IA de dames chinoises

JumpStar est le moteur d'IA de dames chinoises le plus fort au monde

Disponible sur iPhone JumpStar Dames chinoises Affrontez l'IA la plus forte hors ligne, résolvez des puzzles quotidiens, obtenez des indices et enregistrez vos replays. Télécharger

Origine

J'ai créé JumpStar pour ma mère. Le projet a commencé le 15 mai 2026 dans l'Indiana, alors que j'aidais mes parents à quitter la maison de notre enfance. En emballant leurs affaires, nous avons retrouvé notre vieux plateau de dames chinoises et nous nous sommes souvenus à quel point c'était amusant d'y jouer en famille.

Quand mon frère et moi sommes partis à l'université, ma mère avait cherché des applications iPhone de dames chinoises pour continuer à jouer seule, mais aucune n'était vraiment bonne. Vu les succès d'AlphaGo et de Stockfish, je pensais qu'il existerait forcément de nombreux moteurs d'IA open source performants pour les dames chinoises – mais ce n'est pas le cas. Malgré sa popularité et son élégance, le jeu avait reçu étonnamment peu d'attention de la part de la communauté de l'IA. C'est ce manque qui m'a poussé à créer JumpStar.

Mon objectif était de construire le premier moteur d'IA surhumain pour les dames chinoises. Un adversaire informatique fort permettrait à ma mère de continuer à jouer même quand mon frère et moi n'étions pas là. Un moteur surhumain pourrait même révéler de nouveaux motifs et de nouvelles stratégies, magnifiques, encore peu connus.

C'est aussi pour cela que le projet est devenu public. Un moteur privé puissant est intéressant, mais il est difficile pour quiconque de l'évaluer ou de l'améliorer. Le benchmark public d'IA pour les dames chinoises rend le travail vérifiable : un ensemble de règles, un protocole, une série de positions, des références de base, des journaux de parties et un modèle JumpStar nommé que d'autres systèmes peuvent défier.

La beauté des dames chinoises

Les dames chinoises sont une course sur un plateau en forme d'étoile à six branches. Chaque joueur commence avec un groupe de dix pions dans un triangle et cherche à être le premier à amener tous ses pions dans le triangle opposé. On peut y jouer à deux, trois, quatre ou six joueurs. Il n'existe que deux mouvements, le déplacement simple et le saut, et aucune possibilité de prendre des pions, ce qui explique en partie pourquoi le plateau semble si vivant : des règles de mouvement simples produisent des embouteillages complexes, chaque joueur cherchant à construire des chaînes de sauts et à empêcher ses adversaires d'en faire autant.

Malgré leur nom, les dames chinoises ne viennent pas de Chine, et ce n'est pas vraiment un jeu de dames. On fait généralement remonter le jeu au Stern-Halma, ou Halma étoilé, une adaptation allemande du Halma sur un plateau en étoile publiée en 1892. Le nom anglais familier est venu plus tard, par le marketing américain, et le jeu est depuis devenu un jeu de société populaire dans le monde entier.

Comment jouer aux dames chinoises

À votre tour, vous déplacez l'un de vos pions. Un pion peut avancer vers un trou voisin libre, ou sauter par-dessus un trou voisin occupé pour atterrir dans le trou vide situé derrière. Les sauts peuvent s'enchaîner, si bien qu'un seul coup peut traverser une grande partie du plateau quand l'espacement s'y prête. Les pions sautés restent sur le plateau. Ils ne sont pas pris.

Le but est d'amener tous vos pions dans le triangle situé juste en face de votre triangle de départ. Bien jouer ne consiste pas seulement à foncer. Il faut construire des échelles utiles, éviter de bloquer ses propres pions, bien exploiter le centre encombré et savoir quand un coup qui paraît lent maintenant ouvrira une route plus rapide plus tard.

Pour une référence complète, lisez les règles complètes des dames chinoises. Quand vous serez prêt à progresser, poursuivez avec le guide de stratégie et de tactique de JumpStar.

Pourquoi l'IA de dames chinoises est intéressante

Les grands jeux de plateau sont au cœur de l'IA depuis des décennies. Deep Blue d'IBM a battu le champion du monde d'échecs Garry Kasparov en 1997. AlphaGo a battu Lee Sedol en 2016. Ces jeux sont devenus des jalons parce que le jeu des machines a changé la façon dont les humains les comprenaient.

Les dames chinoises n'ont pas bénéficié du même écosystème public d'IA. Comparé aux échecs et au go, il existe bien moins de moteurs, de benchmarks, de classements, de parties publiques archivées ou d'outils de recherche partagés. Ce manque est surprenant, car le jeu a exactement le type de structure que les systèmes d'IA aiment étudier : information parfaite, aucun hasard, une condition de victoire claire et un nombre gigantesque de futurs possibles.

