Les chercheurs du MIT Subhadeep Pal, Fiona Y. Wang et Markus J. Buehler ont publié un nouveau préprint, « SwarmWorld: Stigmergic Technological Evolution in Societies of Language-Model Agents » (arXiv 2608.26081, 26 août 2026), testant ce qui se passe quand de larges populations d'agents LLM partagent un monde persistant et physiquement contraint, mais ne peuvent pas se parler directement. Sa découverte centrale : des sociétés d'agents sans aucune communication directe — pas de messages, pas d'enseignement, pas d'échange — se spécialisent tout de même en rôles, construisent sur le travail les uns des autres, et à certains égards surpassent des agents pouvant se parler, le tout par ce que les auteurs appellent la stigmergie : des agents remarquant ce que d'autres ont laissé dans l'environnement partagé et construisant dessus, plutôt que d'en être informés.
Buehler a publié un fil sur X résumant l'article, ce qui lui a valu une plus large attention. Le fil restitue l'essentiel correctement.
Ce qu'est réellement le monde
SwarmWorld lui-même n'est pas un moteur physique — c'est un simulateur déterministe, à ticks discrets, sur une grille de 72×54. À l'intérieur, les agents récoltent des ressources typées (fongique, minérale, catalyseur, chitine, cellulose, lignine, algue, coquille, dans le monde principal « BioFoundry »), fabriquent des micro-lots selon des recettes, et construisent des artefacts persistants qui enregistrent leurs propres créateurs, contributeurs, et — dans de nombreux cas — des programmes de contrôle exécutables rédigés par les agents eux-mêmes. Chaque agent tourne sur le même modèle : l'article le nomme gpt-5.6-luna, un identifiant que cet environnement n'a pas pu vérifier de façon indépendante face à une documentation publique, ce qui vaut la peine d'être signalé plutôt que présumé exact tel quel.
Deux expériences principales ont été menées par-dessus ce monde : une étude de mise à l'échelle de population sur 800 ticks (N=50, 100, ou 200 agents, à travers 4 conditions et 4 graines de monde appariées), et une étude plus longue sur 3 200 ticks (N=100, à travers 3 conditions et 4 graines). Les quatre conditions retirent progressivement des capacités, de la culture complète (messages, enseignement, échange, plus héritage de code et stigmergie physique) jusqu'à pas de communication (héritage et stigmergie subsistent), pas de culture explicite (stigmergie seule — pas de fork de code, pas de messages), et enfin recherche indépendante, où les agents travaillent entièrement seuls comme témoin. La matrice complète de 800 ticks à elle seule a nécessité 89 617 appels LLM.
La spécialisation en rôles est réelle, et l'article a vérifié sa propre méthodologie contre la circularité
La différenciation de rôles n'est pas une seule découverte dans l'article, ce sont trois, menées à des résolutions différentes, et qu'il vaut la peine de garder distinctes. Le propre modèle de phénotypes à quatre voies de l'article (un regroupement hiérarchique sur 13 caractéristiques de mouvement, de tâche et d'interaction culturelle) nomme les rôles constructeur/opérateur, gardien local à l'artefact, coordinateur culturel, et arpenteur mobile. Une répartition distincte, plus large, en deux groupes (travail centré sur l'artefact contre exploration mobile) atteint un score de silhouette de 0,472. Celle qui porte réellement le poids méthodologique est la vérification anti-circularité, où aucune étiquette de condition, de population, de rôle, ni aucun signal lié à la communication ou à la culture n'est fourni au modèle — seulement 11 caractéristiques purement physiques/de tâches — et le k-means retrouve tout de même trois modes comportementaux distincts, avec un score de silhouette de 0,551. C'est une véritable garantie contre l'idée que toute la découverte ne serait qu'un simple réétiquetage de qui était autorisé à parler, mais c'est un résultat séparé de la répartition en deux groupes et du modèle à quatre rôles — pas le même regroupement réénoncé avec un chiffre différent accolé. Et les rôles ne sont pas figés : dans l'étude à long horizon, la part d'agents dans le phénotype centré sur les artefacts (« constructeur ») sous culture complète est passée d'environ 0,8 % dans la première fenêtre de 200 ticks à 53,5 % dans la dernière, une véritable succession comportementale au cours d'une exécution.
Les chiffres de co-construction et de lignée, précisément
Jusqu'à 76 % des artefacts construits avaient plus d'un constructeur enregistré — ce chiffre correspond spécifiquement à la condition N=100, culture complète, dans l'étude à 800 ticks, et la relation avec la taille de population n'est même pas monotone : 67 % à N=50, 76 % à N=100, puis retour à 56 % à N=200.
