Théorie des jeux aux échecs : pourquoi chaque coup est une décision stratégique

Tu ne joues pas seul. Chaque coup que tu poses sur l’échiquier est une réponse implicite à un adversaire qui, lui aussi, calcule, anticipe et cherche à maximiser son avantage. Cette interdépendance des décisions est exactement ce qu’étudie la théorie des jeux. Et les échecs ne sont pas un exemple parmi d’autres dans ce domaine : ils en sont l’un des cas fondateurs.

L’essentiel en 4 points :

• Les échecs sont un jeu à somme nulle, à deux joueurs, à information parfaite et déterministe
• L’algorithme minimax est la traduction formelle de la réflexion stratégique aux échecs
• L’équilibre de Nash implique que sous jeu parfait, la partie serait toujours nulle
• En pratique, aucun humain ne joue parfaitement : la théorie des jeux devient alors psychologie appliquée

Qu’est-ce que la théorie des jeux ?

La théorie des jeux est une branche des mathématiques et de l’économie qui étudie les situations où plusieurs agents prennent des décisions interdépendantes. Elle modélise formellement les conflits d’intérêts et les coopérations, en cherchant à identifier les stratégies optimales.

Fondée principalement par John von Neumann et Oskar Morgenstern dans leur ouvrage Theory of Games and Economic Behavior (1944), puis étendue par John Nash dans les années 1950, la discipline s’applique à la guerre, l’économie, la biologie évolutive… et bien entendu, aux jeux de plateau.

Les caractéristiques formelles des échecs

Pour la théorie des jeux, les échecs présentent plusieurs propriétés fondamentales :

Jeu à deux joueurs. Il n’y a pas de coalition possible ni d’alliance : Blanc et Noir s’opposent directement.

Jeu à somme nulle. Ce que gagne un joueur correspond exactement à ce que perd l’autre. Il n’y a pas de situation où les deux joueurs peuvent simultanément améliorer leur position. Une victoire pour les Blancs est une défaite pour les Noirs, et un nul est un partage strict.

Information parfaite. Contrairement au poker ou aux jeux de dés, toute l’information est visible par les deux joueurs à tout moment. Il n’y a aucun élément caché, aucun hasard dans le déroulement de la partie. Chaque joueur connaît exactement l’état complet du jeu.

Jeu fini et déterministe. Bien que le nombre de parties possibles soit astronomique (l’estimation de Shannon donne $10^{120}$ parties possibles), une partie se termine toujours en un nombre fini de coups.

Le théorème de Zermelo et ses implications

En 1913, le mathématicien Ernst Zermelo a démontré un résultat fondamental pour les jeux à deux joueurs, à information parfaite, sans hasard et à nombre fini de coups. Dans tout jeu de ce type, l’une des trois situations suivantes est nécessairement vraie : soit le premier joueur a une stratégie gagnante, soit le second joueur a une stratégie gagnante, soit les deux joueurs peuvent forcer le nul.

Appliqué aux échecs, cela signifie qu’il existe en théorie une “vérité” de la position initiale. Soit les Blancs peuvent forcer la victoire, soit les Noirs le peuvent, soit la partie est nulle sous jeu parfait des deux côtés. Personne ne sait encore laquelle de ces trois options est la bonne, et les mathématiques actuelles sont incapables de le déterminer en raison de la complexité combinatoire colossale du jeu. Mais la réponse existe.

Ce résultat est à la fois rassurant sur le plan logique et vertigineux sur le plan pratique.

Minimax : la formalisation de la réflexion échiquéenne

L’algorithme minimax est directement issu de la théorie des jeux et constitue la colonne vertébrale de toute réflexion stratégique aux échecs. Son principe est remarquablement simple à énoncer.

Blanc cherche à maximiser son avantage. Noir cherche à minimiser l’avantage de Blanc. À chaque tour, chaque joueur suppose que l’adversaire jouera le coup optimal de son point de vue. Cette hypothèse réciproque crée un arbre de décision dans lequel chaque noeud représente une position et chaque branche un coup légal.

Formellement, si tu notes $v(p)$ la valeur d’une position $p$ pour les Blancs :

$v(p) = \max_{c \in C(p)} v(\text{résultat}(p, c)) \quad \text{si c'est le tour des Blancs}$ $v(p) = \min_{c \in C(p)} v(\text{résultat}(p, c)) \quad \text{si c'est le tour des Noirs}$

où $C(p)$ est l’ensemble des coups légaux en position $p$.

