Un économiste construit un marché avec un modèle 3B : leçons techniques

Thousand Token Wood est un projet qu'un ingénieur a construit lors d'un petit hackathon : une économie fonctionnelle où 5 animaux de forêt, chacun un agent IA (un programme capable de gérer des tâches de manière autonome), construits sur le modèle Qwen2.5-3B (un petit modèle de langage efficace), font du commerce. Les animaux échangent des ressources : nourriture, cailloux, bois, stockage. Vous jouez le bûcheron et observez les bulles économiques, les crises et les inégalités de richesse émerger naturellement.

Cet article est un rapport technique d'un ingénieur qui a vécu l'expérience — il vous raconte ce qui a marché et ce qui n'a pas marché en construisant une économie multi-agents sur un petit modèle.

Pourquoi un petit modèle et pas un gros ?

La vérité simple : une économie vivante a besoin d'agents qui pensent plusieurs fois par cycle. Si vous utilisiez un gros modèle (comme GPT-4 ou Claude), ce serait lent et très cher. Un petit modèle comme 3B peut prendre des décisions rapides et en parallèle (tous les animaux décident en même temps sur une seule GPU).

La différence de vitesse ? Énorme. Un gros modèle gérerait une économie animale à la vitesse d'un escargot. Le petit modèle fait fonctionner le truc en temps réel, vous voyez les prix bouger et les crises émerger.

Le premier problème : personne ne commerce

La première version ne faisait rien. Chaque animal produisait plus de nourriture qu'il n'en avait besoin, donc il n'y avait aucune raison de commercer. Le marché était complètement figé.

La solution : créer la rareté intentionnellement :

• Diversifier la nourriture : chaque animal ne peut produire qu'un type de nourriture. S'il veut survivre, il doit acheter ce qu'il ne cultive pas.
• La pourriture : la nourriture stockée se gâte si elle n'est pas vendue rapidement. L'animal doit vendre son excédent avant qu'il ne pourrisse.
• La crise du bois en hiver : chaque animal brûle du bois à chaque cycle, et le besoin augmente avec le temps. Mais un seul animal produit du bois.

C'est ce dernier qui crée le drame. Le bûcheron devient très riche, et les autres animaux se battent pour la chaleur.

Leçon 1 : un petit modèle produit du JSON correct, mais son jugement est faible

Quand la rareté a augmenté, le vrai problème a émergé. Le modèle 3B produisait du JSON correct 100% du temps. Mais son jugement économique était mauvais : un animal qui cultive des glands demandait d'acheter des glands — exactement ce qu'il avait en excédent !

La solution n'était pas un modèle plus gros. La solution était un meilleur prompt (les instructions qu'on donne au modèle) :

1. Dites à chaque animal : « Vous produisez ces choses, ne les achetez jamais ».
2. Calculez précisément ce qui lui manque.
3. Donnez-lui un exemple expliqué.

La qualité des décisions s'est améliorée énormément. Les animaux ont commencé à commercer selon leurs rôles.

Et en bonus : chaque réponse incorrecte est automatiquement réparée (JSON parse-and-repair), donc au lieu que la simulation s'écroule, l'erreur devient une opération, pas un crash.

Leçon 2 : le bien-être n'est pas « mourir de faim »

Au début, il a mesuré le bien-être comme un compteur : si un animal était chroniquement affamé, il dégringolait à zéro et mourait. C'était triste à regarder.

La solution : reformuler le bien-être comme une humeur qui s'améliore et se détériore. Si l'animal mange et se réchauffe, ça s'améliore. Mais ça ne descend jamais à zéro. Les vrais risques venaient des cailloux, des prix et du statut social, pas de la famine.

La meilleure fonctionnalité : la légende du marché

Le joueur peut déclencher une Wood Legend — un événement historique du marché qui se transforme en histoire de forêt :

• Tulip Mania (hystérie des tulipes en Hollande 1637) → Great Acorn Mania (hystérie des glands)
• South Sea Bubble (bulle de la Compagnie des Mers du Sud 1720) → Hollow Log Trading Company
• Bank runs 1929 → Run on Oona's Hoard (rumeur que la chouette Oona a vidé son trésor)

Ce n'est pas juste du texte de saveur. Chaque légende déclenche des chocs économiques réels, et les animaux réagissent :

Quand le joueur a choisi « Run on Oona's Hoard », la chouette a commencé à déverser du miel pour accumuler des cailloux. L'inondation de miel a fait chuter le prix de 10 à 3 dans les cycles suivants. Sans script, sans intervention manuelle — les animaux ont réagi naturellement.

Le troisième problème : les prix ne bougent pas

Quand les légendes ont commencé, les prix ne changeaient pas. La raison : les animaux citaient le prix de référence que l'ingénieur leur avait donné.

La solution : laisser le prix bouger avec l'offre et la demande. S'il y a une forte demande non satisfaite, le prix monte. S'il y a un excédent, le prix baisse. Maintenant les prix bougent naturellement selon la rareté, et se stabilisent quand le commerce est équilibré.

Ce que ça signifie pour vous

Les leçons essentielles :

1. Un petit modèle peut gérer des systèmes complexes — vous n'avez pas besoin d'un gros modèle pour construire une économie multi-agents. La vitesse et le coût déterminent si votre idée marche en production ou reste un prototype.

2. L'architecture et le prompt sont plus puissants que la taille — un modèle 3B produit du JSON correct, mais son jugement est faible. Des instructions claires et un exemple bien expliqué le font décider beaucoup mieux qu'un modèle plus gros sans guidance.

3. La rareté intentionnelle crée le drame — dans la réalité et dans l'art. Les systèmes sans contraintes ne sont pas intéressants. Les animaux ne commercent ou ne rivalisent que quand quelque chose manque.

Pour les développeurs marocains qui veulent construire des agents ou des simulations : ce projet est une leçon pratique sans prise de tête. Les modèles 3B sont devenus très puissants ces derniers mois — Qwen2.5-3B, Mistral-3B, même des modèles open-source marocains arrivent bientôt. Vous pouvez construire des systèmes réels sans dépendre d'OpenAI ou Google. Et honnêtement : quand vous pouvez vous débrouiller sans gros modèle, vous économisez une fortune et vous gagnez la vitesse dont vous avez besoin. C'est la différence entre un prototype et la production.