Même la position de départ, pourtant calme, se ramifie rapidement. Dans les règles à deux joueurs de JumpStar, le plateau initial offre 14 premiers coups autorisés. Après un coup de chaque camp, il existe 196 séquences possibles de deux demi-coups. À la profondeur trois, on compte 4 760 séquences de coups possibles depuis la position initiale. Plus tard dans la partie, les sauts en chaîne et les couloirs encombrés rendent les choix bien moins évidents que ne le laissent penser les règles.

Ce qu'est JumpStar

JumpStar est un moteur de dames chinoises entraîné par auto-jeu, construit sur un noyau compact de règles et de recherche en C++20, un modèle neuronal de politique et de valeur, et une recherche arborescente Monte-Carlo. Son point de contrôle public le plus fort, JumpStar_60, est l'actuel champion du benchmark CCERL-2P10-v2. Le résultat surprenant, c'est l'efficacité. Tous les modèles JumpStar ont été entraînés sur un MacBook M4, et non sur les grands clusters de TPU et de GPU associés aux systèmes de référence au go et aux échecs.

L'ambition est un niveau surhumain, mais l'affirmation publique est volontairement vérifiable : JumpStar semble surhumain ou presque surhumain selon le profil de règles à deux joueurs, et CCERL existe pour que de futurs moteurs puissent contester ce résultat.

Le système

JumpStar n'est pas seulement un point de contrôle de modèle. C'est une pile complète de moteur et de benchmark : représentation du plateau, règles, recherche, auto-jeu, données d'entraînement, outils d'arbitrage et preuves publiques.

• Règles et recherche. JumpStar utilise une représentation compacte de type bitmap du plateau en étoile à 121 trous, des règles strictes à deux joueurs, la génération des déplacements simples et des sauts multiples autorisés, le verrouillage de l'arrivée, les tests de fin de partie, un hachage déterministe, des bots de référence et un exécuteur de matchs natif. L'implémentation des règles est volontairement explicite, car les moteurs de dames chinoises peuvent sinon exploiter des cas limites : camper dans le triangle de départ ou d'arrivée, créer des blocages artificiels, ou gagner grâce aux bizarreries de l'arbitre plutôt qu'en jouant mieux. Le profil de règles de JumpStar vise à récompenser une course propre, une géométrie solide et une recherche reproductible plutôt que les astuces anti-blocage.
• Entraînement par auto-jeu. L'auto-jeu et la réanalyse génèrent des états du plateau, des actions autorisées, des nombres de visites MCTS, des résultats de parties et des indicateurs de progression. Ces données entraînent un modèle de politique et de valeur qui guide la recherche suivante. JumpStar_60 est un MLP geometry_v1 de 512x4 comptant environ 10.36M paramètres, entraîné sur un jeu de données réanalysé de 1.8M exemples. Le vrai travail a consisté à rendre cette boucle assez légère et rapide pour tourner encore et encore sur du matériel local.
• Benchmark public. Comme les dames chinoises ne disposaient pas encore d'un classement public mature des moteurs, j'ai développé CCERL-2P10-v2 en parallèle de JumpStar. CCERL définit l'ensemble de règles, le protocole des moteurs, une série figée de positions, des moteurs de référence, les fichiers publiés et la méthode de classement. Le benchmark utilise des positions jouées par paires avec inversion des camps et publie les journaux de parties, afin que les résultats soient reproductibles et pas seulement affirmés. Ainsi, les futurs moteurs peuvent défier JumpStar sous le même arbitre au lieu de comparer de vagues prétentions de force.

Comment JumpStar joue aux dames chinoises

L'une des observations qualitatives les plus intéressantes est que JumpStar ne joue souvent pas comme une simple heuristique de course. Il développe au contraire des stratégies sophistiquées : ralentir l'adversaire, conserver des bloqueurs utiles et construire des formations compactes en forme de triangle qui freinent la circulation dans les couloirs importants.

Ce style passe facilement inaperçu si l'on ne voit les dames chinoises que comme une course vers l'avant. Comme les pions ne sont jamais pris, une forme défensive peut compter pendant de nombreux tours : elle peut priver l'adversaire d'une échelle de sauts, l'obliger à contourner les embouteillages ou faire gagner assez de temps pour que les pions du modèle concrétisent leur avance. Certaines des meilleures idées de JumpStar pourraient donc consister à contrôler la géométrie, et pas seulement à avancer plus vite.

La boucle de recherche et d'entraînement

Dans les grandes lignes, JumpStar suit le schéma d'AlphaZero : l'auto-jeu produit des cibles de visites MCTS, ces cibles entraînent un modèle de politique et de valeur, et le modèle plus fort guide la recherche suivante.

auto-jeu -> cibles de visites MCTS -> entraînement politique/valeur -> recherche plus forte -> auto-jeu

La force réelle est venue du fait d'avoir rendu cette boucle assez peu coûteuse pour la lancer encore et encore : workers d'auto-jeu natifs en C++, génération de coups efficace, évaluation des feuilles par lots, transpositions, réutilisation des sous-arbres, données compactes et builds de production optimisés pour le matériel Apple local.

