Résumé Technique : Réalité Orchestrée

Énoncé du Problème

Les systèmes actuels de Grands Modèles de Langage (LLM) peinent à maintenir des mondes de jeu cohérents et persistants, particulièrement dans les contextes de type bac à sable (sandbox) ou de monde ouvert. Bien que les LLM excellent dans le jeu de rôle de personnages, ils échouent à maintenir une représentation validée et cohérente de l'état du monde (par exemple, « qui est où », « ce qui s'est passé », « ce qui est actuellement vrai »). Les approches existantes reposent généralement sur des récits en prose libre qui affirment un état sans représentation persistante et validée. Cela conduit à trois échecs architecturaux récurrents :

1. L'absence d'état (Statelessness) : Le monde cesse d'exister une fois la session terminée ; la « mémoire » est limitée à la proximité de la fenêtre de contexte.
2. L'écriture non validée (Unvalidated Writes) : Les modèles peuvent affirmer des changements de monde arbitraires, provoquant une dérive de l'état et une accumulation silencieuse de contradictions.
3. L'agence monolithique (Monolithic Agency) : Un prompt unique confond la narration, la voix du personnage et l'arbitrage des règles, empêchant la séparation des préoccupations nécessaire à une simulation complexe.

Par conséquent, la construction d'un moteur de jeu entièrement autonome sans intervention humaine reste irréalisable. L'article soutient qu'il s'agit d'une limitation architecturale des déploiements actuels, et non d'une limitation inhérente aux modèles de langage eux-mêmes.

Méthodologie : Cadre de Réalité Orchestrée

Les auteurs proposent un cadre appelé Réalité Orchestrée (Orchestrated Reality), qui traite le monde du jeu comme un objet canonique et auditable géré par un Agent-Monde (World-Agent) unique. Ce système formalise un monde de jeu piloté par LLM comme un Processus de Décision Markovien Partiellement Observable à Actions Paramétrées (PA-POMDP).

1. Modèle Formel

Le système est défini par le tuple $M = (S, A, \Omega, O, F, \rho_0)$ :

• État ($S$) : L'état du monde n'est pas un bloc de texte, mais un arbre d'entités JSON canoniques stockées sur disque. Chaque entité (PNJ, lieux, quêtes, profil du joueur) est un document JSON typé. L'état est inspectable, peut être ramifié et est adressable par hachage de contenu.
• Actions ($A$) : Les actions sont paramétrées sous la forme $a = (k, x_k)$, où $k$ est un type d'intention discret (ex: move, speak) et $x_k$ est un ensemble de paramètres JSON structurés.
• Observations ($\Omega$) : L'agent (le joueur) n'observe pas l'état brut $s_t$. Il observe une projection narrative $o_t = O(s_t)$, générée par l'Agent-Monde.
• Noyau de Transition ($F$) : La transition est régie par un pipeline Plan–Diff–Validate–Apply (PDVA), qui est piloté par LLM mais contraint par des schémas.

2. Le Pipeline PDVA

Chaque tour se déroule selon quatre étapes distinctes :

1. Plan (Planifier) : Un contexte borné $p$ est construit à partir d'une tranche pertinente de l'état JSON canonique et de l'entrée du joueur.
2. Diff (Différencier) : Le LLM génère une réponse $r$ contenant à la fois le texte narratif pour l'observation suivante et une proposition de mutation structurée $\Delta_t$ (une liste d'opérations JSON : chemin, opération, valeur).
3. Validate (Valider) : Chaque changement proposé $\delta_j$ subit une validation stricte :
   • SchemaOK : Doit correspondre au schéma JSON.
   • PermOK : Doit s'inscrire dans le périmètre de permission de l'acteur proposant.
   • RuleOK : Doit satisfaire aux règles du jeu.
4. Apply (Appliquer) : Les changements validés sont enregistrés de manière atomique dans l'arbre JSON. Le nouvel état est haché par contenu (SHA256) pour garantir un historique canonique.

