NanoZero n'a jamais lu un livre d'ouvertures ni vu une partie humaine. Il a appris les échecs comme personne ne les apprend : en partant de zéro, seul contre lui-même. Voici comment — et ce que votre ordinateur fait exactement quand il contribue.
Au début (génération 1), NanoZero ne connaît que les règles : comment les pièces bougent, rien d'autre. Pas de valeur des pièces, pas de « développez vos cavaliers », pas de finales théoriques. Ses premières parties ressemblent à ce qu'on imagine : des coups au hasard, des dames en prise, des mats en trois coups ratés.
Tout ce qu'il sait aujourd'hui — ouvertures, tactique, finales — il l'a redécouvert seul, en jouant des dizaines de millions de parties contre lui-même. C'est le principe AlphaZero, publié par DeepMind en 2017, que ce projet reconstruit intégralement en open source.
Le cœur du moteur est un réseau de neurones qui regarde une position et répond à deux questions — exactement celles qu'un joueur expérimenté se pose en un coup d'œil :
« Quels coups méritent l'attention ? » — comme votre intuition vous souffle deux ou trois coups candidats avant tout calcul. Et « qui est mieux ? » — cette évaluation instinctive que vous portez sur une position avant d'analyser la moindre variante.
Aux échecs, on appellerait ça la vision du jeu. Les chercheurs l'appellent policy (les candidats) et value (l'évaluation). C'est cette intuition-là que l'entraînement améliore, génération après génération.
L'intuition seule se trompe — la vôtre comme la sienne. Avant de jouer, le moteur calcule : il explore un arbre de variantes, en consacrant l'essentiel de son effort aux lignes que l'intuition juge prometteuses, et vérifie au passage que les autres ne cachent pas une réfutation.
Voilà le secret de la progression. Le moteur joue des millions de parties contre lui-même. Chaque position jouée est archivée avec deux étiquettes : les coups que le calcul a préférés, et l'issue finale de la partie. L'entraînement ajuste alors le réseau pour que son intuition ressemble davantage à ce que le calcul a découvert — et pour qu'elle prédise mieux qui va gagner.
Une nouvelle version n'est promue que si elle bat statistiquement la précédente sur des centaines de parties d'arbitrage. Pas d'impression, pas de « ça a l'air mieux » : un match, des statistiques, un verdict.
Jouer ces millions de parties demande énormément de calcul — c'est là que vous entrez en jeu. Quand vous cliquez « Démarrer ma contribution », votre navigateur joue de vraies parties d'auto-apprentissage, avec le réseau de la génération courante, et envoie les positions au serveur d'entraînement.
Quelques garanties qui comptent : la contribution est anonyme (aucun compte, aucun cookie) ; le serveur fixe les règles du jeu (budget de calcul par coup) pour que toutes les contributions se valent ; et les données des navigateurs sont vérifiées avant d'entrer dans l'entraînement — une contribution défectueuse ne peut pas abîmer le moteur. Vous arrêtez quand vous voulez, d'un clic.
Ce que vous verrez à l'écran : les échiquiers de « vos » parties en direct, le nombre de positions produites, et la jauge collective — la progression de toute la communauté vers la génération suivante.
Parce qu'on assiste à la redécouverte du jeu en accéléré. Les premières générations poussent les pions au hasard ; puis le développement apparaît, le centre, la sécurité du roi ; les ouvertures « humaines » émergent d'elles-mêmes — non pas apprises, mais retrouvées, parce qu'elles sont objectivement bonnes. Et parfois, le moteur préfère autre chose que la théorie : ces désaccords-là sont les plus intéressants.
Vous pouvez d'ailleurs jouer contre la génération courante ou analyser vos parties avec elle — les deux tournent avec le même réseau que celui que vous aidez à entraîner.
Un onglet ouvert suffit. Anonyme, sans installation, arrêt immédiat.