The concept of agency / Le concept d’agentivité (1/2)

Two weeks ago, I talked about Skinner’s theories on human behavior and conditioning. I also mentioned how his discoveries, and most notably the Skinner box, have been used in game design. When we think about conditioning, something that we usually have difficulty with is the idea that some external force is deciding for us; that we have essentially lost our power of action. This ability to choose and influence the events in our life is called “agency”.

Today, we are going to see what exactly agency means and how games can help us get a feel for it. We’re also going to examine when choices are actually mathematical calculations that can deprive us of our power of decision. Next week, the second part of this article will focus on transferring some of our newly acquired agency to the real world, and on how faking choice can serve as a manipulation device.

Disclaimer: This article draws a lot of inspiration from 3 videos from the Extra Credits channel:

Those guys make great videos about video games (ranging from game industry and monetization to cultural implications, pedagogical benefits or genre-specific mechanics). If you’re an english-speaker and you’re interested in games or in analyzing their structure, I highly recommend you check them out! Numerous examples I put here were cited or even investigated in more details in those videos so, if you want to know more, feel free to follow the links.

I’d also like to point out that this article will talk about video games quite a lot. It is not exclusively directed to players but it does use lots of examples that may be more familiar and quick-to-catch to gamers than others. A full list of all the games I mention throughout the article is available at the end.

What is agency?

Agency refers to the ability to make choices and to have them impact the rest of the world. We often consider that humans have agency as opposed to nature that has a fixed deterministic and “unthinking” behavior. However, this notion of agency is more about the fact that you influence your environment than how you make your choice and is thus a bit different from the idea of free will. Basically, the “sense of agency” is this feeling you get that “you are in control”.

Because agency involves decision, it is often link to moral questions and value judgments: as a human, you are able to imagine what would have happened should you have chosen otherwise and therefore you can compare the various outcomes. Your actions may also depend on the previous actions of other agents. All in all, there is a sense of responsibility associated with agency.

Agency is this feeling that “we are in control”, that our decisions have an impact on the world around us. When we choose, we decide on a path and therefore shape the near future.

Note: in sociology, an agent is someone who interacts with the others. In psychology and philosophy however, agency usually focuses more on individual power of action than relationships.

Even though most of us feel like agency is inherent to our human condition, it is sometimes hard to actually get a grasp for it in today’s world. At the very beginning of the second Extra Credits’ video, the team recalls a moment when one of their member, James, went to a lower income school. He had the kids play the original Super Mario Bros. platformer to start a discussion about the scientific method. He then wanted to show how games reimplement that method by offering you a playground for making hypothesis, confirming or disproving them and taking a very hands-on approach on a specific situation with a clear experimental setup. But the debate quickly drifted towards a different topic: agency. Throughout their game time, just by having an opportunity to try some move out, fail and do it differently until they succeeded, the kids had had a feel for this power of action that they sadly didn’t get that often in their everyday lives. For once, they could impact the near future and see how their choices influenced the course of events.

This is a great example of how games can help us with sensing the importance of agency and with learning how it can take place in our lives.

Games and choice

How playing can teach us agency

Why is it games are good for that? Well, games are a great way to show you the impact of your decisions quickly. They are the best interactive media to date: in games, you are the one that impacts how the world you’re evolving in turns out. I’m not saying that in any game you can reshape mountains or kill kings just by sheer willpower; but you as the player determine where the camera focuses, what part of the environment essentially exists or not, sometimes what the other characters say or do. When you play a game, your actions have direct consequences and you can often relate to the underlying logic much more easily than in your everyday life.

They are very few games where you don’t need to choose at any point, that entirely rely on chance (apart maybe from the War card game): the whole point of games is to have you control the story, the characters, the events… The core interactivity component is bound to you being able to apply your mindset on this virtual reality one way or another.

Say you’re playing one of the simplest games of all times: Tic-tac-toe. If you decide to put an “X” in the wrong cell and let your adversary win by putting “O” to finish a diagonal, you immediately get a result for your action (a bad one, in this case, but still). Most games are the same: as opposed to real life where you sometimes need to wait for days, weeks, months, years or even forever to see an actual consequence to your choice, in games you only need to wait for a few minutes or hours at most. Even very story-heavy games that offer you numerous story branches that depend on an early decision on your part (like Quantic Dream’s or Telltale’s productions) eventually have some sort of clear resolution. So be it a super-quick outcome such as going left instead of right to loot some additional items and power up or a long one after profoundly changing Markus’s mindset all throughout Detroit: Become Human, both experiences give you an actual “choice equals result” equation that occurs in a reasonable enough timeframe for you to understand.

