Une équipe de chercheurs chinois a développé un cadre appelé Light Society capable de simuler des sociétés de plus d'un milliard d'agents IA, chacun doté de profils démographiques réalistes et de la capacité d'afficher des comportements sociaux de type humain. Le projet, décrit dans un article soumis à arXiv, représente une amélioration d'environ 100 fois par rapport aux simulations antérieures basées sur des agents, qui atteignaient généralement leurs limites autour de 10 millions d'agents en raison de contraintes de calcul. Ce travail intervient alors que la Chine continue de privilégier la recherche IA à grande échelle dans le cadre de sa stratégie technologique nationale, en investissant de manière soutenue dans les infrastructures de calcul académiques et le développement de modèles avancés.

Architecture technique derrière la simulation à l'échelle du milliard

L'équipe de recherche comprend des contributeurs de plusieurs des principales institutions académiques de Chine : l'Université des sciences et technologies de Chine, l'Université Tsinghua et l'Université Fudan. Les chercheurs principaux Haoxiang Guan et Tie-Yan Liu ont conçu Light Society autour de deux innovations techniques fondamentales qui rendent la simulation à l'échelle du milliard réalisable.

La première est un moteur à mélange de modèles qui répartit la charge cognitive entre plusieurs types de modèles d'IA, plutôt que de router chaque décision d'agent via un seul grand modèle de langage. La deuxième innovation concerne les modèles de substitution obtenus par distillation des connaissances — des modèles plus petits et plus rapides entraînés pour reproduire le comportement de modèles plus vastes et plus sophistiqués. Ensemble, ces approches permettent au cadre de maintenir une fidélité comportementale réaliste sans nécessiter les ressources de calcul qui rendraient autrement les simulations d'un milliard d'agents impraticables.

Chaque agent simulé se voit attribuer un profil réaliste dérivé de l'Enquête mondiale sur les valeurs (World Values Survey), spécifiquement la vague 7 de ce projet de recherche mondial de longue date. Cette enquête couvre les croyances, les valeurs et les caractéristiques démographiques dans des dizaines de pays, fournissant à chaque individu simulé une identité ancrée dans la réalité plutôt qu'attribuée de manière aléatoire.

Expériences phares : jeux de confiance et diffusion des opinions

Les chercheurs ont mené deux expériences phares pour démontrer les capacités de Light Society. La première était une série de jeux de confiance, un dispositif expérimental bien établi en économie comportementale dans lequel les participants décident combien d'argent envoyer à un inconnu, sachant que celui-ci peut soit rendre la pareille, soit conserver les fonds. Exécuter cette expérience sur un réseau d'un milliard de nœuds révèle des schémas de coopération et de défection qui ne peuvent pas émerger dans des simulations plus petites.

La deuxième expérience s'est concentrée sur la diffusion des opinions, modélisant la manière dont les idées, les croyances et les sentiments se propagent à travers des réseaux sociaux massifs. Le matériel source original note explicitement que Light Society peut être utilisé pour tester des méthodes d'influence de l'opinion publique — une capacité directement pertinente pour les questions du monde réel concernant la façon dont les narratifs se diffusent et évoluent sur des plateformes comme WeChat, X et d'autres réseaux sociaux mondiaux, où les opérations d'influence et la dynamique du contenu viral sont devenus des sujets d'un vif intérêt académique et politique.

Comment Light Society fait progresser la modélisation basée sur les agents

La modélisation basée sur les agents existe depuis des décennies, les chercheurs l'appliquant à l'étude des modèles de trafic, de la transmission des maladies et du comportement des marchés. Pendant la pandémie de COVID-19, les simulations basées sur les agents ont éclairé les décisions politiques concernant les confinements et les restrictions de mobilité, bien que ces modèles reposaient sur une logique d'agent bien plus simple que ce que les systèmes basés sur les LLM offrent aujourd'hui. Historiquement, ces modèles dépendaient d'agents simples basés sur des règles suivant des scripts prédéterminés.

L'intégration des grands modèles de langage dans la simulation basée sur les agents est un développement relativement récent. Les agents alimentés par LLM peuvent s'engager dans une prise de décision nuancée, s'adapter à des situations inédites et produire des comportements émergents. Les simulations sociales antérieures basées sur les LLM culminaient à environ 10 millions d'agents avant que les coûts de calcul ne deviennent prohibitifs. Les choix architecturaux de Light Society — en particulier l'approche par modèle de substitution — ont franchi ce plafond de deux ordres de grandeur.

Les chercheurs ont positionné le cadre comme permettant des expériences « in silico » à l'échelle planétaire, signalant une vision ambitieuse : utiliser la simulation comme un laboratoire pour comprendre la civilisation humaine elle-même. Le concept fait écho au mouvement de recherche plus large vers les jumeaux numériques — des répliques virtuelles de systèmes physiques ou sociaux — qui a suscité l'intérêt des gouvernements et des entreprises technologiques cherchant à modéliser l'urbanisme, les réponses en matière de santé publique et la politique économique avant de mettre en œuvre des changements dans le monde réel.