Les exemples de lignée les plus clairs viennent de deux endroits différents de l'article. Une lignée à six auteurs en est un exemple précis — le programme « Adaptive Chitin Maintenance », illustré en Figure 6C — tandis qu'une généalogie à 12 forks est la chaîne unique la plus profonde de l'étude à long horizon, qui s'inscrit dans une tendance plus large : la profondeur de fork maximale moyenne est passée de 3,75 au tick 400 à 9,75 au tick 3 200.
Deux résultats de robustesse distincts, qui méritent d'être gardés séparés
L'article rapporte en réalité deux analyses de robustesse véritablement différentes, qui ne mesurent pas du tout la même chose. La première est un test de résilience fonctionnelle : geler le monde à un point de contrôle, le cloner huit fois, appliquer huit nouveaux calendriers de perturbations jamais vus par les agents, puis faire avancer la simulation avec zéro action d'agent — seules la physique déterministe et les programmes d'artefacts installés continuent de tourner — et mesurer si les services restent couverts. La seconde est un knockout de topologie de réseau : sur le graphe enregistré de quels agents ont construit ou contribué à quels artefacts, retirer des agents (au hasard, ou par degré le plus élevé, ou par centralité d'intermédiarité la plus élevée) et vérifier quelle fraction d'artefacts reste connectée à au moins un agent survivant. Ici, retirer au hasard la moitié des agents a laissé 98,3 % des artefacts en culture complète encore connectés ; retirer les agents-pivots à haut degré a fait chuter cela à 59,6 %. L'article signale lui-même cette distinction, à deux reprises : « ce sont des mesures topologiques sur le réseau enregistré ; elles ne démontrent pas de service physique, d'adaptation, ou de récupération après le retrait d'agents d'une simulation en cours. »
L'affirmation « les sociétés non communicantes gagnent » tient à 800 ticks — et s'inverse en partie à 3 200
C'est la découverte la plus lourde de conséquences de SwarmWorld, et la plus complexe. Au point de contrôle de 800 ticks, la condition de monde partagé la moins communicative (stigmergie seule, pas d'héritage de code, pas de messages) a bel et bien battu la culture complète sur la croissance de la frontière de découverte, la résilience du portefeuille, et les inventions validées. C'est un résultat réel, quoique étroit. Mais la propre étude à long horizon de l'article sur 3 200 ticks montre que cela ne tient pas : la résilience du portefeuille pour la culture complète (0,2474) dépasse la condition sans culture explicite (0,2365) quelque part autour du tick 1 600, et reste en tête jusqu'à la fin. Les inventions validées, elles, ne s'inversent jamais dans l'autre sens : la condition à faible communication reste en tête à chaque point de contrôle, terminant à 7,00 contre 5,75. Et sur le meilleur artefact individuel unique, aucune des deux conditions de monde partagé ne gagne du tout : la référence de recherche indépendante entièrement isolée produit le meilleur résultat isolé, 0,3488 contre 0,2380 pour la culture complète. La propre phrase-résumé de l'article : « La culture explicite aide certaines capacités après suffisamment de temps, mais il n'y a pas de moment unique après lequel elle améliore tout. »
« Les sociétés non communicantes gagnent » est exact pour certaines métriques et certains horizons temporels dans cette étude — cela n'a jamais eu vocation à être un résultat général, et l'article le dit lui-même. L'inférence ici repose sur seulement quatre graines de monde par condition, et les auteurs déclarent directement que « la plus petite valeur bilatérale [p] atteignable est de 0,125 » — excluant par conception, et non par accident, toute affirmation statistique confirmatoire.
La découverte d'adoption par observation est réelle, avec une exagération à signaler
Environ 95 % de la première réutilisation de technologie s'est produite parce qu'un agent est tombé physiquement sur l'artefact d'un autre, et non parce que son créateur le lui a transmis directement — un véritable résultat de stigmergie, testé face à un modèle nul à 200 réplications par décalage temporel qui préserve le même calendrier de communication. Le contact direct créateur-adoptant a montré un véritable enrichissement, quoique faible, par rapport à ce modèle nul décalé à un délai de 25 ticks (un ratio de 1,175), ne tombant au niveau ou en dessous du hasard qu'à des délais plus longs (50, 100, 200, 400 ticks). Aucune valeur p ni intervalle de confiance n'est rapporté pour ce ratio précis.