Une grande part de ce gain de temps vient de l'utilisation de Codex avec GPT-5.5 comme partenaire d'implémentation et de recherche. Codex a aidé à examiner le code, profiler les goulots d'étranglement, réécrire les chemins critiques, analyser les journaux d'entraînement, préparer les sessions de benchmark et faire avancer plusieurs pistes d'expérimentation en même temps. Les gains les plus importants ont été concrets : de fortes accélérations de l'auto-jeu et de l'évaluation, une réduction d'environ 98 % de la mémoire utilisée par l'entraînement pour que le travail tienne sur ma machine locale, et assez d'automatisation pour continuer à améliorer le moteur tout en exerçant mon métier à plein temps de PDG d'Edia.

Le projet a avancé exceptionnellement vite parce que la boucle n'était pas seulement de l'auto-jeu pour le modèle ; c'était aussi une boucle d'ingénierie itérative pour tout le système autour. Codex a permis de lancer une expérience, d'examiner le mode d'échec, d'optimiser le code, de relancer le benchmark, de résumer le résultat et de transformer la question suivante en un correctif concret. Ce cycle de retour a condensé un travail qui aurait pu demander des mois d'infrastructure, d'outillage, de frontend, de benchmark et de rédaction en une semaine environ, entre la redécouverte du plateau et le lancement public.

La comptabilité locale de Codex donne une idée approximative de l'ampleur de cette collaboration. Sur l'ensemble des fils du projet visibles dans la base de données d'état locale de Codex, le total enregistré de tokens_used atteint environ 559.9M tokens. Ces chiffres incluent le contexte, les sorties d'outils, les effets du contexte mis en cache, la comptabilité du raisonnement et des sorties, ainsi que des fils de travail qui se chevauchent : il faut donc les lire comme une mesure du processus plutôt que comme une mesure scientifique du calcul.

CCERL et le benchmark public

Les dames chinoises n'ont pas de classement public mature des moteurs comme les échecs et le go, ce qui rend difficile l'évaluation de leur force et de leurs progrès. CCERL comble ce vide. CCERL est le premier benchmark public permettant d'évaluer la force des moteurs d'IA de dames chinoises. Inspiré de concepts similaires aux échecs et au go, CCERL fournit des règles fixes, des positions de départ vérifiées, des inversions de camps par paires, des journaux de parties téléchargeables et des références publiques.

D'après les benchmarks CCERL, JumpStar semble être, et de loin, le moteur d'IA de dames chinoises le plus fort accessible au public dans le monde.

Je pense que JumpStar a atteint un niveau presque surhumain aux dames chinoises selon le profil de règles à deux joueurs, avec la puissance de calcul d'un simple MacBook. Surtout, CCERL donne une cible à tous les futurs contributeurs : modifier JumpStar, construire un nouveau modèle, porter plus fidèlement un moteur existant, ajouter de meilleures positions ou présenter un challenger sous le même arbitre.

Travaux futurs

JumpStar n'a pas vocation à rester un simple bot privé. Le projet cherche à devenir quatre choses :

• Un modèle d'IA public et fort. JumpStar est sous licence libre, et ce site est gratuit. Tout le monde peut jouer contre JumpStar ou essayer de l'améliorer. JumpStar a été entièrement entraîné sur un MacBook M4. Davantage de puissance de calcul améliorera sûrement ses performances.
• Une infrastructure publique de benchmark. Les échecs et le go ont des communautés où les moteurs peuvent être testés, comparés et améliorés. CCERL apporte cette même infrastructure aux dames chinoises : des règles claires, des matchs reproductibles, des journaux publics et un chemin pour que d'autres construisent leurs propres modèles.
• La recherche sur le jeu lui-même. Une IA forte change ce que nous pouvons voir. Je veux comprendre à quoi ressemble le bon jeu, comment les ouvertures évoluent, pourquoi les plateaux encombrés se comportent comme ils le font, et ce qui se passe dans les parties à trois, quatre et six joueurs quand le centre du plateau devient un embouteillage de possibilités.
• Les variantes multijoueurs. Le modèle à deux joueurs n'est qu'un début. Les questions les plus folles commencent quand le plateau se remplit : trois joueurs, quatre joueurs, six joueurs, alliances changeantes, chemins bloqués et ouvertures émergentes étranges. Je veux découvrir à quoi ressemble le jeu fort dans ces configurations, et aussi sur des plateaux bien plus grands que le standard. Les complexités et les motifs qui en émergeront seront fascinants.

J'espère que JumpStar donnera envie à davantage de gens de s'intéresser aux dames chinoises, d'y jouer, de les étudier et de construire autour d'elles.