Ce que sont les 25 paliers

Vingt-cinq paliers composent l'échelle d'entraînement, du palier 1 au palier 25. Chacun vise une cible Elo précise, espacée de cent points : 100 pour le premier, 2500 pour le dernier — la fonction qui calcule cette cible dans le code du jeu ne fait rien de plus que multiplier le numéro du palier par cent. Ce ne sont pas des scores mesurés : ce sont des objectifs, posés à l'avance pour donner une échelle lisible à qui découvre le morpion imbriqué.

La page elle-même le dit sans détour : à côté du bot actuellement sélectionné, l'étiquette « Elo provisoire » remplace un chiffre mesuré, tant qu'aucune partie de calibration n'a eu lieu. C'est un choix assumé plutôt qu'une case cochée à la légère. Vingt-cinq bots, plus deux repères de référence, attendent une campagne de mesure avant que leur cible affichée devienne un Elo constaté. Cette honnêteté est un argument, pas une gêne à cacher : elle dit exactement ce que la page sait, et ce qu'elle ignore encore, plutôt que d'habiller une supposition en certitude.

Ce qui change réellement d'un palier à l'autre

Ce qui distingue réellement le palier 1 du palier 25 est vérifiable dans le fichier de configuration des bots, pas dans une promesse marketing. Deux réglages progressent d'un bout à l'autre de l'échelle : le nombre de simulations de recherche, qui passe de 2 à 64, et la température, qui descend de 1,6 à 0,1. Le premier chiffre dit combien de suites de coups l'algorithme explore avant de s'arrêter sur un coup : 2 au palier 1, jusqu'à 64 au palier 25, soit trente-deux fois plus d'exploration en haut de l'échelle qu'en bas.

Le second, la température, régit à quel point le choix final colle à l'option la mieux notée par cette exploration : une température haute laisse la place à des coups plus variés, une température basse resserre presque toujours le choix sur le candidat le mieux noté. Ces deux réglages changent la manière dont le bot décide — pas encore la qualité du jugement qui sous-tend cette décision : le réseau qui note chaque position n'a pas encore été entraîné, comme l'explique la section suivante.

Comment le moteur est conçu

Le moteur est conçu comme un réseau de neurones couplé à une recherche arborescente de type MCTS (Monte Carlo Tree Search) : le réseau proposera une évaluation de la position et des coups prometteurs, et l'arbre de recherche vérifiera ces intuitions en simulant des suites de coups. Son architecture est déjà fixée — un tronc de 4 blocs à 32 canaux, une tête de politique sur les 81 cases du grand plateau, une tête de valeur à 64 unités cachées — mais ses poids ne sortent pour l'instant que d'un générateur de nombres aléatoires.

Les vingt-cinq paliers pointent d'ailleurs tous vers ce même point de départ : un unique jeu de poids, partagé par toute l'échelle en attendant l'entraînement. Le plan prévu est un entraînement par self-play, le réseau jouant contre lui-même pour produire ses propres données d'apprentissage, suivi d'une arène de promotion où chaque candidat affronte la meilleure version précédente avant qu'une campagne de calibration mesure où chaque palier se situe vraiment sur l'échelle Elo. Rien de cela n'a encore eu lieu. Le réseau n'a pas appris à jouer : il attend encore sa première partie d'entraînement.

Choisir son palier et progresser

Choisir son palier n'exige pas de connaître son propre niveau à l'avance. Si tu veux simplement jouer contre une IA au morpion sans attendre qu'un adversaire humain se connecte, commence au palier 1 : c'est le point d'entrée le plus bas de l'échelle, et rien n'empêche de le rejouer autant de fois que nécessaire avant de monter d'un cran. La liste des paliers reste ouverte à tout moment : rien n'oblige à jouer dans l'ordre, mais suivre l'échelle donne un fil conducteur à qui ne sait pas par où commencer.

La barre de progression de la page indique combien de paliers sont déjà vaincus, et une coche marque chacun d'eux dans la liste. Une fois un palier battu, mieux vaut affronter le suivant plutôt que d'en sauter plusieurs d'un coup : chaque palier n'ajoute qu'un petit changement dans la manière dont le bot cherche ses coups, et l'avancer un par un laisse le temps de sentir la différence. Choisir son camp — premier ou second joueur, ou un tirage aléatoire — avant de lancer la partie change aussi l'expérience, sans changer le palier affronté.