MiroFish : le moteur open source de simulation multi-agents

MiroFish : le moteur open source de simulation multi-agents

MiroFish est un moteur open source de simulation multi-agents, présenté par ses auteurs comme un moteur d’« intelligence en essaim » (swarm intelligence). Le principe : vous fournissez des documents de départ (un article, un rapport, un texte) et une question ; l’outil en tire un graphe de connaissances, construit un monde simulé peuplé d’agents dotés d’une personnalité et d’une mémoire, puis rédige un rapport de prédiction. Le projet est soutenu par le groupe Shanda, repose sur le moteur de simulation OASIS de CAMEL-AI et se présente lui-même comme une préversion. Il exige des clés pour un modèle de langage et pour Zep Cloud, et sa consommation annoncée est élevée. Voici ce qu’il fait, comment l’installer et les limites à connaître.

MiroFish, c’est quoi ?

MiroFish est publié sur GitHub et soutenu par le groupe Shanda, dont le README parle de « soutien stratégique et d’incubation ». Son idée : plutôt que de demander une réponse à un seul modèle de langage, simuler une société d’agents qui échangent sur deux plateformes imitant Twitter et Reddit, puis analyser ce qui en ressort. Le projet décrit ses usages comme un « laboratoire de répétition » pour tester une annonce, une politique ou une communication de crise, mais aussi comme un bac à sable créatif, par exemple pour imaginer la suite d’un roman.

  • Open source : le code de l’interface et du serveur est publié sur GitHub.
  • Maturité : les versions publiées sont numérotées 0.1.0 à 0.1.2 (de décembre 2025 à mars 2026), et l’écran d’accueil de l’application affiche la mention « préversion ». MiroFish n’est donc pas présenté comme un produit stable.
  • Moteur de simulation : OASIS (Open Agent Social Interaction Simulations), développé par l’équipe CAMEL-AI.
  • Édition en ligne : le site officiel propose une liste d’attente pour une édition hébergée, présentée comme « en route ». Selon ce que montre le site, l’outil s’utilise donc en l’installant soi-même.
  • Démos : une démo en ligne et deux vidéos (une simulation d’opinion sur un événement universitaire et la fin perdue du « Rêve du pavillon rouge ») sont proposées.

MiroFish : le moteur open source de simulation multi-agents - Mirofish : page d’accueil du site officiel - Coelus
La page d’accueil du site officiel : démo en ligne, lien vers GitHub et inscription à la liste d’attente de l’édition hébergée.

Le dépôt affiche plus de 80 000 étoiles sur GitHub. Ce chiffre mesure la curiosité qu’a suscitée MiroFish, pas la fiabilité de ses prévisions : sur ce point, voyez la section consacrée aux limites.

Comment MiroFish fonctionne, étape par étape

Le projet décrit un parcours en cinq étapes, que l’on retrouve dans l’interface de MiroFish :

  1. Construction du graphe : extraction des éléments clés de vos documents (« graines » de réalité) et construction d’un graphe de connaissances de type GraphRAG.
  2. Préparation de l’environnement : extraction des entités et de leurs relations, génération des profils d’agents et réglage des paramètres de simulation.
  3. Simulation : les agents interagissent en parallèle sur deux plateformes simulées, avec une mémoire qui évolue au fil des tours.
  4. Rapport : un agent dédié, doté de plusieurs outils, interroge le monde simulé et rédige le rapport.
  5. Interaction approfondie : vous pouvez discuter avec n’importe quel agent du monde simulé ou avec l’agent de rapport.

MiroFish : le moteur open source de simulation multi-agents - Mirofish : écran d’accueil de l’application - Coelus
L’écran d’accueil de l’application (interface en chinois) : dépôt des documents de départ, description de la question et mention de préversion.

Sur cette capture officielle, l’écran d’accueil de MiroFish accepte des fichiers PDF, Markdown et texte, puis une description en langage naturel de ce que vous voulez simuler. Il y affiche aussi un coût moyen d’environ 5 dollars pour une simulation courante : c’est un chiffre annoncé par le projet. Le README, de son côté, prévient que la consommation est élevée et conseille de commencer par des simulations de moins de 40 tours.

MiroFish : le moteur open source de simulation multi-agents - Mirofish : graphe de relations et agents générés - Coelus
À gauche, le graphe de relations extrait des documents ; à droite, les agents générés et les paramètres de simulation (durée, nombre de tours).

Ce que l’on obtient : un rapport et des agents à interroger

À la fin de la simulation, MiroFish produit un rapport structuré en sections, accompagné d’un journal des étapes de sa rédaction. Ce rapport est généré par un agent qui s’appuie sur la mémoire du graphe et sur ce qui s’est passé pendant la simulation. Il ne s’agit pas d’une probabilité calculée : c’est un texte de synthèse produit par un modèle de langage à partir de la simulation.

MiroFish : le moteur open source de simulation multi-agents - Mirofish : rapport de prédiction généré - Coelus
Un rapport de prédiction généré, avec son plan par sections et le suivi de la rédaction à droite (interface en chinois).

