GeoGuessr IA : une machine bat-elle les meilleurs ?

Le 11 mai 2023, Trevor Rainbolt, l'un des joueurs professionnels de GeoGuessr les plus connus au monde, a publié une vidéo intitulée world’s best ai vs geoguessr pro. Il a perdu les six parties. Son adversaire était PIGEON, un modèle de recherche de Stanford qui avait appris le jeu à partir des seules images Street View.

« Nous n'étions pas la première IA à jouer contre Rainbolt », a déclaré à NPR l'un de ses créateurs, Silas Alberti. « Nous sommes juste la première IA à avoir gagné contre Rainbolt. » Trois ans plus tard, la question de savoir si une IA peut battre GeoGuessr est tranchée. Les questions utiles sont de savoir comment une IA de GeoGuessr lit une scène, où une personne garde l'avantage, ce que les règles autorisent, et comment transformer cette technologie en entraînement plutôt qu'en bannissement.

PIGEON a été conçu par Lukas Haas, Michal Skreta, Silas Alberti et Chelsea Finn. Il est né d'un projet de classe dans le cours CS 330 de Stanford, est apparu sur arXiv en juillet 2023 et a été présenté à CVPR 2024, l'une des grandes conférences de vision par ordinateur.

C'est le test en conditions réelles qui en a fait plus qu'un score de référence. Une extension Chrome prenait une capture d'écran dans chacune des quatre directions cardinales, envoyait les images au modèle et plaçait sa réponse. Sur 458 matchs en « Competitive Duels », il a battu des joueurs de tous niveaux. Les auteurs ont même prévu un délai aléatoire facultatif avant chaque réponse, pour que son comportement « paraisse plus humain ».

Lisez la médiane et la moyenne ensemble. La moitié de ses réponses sont tombées à moins de 44 km environ, mais l'erreur moyenne était de 252 km : plus d'une réponse sur 20 était à plus de 750 km, et ces ratés tirent la moyenne vers le haut. Les auteurs sont aussi francs sur le plafond : les systèmes actuels, le leur compris, ne peuvent pas prédire de façon fiable au niveau de la rue.

Les IA généralistes s'y sont mises depuis. En avril 2025, Sam Patterson, joueur classé Master I, a disputé cinq manches en mode « No Move » contre o3 d'OpenAI, en ne donnant au modèle que deux captures d'écran à 90 degrés par manche. o3 a gagné 23 179 à 22 054 et a nommé correctement les cinq pays. Le même mois, un « prompt GeoGuessr » de 1 100 mots pour o3 est devenu viral, même si un test de 2026 sur 200 photos a montré qu'il ne faisait pas mieux qu'un prompt court.

Le modèle publié a été entraîné sur 400 000 images : quatre vues de chacun de 100 000 lieux GeoGuessr tirés au hasard. Voici toute la chaîne, étape par étape, sans les maths.

1. Step 1Transformer la vue en nombresPIGEON prend quatre images espacées de 90 degrés, qui couvrent la vue complète à 360 degrés. CLIP d'OpenAI, un modèle d'abord entraîné à associer images et textes, transforme chaque image en embedding, et les quatre sont moyennés en un seul résumé du lieu.
2. Step 2Apprendre la géographie à partir de légendesAvant l'entraînement principal, le modèle a étudié des images associées à des légendes générées comme « Ici, on conduit sur le côté gauche de la route » et « Ce lieu a un climat océanique tempéré ». Les légendes le poussent vers les caractéristiques qui comptent pour la localisation.
3. Step 3Choisir une geocell, pas une coordonnéeAu lieu de prédire directement latitude et longitude, PIGEON classe la scène dans l'une de 2 203 geocells. Elles suivent de vraies frontières administratives, fusionnées jusqu'à ce que chacune contienne assez d'exemples d'entraînement, les cellules trop grandes étant découpées par regroupement.
4. Step 4Punir plus fort les grosses erreursPendant l'entraînement, une cellule voisine de la bonne reçoit un crédit partiel, pondéré par la distance. Le modèle apprend qu'un petit raté vaut mieux qu'un grand, selon la même logique que le barème de GeoGuessr.
5. Step 5Affiner parmi les meilleures candidatesEnfin, il prend ses cinq geocells les plus probables, compare la scène à des groupes de lieux d'entraînement situés à l'intérieur et déplace le repère vers la correspondance la plus proche. Les auteurs décrivent cette étape de recherche comme une première dans le domaine.

Personne n'a expliqué au modèle ce qu'est une borne routière. Les auteurs ont constaté qu'il a tout de même appris des « stratégies enseignées dans les guides GeoGuessr en ligne », en prêtant attention à la végétation, aux marquages routiers, aux poteaux et à la signalisation. Ce sont les mêmes familles d'indices que dans la liste de contrôle humaine des indices par pays. Pour des photos ordinaires plutôt que des panoramas, le raisonnement est celui que présente notre explication de la géolocalisation par IA.