In Detroit: Become Human (by Quantic Dream, 2018), the player can choose between a set of story paths at various points during a mission. Each path, i.e. each decision, leads to different endings (shown as little thumbnails on the right, here) and, ultimately, a different game experience.

Moreover, the ability to start over without any tragic consequence (since let’s be honest, apart from a few games known for being specifically harsh on this point, most provide you with quite a gentle respawn system) can be a way to explore all the different outcomes and to better understand that even the tiniest of choices can lead to drastically different results. It can also help you distinguish between situations where you can take actions and situations where you have to comply to some rules without having much to say about it.

Note: in this regard, the rogue-like genre is quite interesting. One of its core mechanics is the “permanent death” system: losing interrupts your current game phase and brings you back to the start screen. At first glance, it seems opposed to the idea of retrial. But at the same time, your character will be revived “from fresh”, you have a clean slate to work with each time you die. This not only gives weight to your choices – you face the risk of having to start over from a more or less distant checkpoint -, this also replaces you in virtually the same state each time you do. And therefore gives you an opportunity to explore all the possible outcomes from one initial situation given your various choices along the way.

Note about this note: this idea of “exploding complexity and diversity” from one unique starting point relates to chaotic systems. In physics, a chaotic system is a system that is very sensible to initial conditions and can vary greatly over time with only subtle differences in the beginning phase. This is why they are remarkably hard – if not impossible – to predict. Stock markets and weather are common examples of chaotic systems.

Another important point that is well-explained in one of Extra Credits’ videos is the major difference between “calculation” and actual “choice”. In truth, in games, lots of moments that appear as choices are actually calculations. Basically, whenever there is some maths under the hood that make for a deterministic situation with one clear “best answer”, you’re faced with a calculation and not a choice. If you know the options and think through them carefully, you’re gonna pick the “best” one – and so will probably everyone else. How much of a choice is that? Imagine you’re playing the platformer Super Mario Bros.. The goal is to finish the level by going to the right of the screen until you reach the end flag. There is just no point sticking to the left. The theoretical choices of “staying there”, or “moving the left”, just have no interesting outcome in this context. Therefore, even though you still retain agency and can technically move whichever direction you prefer, you are forced to go right if you want to get a positive consequence (i.e. discovering more of the game, slaying enemies, win some points by finishing the level…). In that case, we don’t provide the player with a choice but rather condition her to perform specific actions incentivized by rewards and calculate the best path to take.

It is the same when you’re playing an RPG and searching for an amazing weapon for your warrior: if you see two swords that can easily be side-by-sided to compare stats, and the second one is mathematically more powerful, you will choose this one over the first. There is just no logical reason for doing otherwise (and despite each of us being different, we are usually hardwired to like logic and use it as a guideline for our choices).

In RPGs such as World of Warcraft, you can often compare items side-by-side and actually have a mathematical preference: you therefore face a calculation rather than a choice.

On the other end, if you’re faced with two weapons that each grant completely different superpower (say “walk super fast” or “see in the dark”), then you don’t really have an easy mathematical way to perform the calculation anymore. This is more of a choice. By using these “incomparables”, we can mitigate the problem of “false choices” in games.

Sidenote: could choice be the issue with reinforcement learning?

If you’re a bit familiar with AI, you might know of the reinforcement learning technique: it is used to train models through a “trial and error” process. We give the AI no indications whatsoever as to what the rules are and have it relive the same situation again and again; at the same time, we reward it with positive or negative points after a giving amount of actions to help it identify “good” and “bad” choices. The number of actions to perform before it gets might vary – it is essential to have both “short-term” and “long-term” goals. In my opinion, it is stunning to see that the models are actually able to weight those and aim for longer chains of actions if they lead to a better reward. Yes, reinforcement learning has shown some incredible results, for example in training AIs to play games (like Dota 2), and many researchers think it is interesting because it is so close to our own way of learning. After all, we’re not always knowledgeable enough to analyse the current context’s rules and make a completely informed choice: sometimes, we just have to try and see. But, to be fair, we do have a pretty solid understanding of our world. In truth, reinforcement learning, although promising, is often criticized for requiring too long a training time. And, to me, this is because the algorithm starts with too clean a slate, with too little information to draw from and is faced with so many choices that is just takes it hours to go through all of them and gradually learn which ones are dumb.

