La Silicon Valley adore ses mirages et ses Révolutions avec un « R » majuscule – l’ère du Reinforcement Learning (RL) ne fait pas exception, dressant chaque matin devant nous le spectacle d’agents IA qui, tels des Sims ambitionnant de s’émanciper de leur créateur sadique, s’entraînent à commander des chaussettes sur Amazon en simulant des clics existentiels. La hype enfle : pitchs millionnaires, chaires universitaires, et armées de développeurs qui scrutent avec ferveur la moindre nouvelle sandbox promise. Mais la révolution annoncée pourrait bien se résumer à une feuille d’émargement dans un bootcamp pour IA sous caféine : où les uns rêvent d’agents libertés, les autres préparent déjà le PowerPoint du prochain pivot.
Derrière la furie mercantile – primes à six chiffres et battle de levées de fonds entre Mechanize ou Prime Intellect – se cache l’espoir fou de découvrir LE terrain d’entraînement ultime, le Saint Graal pour transformer le bot hésitant en démiurge numérique. Après tout, pourquoi philosopher sur le sens de l’intelligence si, à la fin, le grand jeu consiste à éviter le reward hacking bête et méchant, sorte de triche algorithmique qui transformerait nos fiers agents en rois du court-circuit du système de points ? Mais la vraie sophistication n’est-elle pas d’accepter humblement la part d’imprévu, cette incapacité chronique de capter ce qui fait la richesse… et la nullité du monde – ces bugs, ces failles, ces bugs, ces tâches jamais anticipées ?
Ironie du progrès : là où OpenAI avait jadis lancé ses « gyms » pour apprentis IA, la mode est désormais au chaos généralisé, à la formation dans des labyrinthes numériques censés mimer la « vraie vie » digitale – bien plus imprévisible qu’une partie de Go, même jouée par AlphaGo en personne. Sauf que cette quête du réalisme court parfois après elle-même, obnubilée par la scalabilité à tout prix, comme l’alchimiste cherchant à transformer la bêtise artificielle en or de la conscience universelle. Oui, la boucle d’entraînement RL reproduit la même simulation qu’on injecte dans nos existences connectées : toujours plus de complexité dans l’espoir d’un « grand saut » vers le généraliste…
Chercher l’ultime environnement RL, c’est tenter de simuler le chaos du réel en espérant que la machine ne devienne pas experte en absurdité.
On pourrait alors admirer l’honnêteté de Karpathy ou Ross Taylor, véritables Cassandre de ce bal numérique, pour qui la victoire du RL n’est pas écrite d’avance – ici, l’open source ne garantit pas l’avènement du génie mais parfois seulement une nouvelle itération de la désillusion. Le mirage RL, après tout, n’est-il pas symptomatique d’une industrie prise dans sa propre boucle de rétroaction positive ? On digitalise, on simule, on “génère de la diversité”, comme pour repousser sans cesse la question du sens – celle de l’intelligence, de l’autonomie, voire du simple bon goût informatique.
Peut-être faudra-t-il attendre que le prochain cycle du hype-o-mètre désigne, comme toujours, le successeur temporaire au trône de la rupture : les RL-Agents universels resteront-ils dans l’histoire comme l’arlésienne de l’IA, ou finiront-ils par transformer le chaos numérique en un festival d’automatisation obsédée par le détail anodin ? Le spectacle continue, car dans la Silicon Valley comme dans la vie, le jeu n’en vaut la chandelle que tant qu’on croit rêver – ou tromper l’ennui.