• Temps de décision. Patterson devinait généralement en une minute ou deux, souvent en 10 secondes. o3 avait presque toujours besoin de plus de 2 minutes, et une fois de plus de 6. En Duels, la réponse d'un joueur peut ne laisser à l'autre que 15 secondes, donc des minutes de réflexion sont un vrai handicap.
• Savoir ce qui compte. Son verdict : un humain est très fort pour savoir ce qui compte, alors que le modèle faisait beaucoup de recadrages inutiles et répétitifs et « s'est laissé distraire par la publicité à plusieurs reprises ».
• Bouger pour un meilleur indice. Le bot de PIGEON jugeait quatre images fixes. Ses adversaires humains pouvaient aussi se déplacer dans la scène, ce qui, note l'article lui-même, leur donnait plus d'informations pour affiner une réponse.

N'en tirez pas trop de conclusions. Après environ 20 manches de test, Patterson a jugé o3 comparable à des joueurs Master I ou mieux. Les avantages humains tiennent à la façon dont le jeu se joue, pas à une connaissance plus étendue.

Patterson tient un paquet de cartes mémoire de centaines d'entrées sur les lignes de route, les poteaux électriques, les bornes et les plaques d'immatriculation, et il a formulé l'écart sans détour : « Ces modèles en savent plus qu'un esprit individuel ne pourrait raisonnablement en mémoriser. » C'est le vrai avantage. Un humain doit se spécialiser ; un modèle, non.

Les points faibles sont prévisibles. PIGEON n'a appris que sur des lieux de GeoGuessr : il n'a donc jamais vu les endroits que Street View ne couvre pas. Les auteurs citent aussi les tunnels, les étendues d'eau, les scènes sombres et les forêts parmi ses images les plus difficiles, et sa précision baisse quand la densité de population diminue.

Cette formulation couvre les deux types d'IA. Un bot qui joue à votre place est un logiciel tiers. Un chatbot dans lequel vous collez une capture d'écran est une source d'information externe. Les règles de la communauté prévoient trois sanctions quand la triche est avérée :

• Bannissement des classements : retrait des classements officiels solo, avec interdiction d'y figurer à l'avenir.
• Suspension des compétitions : exclusion des classements officiels des parties compétitives et solo.
• Bannissement des compétitions : exclusion définitive du jeu compétitif et retrait des classements officiels.

Vous pouvez aussi perdre des objets virtuels, et la sanction peut s'étendre à tous vos comptes. Les conditions d'utilisation interdisent séparément les programmes et scripts automatiques, en citant les bots dans la liste, et permettent une suspension temporaire ou un bannissement définitif. Un joueur suspendu ou banni n'a droit à aucun remboursement.

Et l'expérience PIGEON elle-même ? Elle s'est déroulée avec l'aide de l'intérieur de GeoGuessr : l'article remercie le directeur technique de l'entreprise d'avoir facilité les parties en direct contre des joueurs humains. Ce qui distinguait l'expérience de la triche, c'était l'implication de GeoGuessr, pas le logiciel.

1. Step 1Jouez la manche proprementPas d'onglet en plus, pas d'assistant, pas de capture d'écran envoyée à un chatbot. La manche teste ce que vous savez lire seul, et c'est la seule chose qui vaille d'être mesurée.
2. Step 2Nommez votre indice décisifAvant de placer le repère, dites quel élément unique vous inspire le plus confiance. Cela transforme une intuition en affirmation que vous pourrez vérifier ensuite.
3. Step 3Trouvez l'indice que vous avez ratéAprès la révélation, cherchez le détail qui aurait dû trancher. Notre routine d'entraînement donne l'ordre dans lequel tout vérifier.
4. Step 4Interrogez sur l'indice, pas sur la mancheUne question comme « en quoi les poteaux de bord de route tchèques et slovaques diffèrent-ils ? » apprend quelque chose de réutilisable. Prenez la réponse comme une piste à vérifier : Patterson a trouvé les descriptions de panneaux et de lignes de route par o3 le plus souvent exactes, pas toujours.
5. Step 5Testez la compétence sur de vraies photosDevinez où l'une de vos photos a été prise, puis comparez avec une estimation d'IA de GeoSpy. Elle lit les données GPS quand un fichier en porte encore : supprimez d'abord la localisation, sinon le test ne prouve rien.

La dernière étape compte parce que le jeu et les vraies photos entraînent le même regard. Ce que vous apprenez d'un panorama est ce sur quoi repose le fait de trouver le lieu d'une photo sans métadonnées.