If we are put in a car driving simulator and asked to take a trip around the block, even if we don’t know how to drive, we will instinctively know that wheeling to hit the wall is a bad idea. I’m not saying we’ll easily take control of the simulator and do a pitch-perfect set of moves, but we won’t need to test this wall-hitting scenario to know it’s not valuable: we already have enough information about our world from past experience to make our best effort to stay on the road. Conversely, an AI that were to use reinforcement learning to train in driving a car and had no prior knowledge about the world would need to go through this scenario at least once, be awarded an insane number of negative points to make it clear it is not a good idea, and only then could it learn not to do it again. Until it has tested this out, “turning to hit the wall” is still a valid option and thus the AI can choose to perform this action.

Note: by the way, this is why reinforcement learning usually uses “sandbox simulation environments” during the training phase: if you’re training your AI for a somewhat dangerous situation, you can’t really crash millions of prototypes during thousands and thousands of hours before your model has finally understood the basics to stay alive.

Until next time…

Next week, the second part of this article will question the links between games and real life on the topic of agency: to which extent can we use what we learnt in this entertaining context in our everyday lives? I will also address a tricky issue linked to the concept of choice: manipulating someone through the illusion of decision. Because we are proud to have a freedom of action, it can happen that people take advantage of it to force us to “choose by ourselves”… when we are in fact only endorsing their ideas. We will see how false dilemmas and propaganda games use various levers to cunningly convince and condition us.

List of mentioned games:

  • Super Mario Bros. (created by S. Miyamoto & T. Tezuka, edited by Nintendo) – platformer
  • Detroit: Become Human (created by D. Cage & G. de Fondaumière, edited by Quantic Dream) – action/adventure, QTE
  • World of Warcraft (created by C. Metzen, R. Pardo & A. Adham, edited by Blizzard) – MMORPG
  • Dota 2 (created by IceFrog, edited by Valve Corporation) – MOBA

Il y a deux semaines, j’évoquais les théories de Skinner sur le comportement humain et le conditionnement. J’ai aussi mentionné comment ses découvertes, et en particulier la boîte de Skinner, ont été utilisées pour la conception de jeux. Quand on pense au conditionnement, ce qui nous pose souvent problème est l’idée qu’une force externe décide à notre place ; que nous avons, en fait, perdu notre pouvoir d’agir. Cette capacité à choisir et influencer les évènements dans notre vie est appelée “l’agentivité”.

Aujourd’hui, nous allons voir ce que signifie exactement l’agentivité et en quoi les jeux peuvent nous aider à la ressentir. Nous allons examiner les cas où les choix sont en réalité des calculs mathématiques qui peuvent nous priver de notre pouvoir de décision. La semaine prochaine, la deuxième partie de cet article se concentrera sur le transfert de ces concepts d’agentivité dans la vie réelle et sur la façon dont simuler un choix peut être un mécanisme de manipulation.

A noter : Cet article s’inspire beaucoup de 3 vidéos de la chaîne Extra Credits (en anglais) :

Cette équipe fait de très bonnes vidéos à propos des jeux vidéo (qui s’intéressent aussi bien à l’industrie du jeu et la monétisation qu’à leurs implications culturelles, leur intérêt pédagogique ou certaines mécaniques spécifiques à un genre). Si vous parlez anglais et que vous vous intéressez aux jeux ou à leur structure, je vous recommande vivement d’aller voir ! De nombreux exemples que j’utilise ici sont cités ou mêmes étudiés en détail dans ces vidéos donc, si vous vous en savoir plus, suivez les liens.

Je tiens aussi à préciser que cet article va parler d’un certain nombre de jeux vidéos. Il n’est pas nécessaire d’être un joueur pour le suivre mais un certain nombre d’exemples seront sans doute plus familiers à un gamer. Une liste complète des jeux mentionnés au cours de l’article est disponible à la fin.

Qu’est-ce que l’agentivité ?

L’agentivité fait référence à la capacité de faire des choix qui ont un impact sur le reste du monde. On considère souvent que les humains ont de l’agentivité contrairement à la nature qui a un comportement déterministe fixe et “sans réflexion”. Néanmoins, cette notion d’agentivité considère plus le fait que l’on influence son environnement que la façon dont on prend nos décisions, et diffère donc un peu de l’idée de libre arbitre. Le “sens d’agentivité” est essentiellement le sentiment “d’être en contrôle”.