Quand tu réfléchis au bout de la table, que tu calcules “si je joue là, il répond ça, alors j’ai ce coup…”, tu exécutes mentalement une version tronquée de minimax. Tu explores un arbre, tu évalues les feuilles, tu remontes les valeurs. C’est exactement ce que font les moteurs d’échecs modernes, mais sur des millions de noeuds par seconde.

L’élagage alpha-bêta : l’intelligence dans la recherche

Le problème de minimax brut est son coût exponentiel. Pour une profondeur de recherche de $d$ coups avec un facteur de branchement moyen de 35 coups légaux par position, le nombre de noeuds à évaluer est de l’ordre de $35^d$. À 10 coups de profondeur, c’est plus de $2 \times 10^{15}$ positions à évaluer.

L’élagage alpha-bêta résout ce problème en coupant les branches de l’arbre qui ne peuvent pas influencer la décision finale. Si tu as déjà trouvé un coup qui te garantit un avantage de valeur $\alpha$, tu peux ignorer toute branche où l’adversaire peut te forcer à un résultat inférieur à $\alpha$. Cet élagage peut réduire le nombre de noeuds évalués de l’ordre de $35^d$ à l’ordre de $35^{d/2}$, ce qui double effectivement la profondeur de recherche possible pour un même budget de calcul.

L’équilibre de Nash aux échecs

John Nash a généralisé le minimax à des jeux plus complexes en introduisant le concept d’équilibre de Nash : un état du jeu où aucun joueur n’a intérêt à modifier unilatéralement sa stratégie, en supposant que l’adversaire maintient la sienne.

Aux échecs, sous jeu parfait des deux côtés, l’ensemble de la partie constituerait un seul équilibre de Nash. Les deux joueurs joueraient leurs stratégies optimales mutuelles, et aucun ne pourrait améliorer son résultat en déviant. Si la vérité des échecs est le nul (hypothèse majoritaire parmi les experts), alors cet équilibre correspond à une nulle sous jeu parfait des deux côtés.

En pratique, les humains ne jouent pas parfaitement. La pertinence de l’équilibre de Nash devient alors différente : elle permet de modéliser les ouvertures comme des équilibres locaux. Quand une variante d’ouverture est considérée comme “théoriquement égale”, cela signifie précisément que les deux camps ont des ressources suffisantes pour maintenir l’équilibre, et qu’une déviation unilatérale risque d’être sanctionnée.

Jeux à information parfaite vs. jeux à information imparfaite

Une distinction cruciale de la théorie des jeux est celle entre les jeux à information parfaite (comme les échecs) et les jeux à information imparfaite (comme le poker). Dans un jeu à information parfaite, tous les joueurs connaissent l’état complet du jeu à tout moment. Dans un jeu à information imparfaite, certains éléments sont cachés.

Les échecs semblent être un jeu à information parfaite. Mais est-ce vraiment le cas en pratique ? Pas tout à fait. L’information manquante n’est pas sur l’échiquier : elle est dans la tête de l’adversaire. Tu ne sais pas jusqu’où il a calculé. Tu ne sais pas s’il connaît la variante que tu as préparée. Tu ne sais pas si son calme apparent cache une position qu’il pense perdue ou une idée dévastatrice.

Cette asymétrie d’information subjective transforme les échecs, en pratique, en un jeu partiellement à information imparfaite. C’est là qu’intervient la psychologie du jeu. Et c’est là que la théorie des jeux pure trouve ses limites pour modéliser le comportement humain réel.

Les stratégies mixtes et le bluff à l’échiquier

Dans la théorie des jeux, une stratégie mixte consiste à jouer chaque coup possible avec une certaine probabilité, plutôt que de jouer systématiquement le même coup. Aux échecs à information parfaite sous jeu parfait, les stratégies mixtes n’ont pas de sens mathématique : il existe toujours une stratégie pure optimale.

En revanche, face à un adversaire humain, les stratégies mixtes deviennent pertinentes. Si tu joues toujours la même variante de la Sicilienne, ton adversaire peut préparer une ligne dévastatrice. En diversifiant tes ouvertures, tu rends ta stratégie moins prédictible et tu forces l’adversaire à préparer plusieurs lignes différentes. C’est une forme de stratégie mixte adaptée aux contraintes cognitives humaines.

Bobby Fischer était connu pour jouer 1.e4 dans presque toutes ses parties. Cette prévisibilité semblait violer le principe de la stratégie mixte. Mais Fischer avait une justification : sa préparation était si profonde dans les lignes de 1.e4 qu’il préférait jouer des positions qu’il connaissait parfaitement même si l’adversaire les attendait.