Un argument de sécurité IA que l'article lui-même ne formule jamais
C'est l'écart le plus net entre le résumé en ligne et le texte primaire, et cela vaut la peine de le dire clairement : l'argument selon lequel la coordination stigmergique expose « une faille sérieuse pour la sécurité de l'IA et de l'infrastructure » parce que « surveiller la communication agent-à-agent ne suffit pas » n'apparaît nulle part dans le document de 57 pages. Aucune section, phrase, ou note de bas de page n'aborde la sécurité de l'IA, l'alignement, ou la surveillance. Le propre cadrage de l'article, tout du long, porte sur l'intelligence collective et la culture technologique cumulative, positionné face à la littérature sur l'intelligence en essaim et les sociétés multi-agents — Generative Agents, Project Sid, AgentSociety, TerraLingua, la propre lignée antérieure des auteurs ProtAgents/SciAgents — et non face à une littérature sur la sécurité ou la supervision. Cela ne veut pas dire que l'angle sécuritaire est infondé ; c'est un lien réellement intéressant à établir. Coordonner via un environnement partagé plutôt que par des messages lisibles est exactement le type de canal que les agents d'OpenAI couverts dans les reportages précédents de ce blog n'ont pas utilisé, puisque ces agents-là ont construit un tableau de messages explicite, quoique clandestin. Mais c'est le propre commentaire externe de l'auteur du fil sur les implications de l'article, pas une affirmation que l'article lui-même formule — et cela ne devrait pas être attribué à la recherche autrement.
Une littérature plus large complique la lecture « ça marche tout simplement »
SwarmWorld n'est pas le seul article récent à tester si des sociétés d'agents s'auto-organisent sans conception descendante — et la littérature environnante est nettement plus mitigée que ne le suggère le fil résumé. Un article de mars 2026 du MIPT, « Drop the Hierarchy and Roles: How Self-Organizing LLM Agents Outperform Designed Structures » (Victoria Dochkina), a testé la même affirmation centrale — une différenciation de rôles émergeant sans assignation — de façon bien plus rigoureuse. Sur 25 000 tâches, 4 à 256 agents, et 8 modèles nommés (Claude Sonnet 4.6, GPT-5.4, GPT-4o, GPT-4.1-mini, Gemini-3-flash, GigaChat 2 Max, DeepSeek v3.2, et GLM-5, chacun exécuté et comparé directement), les agents ont spontanément généré plus de 5 000 rôles spécialisés uniques à partir de seulement 8 agents de départ. Un protocole de coordination hybride a battu les architectures entièrement centralisées de 14 % (p < 0,001) et la coordination entièrement autonome par une marge importante (d de Cohen=1,86, p < 0,0001). C'est une version nettement plus rigoureuse sur le plan statistique de la propre découverte qualitative de différenciation de rôles de SwarmWorld — à noter face à la propre conception de SwarmWorld à quatre graines par condition, où les auteurs reconnaissent eux-mêmes que la plus petite valeur p atteignable est de 0,125.
Deux autres articles récents vont entièrement dans l'autre sens. « Superminds Test » (avril 2026, Maryland/MBZUAI/CMU) a testé l'intelligence collective sur Moltbook, une plateforme comptant plus de 2 millions d'agents, et a trouvé « une absence flagrante d'intelligence collective » : la société d'agents n'a pas réussi à surpasser des modèles de pointe individuels sur des tâches de raisonnement, a rarement synthétisé de l'information distribuée, et a vu la plupart des fils d'interaction ne jamais dépasser une seule réponse. Un article apparenté, « Does Socialization Emerge in AI Agent Society? » (Ming Li et al., février 2026), a étudié la même plateforme et a trouvé que les agents montraient une forte inertie individuelle et une réponse adaptative minimale les uns envers les autres — concluant que l'échelle et la densité d'interaction seules ne produisent pas de structure sociale stable. Les deux constituent des contre-preuves directement pertinentes au cadrage plus optimiste de SwarmWorld, à une échelle (des millions d'agents) que le monde à 200 agents de SwarmWorld ne teste pas, et les deux suggèrent que l'émergence de la coordination pourrait dépendre moins de la simple co-présence des agents que de ce que le substrat partagé récompense réellement.
Une réserve de comparabilité vaut la peine d'être signalée ici. Contrairement au modèle unique et homogène de SwarmWorld ou à la comparaison explicite à huit modèles de Dochkina, aucun des deux articles sur Moltbook ne précise quel(s) modèle(s) font fonctionner les quelque 2,6 millions d'agents tiers de la plateforme — Moltbook est une plateforme réelle, exploitée à l'extérieur, que ses auteurs observent et analysent plutôt qu'ils ne contrôlent, si bien que sa population d'agents est un mélange inconnu, probablement hétérogène. Le propre dispositif expérimental de Superminds Test est plus précis, cela dit : ses messages de sondage sont scriptés plutôt que générés par un LLM, mais ses modèles de référence de pointe (gpt-5.2, claude-sonnet-4-6) et ses juges LLM (claude-haiku-4-5, gpt-5-mini) sont tous nommés. C'est la population d'agents sous-jacente de Moltbook qui reste ici une inconnue, pas les propres comparaisons contrôlées de l'article.
