0. Conclusion en cinq secondes
L’IA fait d’abord la recherche coûteuse ; l’humain entre en classé avec40 cartes et un plan déjà réduits. La pratique supprime les cartes et lignes faibles ; les rematches transforment même les habitudes personnelles en données.
À la fin : l’IA réduit l’espace de recherche, l’humain réduit l’arbre de décision, les rematches réduisent l’incertitude. Contre Witch : chercheur, expériences, lion — encore cette ligne.
1. L’IA avait déjà traversé le champ de mines
La recherche précédente utilisait listes de tournoi, base de cartes, moteur de règles, mulligan, politiques de jeu, matchup floors et risque baissier. Une phase full-rules a exécuté12 480 parties et montré que règles correctes ne garantissent pas décisions IA correctes.
Pour Set9, 32 builds sur2 324 parties ont placé Aggro Nightmare premier dans le modèle :81,0% moyen,63,9% pire matchup. Un test Pirate Swordcraft a joué5 904 parties avec1 944 holdout et obtenu91,4% dans un corpus étroit.
Ce ne sont pas des win rates ladder. La valeur est de réduire des centaines de candidats à quelques tests humains utiles.
2. Diamant et rematches : écran BO1, cerveau BO7
Group est séparé du Rank et évolue avec les résultats récents. Diamant est le Group maximal ; passer Grand Master depuis Diamant donne officiellement CR1600 au départ.
La formule de matchmaking n’est pas publiée ; on ne peut donc pas affirmer que Diamant réduit toujours le pool.
Mais des adversaires répétés ont été observés à certaines heures calmes. Partie1 BO1, partie2 historique, partie3 habitudes personnelles. L’interface reste BO1 ; le cerveau joue BO7.
3. Experiment Witch se retient comme « chercheur + expériences + lion »
L’archétype Set9 utilise Sephie, chercheurs et expériences jusqu’aux zones5/5 et Storm.
Les signaux deviennent chercheur → compteur → zone5/5 → zone Storm.
Le « lion » n’est pas la carte Witch distincte Lio. C’est seulement un surnom visuel pour une illustration liée aux expériences du Witch actuel.
Le classé n’est pas une dictée de noms de cartes. Si « le lion arrive » déclenche la bonne réponse, le label fonctionne.
4. « Je calcule presque plus » signifie chunking
Au début, PP, nombre d’expériences, cibles de soin, timing Storm et lethal sont calculés séparément. Avec répétition, les détails fusionnent en un seul motif.
Le débutant voit carteA + boardB + PP + main probable. Le joueur adapté voit « position du lion ».
Il n’a pas arrêté de penser ; il a stocké les anciens résultats.
5. Gagner énormément n’est pas automatiquement la win rate universelle
La performance mélange puissance du deck, présélection IA, tuning humain, local meta fit et apprentissage individuel via rematches.
70% contre100 personnes uniques n’est pas le même test que70% contre un petit groupe déjà étudié. Pour la généralisation, prendre20–30+ nouvelles parties à une heure plus peuplée avec davantage d’adversaires uniques.
Mais pour gagner le ladder actuel, mémoriser les « habitants du village de nuit » reste une optimisation légitime.
6. Conclusion : que l’IA explore et que l’humain mémorise les exceptions
Recherche IA → candidats réduits → tests rapides → décisions faibles supprimées → templates matchup → templates individuels → chunking.
Départ : « les calculs de card game m’ennuient ; que l’IA fasse la partie chère ».
Arrivée : IA : « J’ai vu des milliers de parties. » / Humain : « Le lion est sorti. Cette branche. »
L’IA ne remplace pas le joueur ; elle externalise l’exploration pour réserver l’attention humaine aux vraies exceptions.
