Dans une salle virtuelle où la pression ne retombe jamais, des intelligences artificielles se retrouvent propulsées à la tête de clubs de football. Leur mission : piloter l’équipe sur deux décennies, jongler avec les budgets, négocier les contrats, investir dans l’avenir et, surtout, éviter le licenciement. Bienvenue dans l’univers de FM-Bench, un banc d’essai inédit conçu pour mesurer la capacité des modèles de langage à gérer des tâches complexes sur le long terme.

Le défi est de taille. Chaque agent IA démarre avec un effectif à constituer, le même budget que ses rivaux, et une liste de 26 outils pour agir : acheter ou vendre des joueurs, négocier des prolongations, construire des installations, développer les jeunes talents. Les équipes adverses, elles aussi dirigées par des IA, poursuivent le même objectif. Mais ici, pas de juge humain : un moteur de simulation strictement déterministe enregistre chaque décision et ses conséquences, année après année, jusqu’à l’ultime classement après vingt saisons.

Des IA face à la complexité du management sportif

FM-Bench n’est pas un simple jeu d’échecs : l’environnement répond aux choix des agents, et chaque action a un impact cumulatif. Au total, entre 340 et 400 décisions jalonnent le parcours de chaque IA, qui doit composer avec la pression du conseil d’administration, les marchés imprévisibles et la concurrence acharnée. Quinze modèles de pointe sont testés dans deux scénarios : d’abord en solo, contre un monde scripté et immuable, puis dans une « Arena » où tous s’affrontent dans le même univers compétitif. Les résultats sont frappants : si tous les modèles terminent la course, les scripts de base, eux, échouent bien avant la ligne d’arrivée.

La performance ne dépend ni de la taille du modèle, ni de son coût, ni même de son fournisseur. Le classement final ne se précise qu’au fil des saisons, preuve de la difficulté de la tâche. Le modèle claude-fable-5, par exemple, domine à la fois le mode solo et l’Arena, mais la première place tourne entre dix modèles différents selon les parties. Quant aux humains, même les plus aguerris, ils peinent à rivaliser avec les IA sur leur propre terrain.

Comportements et stratégies révélés par FM-Bench

Ce qui sépare les meilleurs modèles n’est pas leur puissance de calcul, mais leur comportement de gestionnaire. Les IA les plus performantes savent réduire les investissements à rendement lent à l’approche de la fin du mandat, maintiennent l’argent actif plutôt qu’immobile, et anticipent les renouvellements de contrats bien avant l’échéance. Aucune, cependant, ne parvient à déduire les prix cachés du marché malgré des centaines d’offres refusées. Quant à la mémoire interne, elle se heurte à ses propres limites : certains modèles accumulent les souvenirs sans jamais les exploiter, d’autres repartent de zéro à chaque saison.

FM-Bench offre ainsi un miroir inédit sur les capacités et faiblesses des intelligences artificielles dans la gestion à long terme. Le code source, accessible publiquement, ouvre la porte à de nouveaux tests et à l’amélioration continue de ces agents virtuels. Pour les chercheurs et passionnés, le terrain de jeu est désormais posé, et la compétition ne fait que commencer.


Source originale : FM-Bench: A Benchmark for Long-Horizon Management with Competing Agents via arxiv.org (24/08/2026)