EVERYTHING IN ITS RIGHT PLACE

Dernière partie d'une série sur la construction d'un morpion imbattable. A ce stade du projet, l'IA fonctionne. Elle est imbattable, elle répond instantanément, elle tourne dans un navigateur sans serveur. Mais il reste une question légitime : est-ce qu'on peut faire mieux ? Et si oui, pourquoi s'en donner la peine sur un jeu aussi simple que le morpion ?

Notre IA est imbattable. Elle explore l'arbre de jeu, élague les branches inutiles, choisit toujours le coup parfait. Techniquement, c'est propre. Mais voilà le problème : personne ne veut jouer dans un terminal. Ou disons : les gens peuvent jouer dans un terminal. Mais ils ne le feront pas. Pas spontanément. Pas avec plaisir. Et si personne ne joue, l'IA la plus brillante du monde n'est qu'un algo qui tourne dans le vide.

Minimax fonctionne. L'IA est imbattable. Tout va bien dans le meilleur des mondes. Sauf que si tu mesures ce qui se passe sous le capot, tu tombes sur un chiffre un peu gênant : sur un plateau vide, minimax visite plus de 500 000 noeuds avant de jouer son premier coup. 500 000 positions analysées. Pour un jeu de morpion. Sur une grille 3x3. C'est le moment où on réalise que "ça marche" et "c'est efficace" sont deux choses très différentes.

Quand tu joues au morpion, tu anticipes peut-être 2 ou 3 coups à l'avance. Un joueur, 4 ou 5. Un machine ? Elle peut simuler tous les coups possibles, jusqu'à la fin de la partie. Chaque branche, chaque scénario, chaque issue. C'est exactement ce que fait Minimax.

Avant même d'imaginer la moindre ligne d'intelligence artificielle, il faut répondre à une question banale en apparence : comment représenter un jeu dans la mémoire d'un ordinateur ? C'est bien simple : on ne peut pas parler d'algorithme sans d'abord répondre à cette question fondamentale.

Le morpion a exactement 9 cases. On est loin des échecs, donc. Un plateau qui tient dans un tableau de 9 entiers. Des règles qu'on explique en 10 secondes. Mais évidemment, quand on ouvre un éditeur de code, rien n'est simple. Version numérique du syndrome de la page blanche (ou du repo vide mais ça claque moins) : Comment représenter le plateau ? Comment détecter une victoire ? Comment générer tous les coups possibles ? Et surtout : comment faire jouer une IA qui ne perde

Crime et Châtiment... Rien que le titre est intimidant, et la réputation de monument de la littérature n'arrange rien. C'est une lecture qu'on aborde la première fois comme on aborderait un marathon : on souffle un coup et on y va. Et là, surprise : on découvre un style presque léger ! Descriptif, désinvolte, et par moments franchement comique. Dostoïevski ne se prend pas toujours au sérieux mais garde un sens magistral de la mise en scène - et c'est ma foi bien désarmant.

Ah, ça y est, le dernier article, le bout du tunnel... Et la fin du projet ! Le moment de se retourner et de faire le bilan de ce qu'on a appris... Un mot d'abord sur MNIST : on le présente souvent comme le "Hello World" du Machine Learning. Et c'est vrai : un dataset simple, des chiffres en noir et blanc, un problème de classification presque scolaire. Commencer par là était une sorte d'évidence cosmique.