3. L'Agent-Monde

L'Agent-Monde agit comme le Maître du Jeu (MJ) unique. Il possède le répertoire du monde, gère la boucle de tour et applique le modèle de permission de type « refus par défaut ».

• Injection de Mémoire : Au lieu de compter sur la rétention de la fenêtre de contexte, l'Agent-Monde injecte directement dans le prompt de l'agent agissant les entrées JSON canoniques pertinentes à chaque tour.
• Commits Atomiques : Les propositions du joueur, des sous-agents spécialistes (ex: arbitres de combat) ou des futurs esprits de PNJ sont canalisées via l'Agent-Monde. Un seul commit atomique, haché par contenu, est écrit sur le disque par tour, évitant ainsi les conditions de concurrence (race conditions).

Principales Contributions

L'article rapporte des travaux en cours avec trois contributions principales :

1. Formalisation : Une définition formelle des mondes de jeu pilotés par LLM en tant que PA-POMDP, où un Agent-Monde unique sert à la fois de noyau de transition (via PDVA) et de noyau d'observation (via la narration).
2. Modèle d'État JSON : Une implémentation concrète où le monde est un arbre de documents JSON, rendant l'état inspectable, différentiable et rejouable via le hachage de contenu.
3. Catalogue d'Incidents : Une collection de 15 incidents auditables tirés d'un déploiement réel (impliquant environ 5 testeurs sur trois mois). Ces incidents démontrent les mécanismes du cadre en action, spécifiquement :
   • Orchestration multi-agents : La distribution des tours vers des sous-agents spécialistes.
   • Injection de mémoire forcée par JSON : La réapparition d'entités après de longs intervalles basée sur la réinjection de l'état plutôt que sur l'historique de discussion.
   • Commits d'état par flux JSON : Des deltas validés par schéma appliqués à des fichiers.

Résultats et Observations

L'article ne présente pas de résultats statistiques finaux issus d'une étude de joueurs à grande échelle, car cela fait partie de travaux futurs. Cependant, il propose des observations préliminaires issues de tests informels et d'un historique de jeu extrait :

• Hypothèse H1 : Les événements ambiants déclenchés par des préconditions (ex: progression du temps, événements programmés) créent un sentiment de « monde vivant » même sans dialogue actif des personnages.
• Hypothèse H2 : Les rejets narratifs d'actions invalides (échecs de validation) augmentent le sentiment de conséquence chez le joueur sans briser l'immersion.
• Hypothèse H3 : Un état inspectable et identifié par hachage réduit la barrière pour les auteurs souhaitant déboguer et créer des branches de mondes.

Les 15 exemples d'incidents servent de preuve de concept que le cadre peut fonctionner sur un historique de jeu réel, maintenant la cohérence là où les systèmes de chat LLM traditionnels dérivent.

Signification et Revendications

L'article positionne Réalité Orchestrée comme un passage de la « génération de récit basée sur le personnage » à l'« orchestration de l'histoire de jeu ».

• Changement Architectural : Il recadre le problème non pas comme une limitation du modèle de langage, mais comme un choix architectural, passant d'une prose non validée à un modèle d'état par événements validé.
• Fondation pour les Jeux de Nouvelle Génération : En traitant le monde comme un objet canonique possédé par un agent de type MJ, le système fournit l'infrastructure nécessaire aux moteurs de jeu entièrement autonomes.
• Directions Futures : Les auteurs identifient la voie vers les Jeux de Markov Multi-Agents (où les PNJ agissent comme des agents concurrents) et les environnements d'Apprentissage par Renforcement (RL) pour les modèles de mondes de jeu. Ils reconnaissent les problèmes ouverts concernant le déterminisme sous la stochasticité des LLM, la discipline des coûts pour les agents concurrents et la dérive narrative sur les détails non suivis.

L'article conclut en invitant à la discussion sur ce cadrage et sur la transition vers les jeux de Markov multi-PNJ et les environnements apprenables par RL, en soulignant que le travail actuel établit le « modèle de monde au runtime » nécessaire à ces avancées.