifs spontanés. Que des millions d'agents sur une plateforme ouverte puissent produire des motifs significatifs alors qu'une équipe fermée atteint un plafond montre que les lois de passage à l'échelle s'inversent selon le contexte. Torres a souligné ce contraste parce qu'il n'existe pas de recette unique de passage à l'échelle.

Un deuxième exemple à plus petite échelle fut la simulation de réseaux sociaux Oasis : un équivalent miniature de Facebook, Twitter ou Reddit. Dans cet environnement, où chaque agent était doté d'un profil, d'un fil et du droit d'interagir, la propagation de l'information, la polarisation et la formation de communautés pouvaient être étudiées en conditions de laboratoire. Contrairement à la simulation urbaine à un million d'habitants, la tâche ici était étroite mais la mesure était précise. Lues ensemble, le message des deux expériences était clair : restreindre la question rend la réponse plus nette.

Il n'y a pas eu d'éloge des grandes simulations, cependant ; la section sur les limites a été la partie la plus honnête de la conférence. Le premier piège est le problème du plissement des yeux : les yeux à moitié fermés, on peut voir dans n'importe quelle simulation tout ce que l'on souhaite. Le second est le problème d'attribution : il reste flou de savoir quelle part de la performance obtenue provient des agents plutôt que de la conception des prompts, du choix du harnais ou des préférences de calcul. Ces deux avertissements se lisent comme un filtre que toute personne lisant des résultats de simulation devrait garder dans sa poche.

Lorsque la conception des simulations a été expliquée, l'abondance de paramètres est apparue à la fois comme bénédiction et malédiction : il y a une infinité de boutons à tourner, et chaque bouton entraîne le résultat. L'exemple concret était la prévision électorale : insérer les attributs d'un électeur dans le prompt et demander au modèle de prédire républicain ou démocrate. Au-delà de la prédiction individuelle, on a aussi testé si la distribution moyenne sur un precinct pouvait être capturée. L'idée que les décisions de conception comptent autant que les résultats a pris chair et os avec cet exemple.

Sous tout cet effort de conception se trouvait la prémisse de la personnalité : si une intelligence artificielle a une personnalité, le comportement humain peut être modélisé à travers elle. Torres n'a pas laissé cette prémisse sans question ; savoir si la personnalité est mieux reflétée par le prompting ou en touchant aux poids du modèle a été débattu séparément lors des questions-réponses. Les travaux de pilotage qui vont au-delà de l'ingénierie de prompts et modifient les poids auraient rendu le modèle réellement plus conforme. La personnalité dans cette conférence n'était pas un mot marketing mais une variable de conception mesurable.

Alors, que nous ont appris les simulations ? Le registre des bonnes nouvelles était bien rempli : les agents se sont révélés étonnamment efficaces pour prédire les traits de personnalité, les réponses aux enquêtes et questionnaires, et les résultats des tests A/B. Dans l'étude de Park et ses collègues, des entretiens de deux heures avec mille personnes ont été retranscrits et placés entièrement dans le prompt, et les prédictions de personnalité du modèle correspondaient fortement aux résultats réels. Dans une autre étude de Stanford, des modèles de langage ont reproduit les résultats d'expériences de psychologie passées. Dans des tâches de prévision étroites et bien définies, les agents se sont comportés comme des doublures fiables.

Le registre des mauvaises nouvelles était plus chargé : les agents étaient médiocres pour imiter les personnes car ils s'appuyaient sur des stéréotypes et manquaient les différences individuelles et la diversité des préférences. Les modes d'échec typiques comprenaient des personnes agissant hors de leur personnalité, des modèles enfermant tout le monde dans le même panier, et une instabilité face à de petites mises à jour d'information. Même un profil humain ordinaire de Chicago pouvait se transformer en caricature entre les mains du modèle. Ce rétrécissement, connu sous le nom d'effondrement de mode, ébranle la revendication de diversité de la simulation à sa fondation.

L'épisode de la prévision électorale fut la manifestation la plus politique de ces limites : la meilleure façon de prédire le vote d'une personne s'est avérée être une simple régression, et non demander à un agent son persona. De plus, les prompts chargés de personnalité poussaient systématiquement les modèles vers la gauche, vers les démocrates, un biais reconnu dans les remarques explicatives. Dans une expérience où une ville artificielle de mille agents se voyait remettre un nouveau projet de loi avec une répartition égale républicains-démocrates, toute la ville est devenue conservatrice en deux jours. Dans des domaines à enjeux élevés comme les élections, la facture de la confiance dans la simulation d'agents était clairement visible dans les deux exemples.

Dans la section des applications, le tableau est revenu au monde réel : les agents étaient déjà dans la main-d'œuvre, et lister où ils ne sont pas utilisés était plus facile que lister où ils le sont. Le rapport d'utilisation en entreprise d'OpenAI offrait une preuve corporative de l'ampleur de l'adoption. Les exemples du quotidien étaient plus colorés, comme un chatbot qui s'est glissé dans le logiciel d'une salle de sport pour décrocher à son propriétaire une place de cours. Des captures d'écran des expériences Cowork d'Anthropic montraient comment des agents à grande échelle entrent dans la cuisine de l'entreprise. La théorie était terminée ; le basculement avait commencé.

Le verdict final était sévère : la promesse que les simulations d'agents puissent répliquer ce que les gens pensent, ressentent et croient ne fonctionne tout simplement pas encore. Les questions-réponses ont approfondi plutôt qu'adouci ce verdict : le dosage du détail de personnalité, la différence entre prompting et réglage des poids, se cloner en agent d'assurance qualité, et la recette pratique de Torres lui-même. Cette recette m'est restée : ne commandez jamais à un agent un travail que vous ne pourriez pas faire vous-même, utilisez-le pour amplifier un travail que vous feriez déjà ; esquissez le brouillon vous-même, distribuez-le à des petits modèles bon marché et rapides, terminez en collaboration avec un modèle puissant comme Claude. Traiter l'agent comme un levier plutôt que comme un oracle résume toute la conférence.