Dix ans après la victoire historique d’AlphaGo contre Lee Sedol, un humain vient de reprendre une manche symbolique face à la machine. Shin Jin-seo, numéro un mondial du go, a battu KataGo par deux parties à une lors d’un duel organisé en Corée du Sud. L’exploit mérite toutefois une précision essentielle. Le champion disposait de deux pierres d’avance au début de chaque partie pour compenser la supériorité de l’intelligence artificielle. Sa victoire n’annonce donc pas le retour de la domination humaine. Elle montre plutôt qu’un joueur exceptionnel peut encore exploiter la manière très particulière dont une IA prend ses décisions.
Shin Jin-seo bat KataGo, mais avec deux pierres d’avance
Le duel s’est déroulé dans le cadre du tournoi Ssen Math-Hankyung Gisin. La première confrontation, disputée le 17 juillet, a rapidement rappelé pourquoi les meilleurs programmes de go sont devenus pratiquement intouchables.
Malgré ses deux pierres d’avance, Shin Jin-seo a abandonné après 245 coups. KataGo avait réussi à retourner la position et à imposer sa supériorité.
Deux jours plus tard, le scénario change. La deuxième partie dure 290 coups et près de cinq heures. Cette fois, le Sud-Coréen conserve suffisamment bien son avantage pour l’emporter. Il devient ainsi le premier joueur à battre officiellement KataGo dans ces conditions avec seulement deux pierres d’avance.
La troisième confrontation tourne également en faveur du champion. Shin Jin-seo remporte donc le duel 2-1.
Présenter cette victoire comme un homme ayant simplement battu une IA « à armes égales » serait néanmoins trompeur. Deux pierres représentent un avantage important au go. Leur présence avant le premier coup modifie considérablement l’équilibre de la partie.
Le résultat intéressant se trouve ailleurs. Même avec cet avantage, vaincre KataGo reste suffisamment difficile pour que la performance soit remarquable.
La « perfection » de l’IA peut rendre son comportement prévisible
Après son succès, Shin Jin-seo a livré une analyse révélatrice. Selon lui, « la perfection de l’IA est aussi sa faiblesse ».
Le paradoxe mérite d’être expliqué.
Un programme comme KataGo cherche constamment les coups présentant les meilleures probabilités selon son évaluation de la position. Cette capacité lui permet de jouer à un niveau inaccessible à pratiquement tous les humains.
Mais cette rationalité possède une conséquence. Certains comportements de la machine peuvent devenir prévisibles pour un adversaire qui connaît suffisamment bien son fonctionnement.
Shin Jin-seo explique ainsi avoir adopté une stratégie plus défensive. Plutôt que de rechercher des combats extrêmement complexes, où la puissance de calcul de KataGo lui aurait donné un avantage considérable, il a cherché à protéger les territoires obtenus grâce à ses deux pierres initiales.
Il ne s’agissait donc pas de calculer davantage que la machine.
Il fallait construire une partie dans laquelle son avantage initial pouvait être conservé tout en limitant les situations permettant à KataGo d’exprimer pleinement sa supériorité.
Cette victoire ne signifie pas que l’humain redevient supérieur
L’histoire est séduisante parce qu’elle inverse le scénario d’AlphaGo. En 2016, le programme de DeepMind avait battu Lee Sedol 4-1 et démontré qu’une IA pouvait surpasser les meilleurs humains dans un jeu longtemps considéré comme extrêmement difficile à automatiser.
Dix ans plus tard, les machines sont encore plus puissantes.
Le résultat de Shin Jin-seo ne remet donc pas en cause leur domination. Le handicap de deux pierres constitue précisément une reconnaissance de l’écart qui existe aujourd’hui entre KataGo et les meilleurs joueurs professionnels.
Mais cette rencontre rappelle une distinction importante entre être globalement supérieur et être infaillible.
Des chercheurs ont déjà montré que des systèmes de go extrêmement puissants pouvaient présenter des angles morts dans certaines positions inhabituelles. Un adversaire spécialement préparé peut chercher ces situations plutôt que d’affronter directement la machine sur son terrain favori.
Cette logique dépasse largement le go.
Une IA peut atteindre des performances extraordinaires dans la majorité des situations tout en conservant quelques faiblesses très spécifiques. Plus son comportement est systématique, plus ces faiblesses peuvent devenir intéressantes lorsqu’un humain apprend précisément à les rechercher.
Shin Jin-seo n’a donc pas démontré que l’homme joue mieux au go que KataGo. Il a montré quelque chose de plus utile pour comprendre l’intelligence artificielle : dominer presque toutes les situations ne signifie pas savoir gérer parfaitement toutes les situations.
La machine reste la meilleure joueuse. Mais l’humain peut encore étudier la meilleure joueuse, comprendre ses habitudes et chercher l’endroit précis où sa puissance devient moins décisive.