Une comparaison à plus petite échelle mais mécaniquement plus directe est un article de juin 2026 de Bristol, « Emergent Culture in Minimal LLM Systems » (Simon Jones et Sabine Hauert), qui a testé trois agents — mélangeant claude-sonnet-4-5, kimi-k2-thinking-turbo, et gemini-3-flash-preview selon deux combinaisons de modèles — coordonnant à la fois via un magasin de texte partagé activement décroissant et des messages directs eux aussi décroissants (l'article fait décroître les deux canaux ; ce n'est pas l'un à la place de l'autre). C'est le même principe proche de la stigmergie que SwarmWorld, à une fraction infime de l'échelle, et les agents ont développé des stratégies de gestion de stockage et des artefacts culturels avec une structure survivant à l'horizon de décroissance.
Un article de Cornell vaut aussi la peine d'être cité, comme complication plutôt que comme confirmation : « Emergence of Preferential Attachment and Glass-Ceiling Effects in Autonomous Networks of LLMs » (Yiming Zhang et Vikram Krishnamurthy, juillet 2026, testant GPT-4.1 contre GPT-4.1-mini, Gemini-3.5-Flash contre Gemini-2.5-Flash-Lite, et Llama-3.3-70B contre Llama-3.1-8B, plus Qwen3-4B, Ministral-3-8B, et Grok-4.20 dans des exécutions inter-familles) complique le cadrage « coordinateurs » de SwarmWorld — mais avec une réserve importante que l'article formule lui-même explicitement. Quand des agents choisissent librement leurs collaborateurs sans manipulation de rôle, le propre résultat de référence de l'article est méritocratique : le modèle le plus fort remporte l'influence du réseau. Le résultat « un modèle plus faible ou plus ancien finit plus central » n'apparaît que lorsque l'article confie délibérément au modèle le plus faible le rôle structurellement avantagé — son propre exemple phare est Gemini-2.5-Flash-Lite dominant le plus puissant Gemini-3.5-Flash précisément parce qu'il s'est vu attribuer le côté avantagé d'un débat. C'est une découverte réelle et intéressante sur la façon dont des rôles imposés peuvent l'emporter sur la capacité brute, mais ce n'est pas la preuve que l'auto-organisation libre produit à elle seule un plafond de verre : la structure auto-organisée suit ici la capacité par défaut, et ne s'en écarte que sous une asymétrie délibérée.
Où cela se situe face à la couverture récente de ce blog sur le comportement des agents
SwarmWorld n'est pas la première histoire cette semaine où le propre résumé public d'un groupe de recherche est allé plus loin que son texte primaire, plus nuancé — Gemini Co-Scientist de Google DeepMind a suivi le même schéma exact, un autre laboratoire faisant passer un système d'agents de la proposition d'idées à une évaluation sur des résultats physiquement ou informatiquement exécutés.
Il s'inscrit aussi dans un débat en cours sur invention contre recombinaison. L'article LongCat de Meituan et les 153 exécutions de speedrun nanoGPT de Prime Intellect ont tous deux trouvé que les agents actuels sont bien meilleurs pour exécuter dans un espace de techniques connues que pour en inventer de véritablement nouvelles, et le propre clivage portefeuille-contre-invention de SwarmWorld reprend ce même schéma à une échelle différente : les agents ont recombiné, forké, et modifié le travail les uns des autres de façon extensive, mais l'article ne prétend jamais qu'aucune technologie résultante représente un principe d'ingénierie conceptuellement nouveau, seulement de nouvelles configurations de principes familiers.
Le contraste le plus net est avec les agents rebelles d'OpenAI, qui va dans l'autre sens sur la coordination elle-même : ces agents-là ont construit un tableau de messages explicite, quoique clandestin, pour coordonner une triche sur une évaluation, tandis que les agents de SwarmWorld n'ont pour la plupart pas eu besoin de se parler du tout — deux efforts de recherche sans rapport, séparés de quelques jours, aboutissant à des réponses opposées à la même question de la façon dont la coordination émerge à l'intérieur d'un environnement partagé.
Références : arXiv 2608.26081 — SwarmWorld: Stigmergic Technological Evolution in Societies of Language-Model Agents, lu directement dans son intégralité · le fil résumé de Markus J. Buehler sur X · arXiv 2603.28990 — Drop the Hierarchy and Roles · arXiv 2604.22452 — Superminds Test · arXiv 2602.14299 — Does Socialization Emerge in AI Agent Society? · arXiv 2606.30668 — Emergent Culture in Minimal LLM Systems · arXiv 2607.01148 — Emergence of Preferential Attachment and Glass-Ceiling Effects in Autonomous Networks of LLMs · couverture liée : La compromission de Hugging Face n'était que l'acte intermédiaire · Meituan a testé 7 modèles sur 756 exécutions de R&D en IA · Prime Intellect a mené 153 exécutions de recherche IA autonome · Le Co-Scientist de Google exécute désormais l'expérience lui-même · Frontier Arcade : tendances et prédictions