Etant donné que l’agentivité implique la décision, elle est souvent reliée aux questions morales et aux jugements de valeur : en tant qu’être humain, on peut imaginer ce qui se serait passé si on avait fait un autre choix et on peut ainsi comparer les différents résultats. Nos actions peuvent aussi dépendre des actions passées d’autres agents. De manière générale, on associe l’agentivité à la notion de responsabilité.

L’agentivité est liée à ce sentiment d’être “en contrôle”, à la sensation que nos décisions ont un impact sur le monde qui nous entoure. Quand nous faisons un choix, nous décidons d’une route et nous façonnons donc le futur proche.

Note : en sociologie, un agent est quelqu’un qui interagit avec les autres. En psychologie et en philosophie, l’agentivité se concentre généralement plutôt sur le pouvoir d’action individuel que sur les relations.

Même si la plupart d’entre nous voient l’agentivité comme quelque chose d’inhérent à la condition humaine, il est parfois difficile de la ressentir dans notre monde actuel. Au début de la seconde vidéo d’Extra Credits, l’équipe raconte un moment où l’un de ses membres, James, est allé dans une école défavorisée. Il avait proposé aux enfants de jouer au jeu de plateforme original Super Mario Bros. pour lancer une discussion sur la méthode scientifique. Il voulait notamment montrer la façon dont les jeux recréent cette méthode en nous offrant un terrain sur lequel faire des hypothèses puis un dispositif d’expérimentation clair pour les confirmer ou les infirmer. Mais le débat a vite dérivé vers un autre sujet : l’agentivité. Pendant qu’ils jouaient, en ayant la possibilité d’essayer quelque chose, d’échouer et de recommencer autrement, les enfants ont ressenti un pouvoir d’action qu’ils n’avaient malheureusement pas souvent dans leur vie de tous les jours. Pour une fois, ils pouvaient agir sur le futur proche et voir comment leurs choix influençaient le fil des évènements.

C’est un très bon exemple de la façon dont les jeux peuvent nous aider à comprendre l’importance de l’agentivité et à apprendre à l’intégrer dans nos vies.

Jeux et choix

Comment apprendre l’agentivité en jouant

Pourquoi les jeux sont-ils pertinents pour cela ? Eh bien, parce que les jeux sont un très bon moyen de voir un impact rapide lié à nos décisions. Ils sont aujourd’hui le meilleur medium interactif que l’on ait : dans les jeux, vous êtes celui qui influe sur l’évolution du monde dans lequel vous vous trouvez. Je ne dis pas que tous les jeux vous proposent de modifier la forme des montagnes ou de tuer des rois juste par le pouvoir de votre volonté ; mais en tant que joueur, vous déterminez où pointe la caméra, quelle partie du monde existe effectivement, parfois comment les autres personnages parlent ou agissent. Quand vous jouez, vos actions ont une conséquence directe et vous pouvez souvent comprendre la logique sous-jacente plus facilement que dans votre vie de tous les jours.

Il y a très peu de jeux dans lesquels on ne choisit jamais, qui reposent entièrement sur le hasard (à part peut-être la bataille de cartes) : tout l’intérêt des jeux est de vous donner le contrôle sur l’histoire, les personnages, les évènements… Le composant interactif au coeur du jeu est intrinsèquement lié à la possibilité que vous avez d’appliquer votre état d’esprit sur la réalité virtuelle d’une manière ou d’une autre.

Supposons que vous jouiez à l’un des jeux les plus simples de tous les temps : le morpion. Si vous décidez de mettre un “X” dans la mauvaise case et que vous laissez votre adversaire gagner en mettant un “O” pour finir une diagonale, vous observerez immédiatement une conséquence à votre action (une conséquence négative, dans ce cas-là, mais bon). La plupart des jeux sont similaires : contrairement à la vraie vie qui nécessite parfois des jours, des semaines, des mois, des années ou même l’éternité avant de réellement voir la conséquence d’une décision, dans les jeux il suffit d’attendre quelques minutes ou quelques heures au plus. Même des jeux très tournés vers l’histoire qui offrent de nombreuses branches scénaristiques dérivant de décisions initiales (comme les productions de Quantic Dream ou de Telltale) se terminent par une phase de résolution claire. Que ce soit en allant à gauche plutôt qu’à droite pour récupérer une récompense ou en changeant profondément la psychologie de Marius dans Detroit: Become Human, on peut vivre des expériences avec une vraie équation “choix égal conséquence” qui arrive assez vite pour qu’on puisse la comprendre.