La théorie des jeux répétés et les habitudes d’ouverture

Les échecs de tournoi ne se jouent pas en une seule partie. Entre les mêmes adversaires, sur plusieurs années, une dynamique de jeu répété émerge. La théorie des jeux répétés étudie comment les interactions répétées modifient les stratégies optimales.

Dans ce cadre, la réputation devient un actif stratégique. Un joueur connu pour son jeu agressif incite ses adversaires à préparer des systèmes défensifs solides. Un joueur connu pour ses fins de partie techniques incite ses adversaires à éviter les simplifications. La stratégie optimale dans un jeu répété tient compte de cet effet de réputation et peut donc différer de la stratégie optimale d’une partie isolée.

La préparation à domicile, cette phase cruciale de la préparation moderne où les joueurs d’élite analysent des centaines de lignes avant un match, est la réponse pratique à cette réalité des jeux répétés. Magnus Carlsen et ses équipes passent des heures à analyser les préférences de l’adversaire pour trouver des déviations subtiles qui sortent des sentiers battus tout en maintenant un avantage théorique.

Ce que la théorie des jeux ne peut pas encore résoudre

Malgré toute sa puissance, la théorie des jeux bute sur la complexité combinatoire des échecs. Résoudre les échecs, c’est-à-dire déterminer si Blanc gagne, Noir gagne ou si la partie est nulle sous jeu parfait, est mathématiquement équivalent à explorer un arbre avec $10^{120}$ feuilles. Même les ordinateurs les plus puissants du monde ne peuvent pas faire ça.

Les jeux plus simples ont été résolus. Le morpion a été résolu trivialement. Les dames ont été résolues en 2007 par Jonathan Schaeffer et son équipe : c’est un nul sous jeu parfait. Le jeu de Nim est résolu analytiquement. Mais les échecs restent ouverts.

Ce n’est pas une limite de la théorie des jeux en tant que discipline : la théorie affirme au moins que la réponse existe. C’est simplement que les ressources de calcul nécessaires pour la trouver dépassent ce qui est physiquement accessible, et le restera probablement pour longtemps.

Pourquoi jouer aux échecs reste humain

La théorie des jeux dit que les échecs ont une structure mathématique parfaitement déterminée ; que sous jeu parfait, le résultat est fixé à l’avance ; et que l’algorithme minimax est la réponse formelle à la question « quel est le meilleur coup ».

Et pourtant, jouer aux échecs reste une expérience profondément humaine. Les contraintes cognitives, la fatigue, l’émotion, le temps limité sur la pendule, la pression psychologique de l’adversaire en face : tout cela transforme la théorie en quelque chose de vivant et d’imprévisible.

La vraie leçon de la théorie des jeux pour le joueur pratique n’est pas mathématique : c’est qu’en situation de décision complexe et interdépendante, il n’existe pas de bonne décision absolue. Il existe des décisions bonnes par rapport à un modèle de l’adversaire. Améliorer ce modèle, comprendre comment l’adversaire pense et anticipe, c’est ce qui distingue le bon joueur du joueur exceptionnel.

Von Neumann n’a pas inventé la théorie des jeux pour résoudre les échecs. Il l’a inventée pour comprendre la guerre froide. Mais les deux problèmes partagent la même structure fondamentale : deux acteurs rationnels, des décisions interdépendantes, et un résultat qui dépend de ce que chacun croit que l’autre va faire.

---

Sources et références

• von Neumann, J., & Morgenstern, O. Theory of Games and Economic Behavior. Princeton University Press, 1944. (Le texte fondateur de la théorie des jeux moderne.)
• Nash, J. Non-Cooperative Games. Annals of Mathematics, 54(2), 286-295, 1951. (L’introduction formelle de l’équilibre de Nash.)
• Zermelo, E. Über eine Anwendung der Mengenlehre auf die Theorie des Schachspiels. Proceedings of the Fifth International Congress of Mathematicians, 1913. (Le théorème fondateur sur la résolution des jeux finis.)
• Schaeffer, J., et al. Checkers Is Solved. Science, 317(5844), 1518-1522, 2007. (La résolution complète du jeu de dames par ordinateur.)
• Shannon, C. E. Programming a Computer for Playing Chess. Philosophical Magazine, Series 7, 41(314), 1950. (L’estimation du nombre de parties possibles aux échecs.)