Dans Detroit: Become Human (de Quantic Dream, 2018), le joueur peut choisir entre un ensemble de chemins narratifs à différents moments pendant une mission. Chaque chemin, autrement dit chaque décision, amène à une fin différente (montrées par les petites icônes sur la droite ici) et, finalement, une expérience de jeu distincte.

De plus, la possibilité de recommencer sans conséquence gravissime (car, soyons honnêtes, à part certains jeux réputés pour être particulièrement exigeants sur ce point, la plupart ont un système de résurrection assez aimable) est une opportunité d’explorer toutes les conséquences possibles et de mieux comprendre que même un choix infime peut mener à des résultats radicalement différents. Cela peut également nous apprendre à distinguer entre les situations qui nous laissent libre de choisir et celles où on est obligé d’obéir à certaines règles sans avoir notre mot à dire.

Note : sur ce point, le genre des rogue-like est assez intéressant. Une de ses mécaniques principales est le système de “mort permanente” : la défaite interrompt la session actuelle et ramène à l’écran de départ. A première vue, cela semble s’opposer à l’idée de multiples essais. Mais en même temps, le personnage est ressuscité dans son état initial et on fait table rase à chaque fois que l’on meurt. Cela permet d’une part de donner plus de poids aux choix du joueur – il court le risque de devoir recommencer depuis un point de sauvegarde plus ou moins éloigné -, et d’autre part cela le ramène à peu près dans le même état à chaque fois. Cela lui permet donc d’explorer toutes les conséquences dérivant d’une situation initiale selon les choix divers qu’il fait pendant la partie.

Note à propos de cette note : ce concept de “diversité et complexité galopante” à partir d’un point de départ unique peut rappeler les systèmes chaotiques. En physique, un système chaotique est un système qui est très sensible aux conditions initiales et qui peut varier énormément au cours du temps à partir seulement de différences minimes dans la phase de départ. C’est pour cette raison qu’ils sont remarquablement difficiles – voire impossibles – à prévoir. Les marchés financiers ou la météo sont des exemples classiques de systèmes chaotiques.

Un autre point important qui est bien expliqué dans une des vidéos d’Extra Credits est la différence majeure entre un “calcul” et un “choix”. Fondamentalement, dès qu’il y a des mathématiques cachées qui rendent la situation déterministe et fournissent une “réponse optimale” évidente, on est confronté à un calcul et non à un choix. Si on connaît toutes les options et que l’on y réfléchit attentivement, on choisira la “meilleure option” – et n’importe qui d’autre fera probablement la même chose. Alors est-ce réellement un choix ? Imaginons que vous jouiez au jeu de plateforme Super Mario Bros.. Le but est de terminer le niveau en allant à droite de l’écran jusqu’à trouver le drapeau marquant l’arrivée. Il n’y a aucune raison de rester à gauche. Les choix théoriques de “rester immobile” ou “aller vers la gauche” n’ont aucun résultat viable dans ce contexte. Pour cette raison, même si on dispose tout de même d’agentivité et que l’on peut techniquement prendre la direction que l’on souhaite, on est obligé d’aller à droite si on veut avoir une conséquence positive à notre actions (i.e. découvrir plus du jeu, tuer des ennemis, gagner des points en finissant le niveau…). Dans ce cas, on ne propose pas un choix au joueur mais on le conditionne plutôt à réaliser des actions spécifiques en le motivant avec des récompenses et en le poussant à calculer le meilleur chemin.

De la même façon, quand on joue à un RPG et que l’on cherche une arme extraordinaire pour notre guerrier, il peut se passer la même chose : si on trouve deux épées qui peuvent facilement être comparées côte à côte et que la deuxième est mathématiquement plus puissante, on la choisira plutôt que la première. Il n’y a simplement aucune raison logique de faire l’inverse (et même si nous sommes tous différents, la plupart d’entre nous sommes câblés pour aimer la logique et pour l’utiliser comme une ligne de conduite pour nos décisions).

Dans les RPGs comme World of Warcraft, on peut souvent comparer les items côte à côte et avoir une préférence purement mathématique : on a alors affaire à un calcul plutôt qu’un choix.

En revanche, si on doit comparer deux armes qui donnent chacune des superpouvoirs complètement distincts (par exemple “avoir la super-vitesse” ou “voir dans le noir”), on ne peut plus utiliser les mathématiques aussi facilement pour réaliser notre calcul. En utilisant ces “incomparables”, on peut atténuer le problème des “faux choix” dans les jeux.

Note : est-ce que le choix pourrait être un des problèmes de l’apprentissage par renforcement ?

Si vous êtes un peu familier de l’IA, vous connaissez peut-être la technique de l’apprentissage par renforcement : elle est utilisée pour entraîner des modèles à travers un processus “d’essais et erreurs”. On ne donne aucune indication IA sur les règles et on lui fait revivre la même situation de multiples fois ; en même temps, on lui accorde des récompenses positives ou négatives après un certain nombre d’actions pour l’aider à déterminer les “bons” et les “mauvais” choix. Le nombre d’actions à réaliser peut varier – il est essentiel d’avoir à la fois des buts à court et à long terme. Pour moi, il est stupéfiant de voir que les modèles sont réellement capables de peser le pour et le contre et de viser des chaînes d’actions plus longues pour obtenir une meilleure récompense. Oui, l’apprentissage par renforcement a eu des résultats incroyables, par exemple pour entraîner des IAs à jouer à des jeux (comme Dota 2), et beaucoup de chercheurs pensent que c’est une idée intéressante car elle ressemble à la façon dont nous apprenons. Après tout, nous ne sommes pas toujours assez renseignés pour analyser les règles du contexte dans lequel on se trouve pour faire un choix bien informé : parfois, il faut juste essayer et voir. Mais, pour être honnête, nous avons une connaissance très solide du monde dans lequel nous vivons. En fait, l’apprentissage par renforcement, quoique prometteur, est souvent critiqué car il demande trop de temps d’entraînement. Et, à mon avis, c’est parce que l’algorithme commence avec trop peu d’informations et qu’il dispose de tant de choix qu’il lui faut des heures pour tous les essayer les uns après les autres et découvrir lesquels sont idiots.

Si on nous met dans un simulateur de conduite de voiture et qu’on nous demande de faire un tour du quartier, même si on ne sait pas conduire, on saura instinctivement que tourner le volant pour entrer dans le mur est une mauvaise idée. Je ne dis pas que nous contrôlerons aisément le simulateur et que nous effectuerons une série parfaite d’actions, mais nous n’avons pas besoin de tester le scénario “entrer dans le mur” pour savoir qu’il ne nous apportera rien : nous avons déjà assez d’informations sur notre monde avec nos expériences passées pour faire notre possible pour rester sur la route. A l’inverse, une IA qui utilise l’apprentissage par renforcement pour apprendre à conduire et qui n’a aucune connaissance préalable sur le monde aurait besoin de vivre ce scénario au moins une fois, puis de recevoir un nombre de points négatifs exagéré pour bien assimiler que ce n’est pas une bonne idée, avant d’avoir appris à ne plus le refaire. Jusqu’à ce qu’elle ait essayé, le scénario “tourner pour entrer dans le mur” reste une option valide et l’IA peut donc la choisir comme l’action à réaliser.

Note : c’est d’ailleurs pour cette raison que l’apprentissage par renforcement suppose généralement d’utiliser des “bacs à sable” pendant la phase d’entraînement, autrement dit des simulations virtuelles de la situation : si on entraîne notre IA pour une tâche un peu dangereuse, on ne peut pas vraiment détruire des millions de prototypes pendant des milliers et des milliers d’heures avant que notre modèle ait enfin appris comment rester en vie.

D’ici la prochaine fois…

La semaine prochaine, la deuxième partie de cette article traitera des liens que l’on peut faire entre les jeux et la vie réelle du point de vue l’agentivité : dans quelle mesure ce que nous avons appris d’un contexte ludique peut-il être utilisé dans notre vie de tous les jours ? Je m’intéresserai également au problème épineux que peut poser le choix : la manipulation d’autrui à travers l’illusion de la décision. Parce que nous sommes fiers d’être libres de nos actions, il peut arriver que des personnes profitent de cela pour nous pousser à “choisir par nous-mêmes”… alors même que nous ne faisons qu’adhérer à leurs idées. Nous verrons comment les faux dilemmes et les jeux de propagande se servent de différents leviers pour nous convaincre et nous conditionner subtilement.

Liste des jeux mentionnés :

  • Super Mario Bros. (créé par S. Miyamoto & T. Tezuka, édité par Nintendo) – jeu de plateforme
  • Detroit: Become Human (créé par D. Cage & G. de Fondaumière, édité par Quantic Dream) – action/adventure, QTE
  • World of Warcraft (créé par C. Metzen, R. Pardo & A. Adham, édité par Blizzard) – MMORPG
  • Dota 2 (créé par IceFrog, édité par Valve Corporation) – MOBA

Leave a Reply

Your email address will not be published. Required fields are marked *