La capture suivante montre la partie « discussion » de MiroFish : l’agent de rapport propose quatre outils (analyse en profondeur, recherche panoramique, recherche rapide et entretien d’un agent), et l’on peut aussi poser des questions à un individu du monde simulé ou envoyer un questionnaire au monde simulé.

MiroFish : le moteur open source de simulation multi-agents - Mirofish : discussion avec l’agent de rapport - Coelus
Le panneau d’interaction : discussion avec l’agent de rapport ou avec un agent du monde simulé, et envoi d’un questionnaire.

Le site officiel range les usages visés en six familles : décision financière, prévision d’opinion publique pour les politiques, simulation de crise de communication, test de stratégie marketing, déduction de scénarios de fiction et recherche en sciences sociales. Ces cas relèvent tous de réactions collectives plutôt que de séries chiffrées.

Comment installer MiroFish

Le README propose deux voies : un déploiement depuis les sources, présenté comme la voie recommandée, et un déploiement avec Docker. Dans les deux cas, il faut renseigner un fichier .env avec une clé pour un modèle de langage accessible au format de l’API OpenAI (le README recommande le modèle qwen-plus d’Alibaba, mais accepte d’autres fournisseurs) et une clé pour Zep Cloud, un service de mémoire en ligne dont l’offre gratuite mensuelle est annoncée comme suffisante pour un usage simple.

Avec Docker Compose

Depuis la racine du dépôt cloné, copiez le fichier d’exemple, renseignez-le, puis lancez le service. Le fichier Compose publie les ports 3000 (interface) et 5001 (API).

				
					# 1. Copier le fichier de configuration d'exemple
cp .env.example .env

# 2. Éditer .env (voir ci-dessous), puis démarrer
docker compose up -d
				
			
				
					# .env : valeurs minimales indiquées par le README
LLM_API_KEY=VOTRE_CLE_API
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
ZEP_API_KEY=VOTRE_CLE_ZEP
				
			

Deux précisions utiles. Le fichier Compose ne limite pas l’adresse d’écoute des ports : si vous l’installez sur un serveur, restreignez-les (par exemple à 127.0.0.1 derrière un proxy inverse) avant toute exposition. Et une issue du dépôt signale que l’image latest utilisée par ce fichier serait restée celle construite le 7 mars 2026 : vérifiez sa date, ou préférez les sources.

Depuis les sources

Le README demande Node.js 18 ou plus, Python 3.11 ou 3.12 et l’outil uv. Les commandes sont les suivantes, l’interface étant ensuite servie sur le port 3000 et l’API sur le port 5001.

				
					cp .env.example .env
npm run setup:all
npm run dev
				
			

Les limites à connaître

MiroFish produit des simulations, pas des garanties. Voici les limites signalées par le projet ou par des sources indépendantes, que nous reprenons telles quelles.

  • Pas de validation publiée : un billet d’analyse du site CrabTalk relève que l’équipe n’a pas comparé les prévisions de MiroFish à des résultats réels, et que l’outil produit des « scénarios plausibles » plutôt que des probabilités.
  • Une consommation élevée : le README la signale lui-même. Chaque interaction d’agent passe par un appel au modèle ; selon le même billet, un modèle local réduit le coût en argent, pas le temps de calcul. Un praticien qui a lancé 21 agents sur 10 tours rapporte environ 550 000 jetons en entrée et 106 000 en sortie, pour moins de 10 dollars.
  • Des résultats variables : ce même praticien (billet LinkedIn) juge le résultat de sa simulation en dessous de ses attentes et note que la qualité dépend du nombre de documents, de leur richesse et de la durée de la simulation.
  • Compatibilité des API : il rapporte aussi qu’un paramètre de format JSON envoyé au modèle était refusé par l’API d’Anthropic, ce qu’il a corrigé par deux lignes de code. Le README annonce la prise en charge de n’importe quelle API de modèle au format du SDK OpenAI : testez la vôtre avant de vous engager.
  • Langue : les captures du dépôt sont en chinois, et ce praticien indique avoir dû traduire l’interface et les consignes des agents. Une issue évoque des traductions de l’interface : la situation a pu évoluer, vérifiez-la.
  • Fiabilité du logiciel : plusieurs issues ouvertes décrivent des simulations dont le statut reste « en cours » alors qu’elles sont terminées, ou des erreurs de construction du graphe. Cela correspond aux numéros de version 0.x.
  • Dépendances externes : un compte Zep Cloud est nécessaire en plus du fournisseur de modèle.

MiroFish face à OASIS, CrewAI et LangGraph

Comparer MiroFish à d’autres outils demande de distinguer deux familles. OASIS est le simulateur sur lequel il s’appuie ; CrewAI et LangGraph sont des bibliothèques générales pour programmer des agents, sans interface de simulation prête à l’emploi. Les descriptions ci-dessous reprennent celles des projets eux-mêmes.

OutilCe que le projet en ditPar rapport à MiroFish
Logo d’OASISOASISSimulateur de réseau social open source à agents LLM, jusqu’à un million d’utilisateurs annoncés, sur le modèle de Twitter et Reddit.C’est le moteur de simulation de MiroFish ; s’installe avec pip et se programme en Python.
Logo de CrewAICrewAIFramework Python open source de workflows multi-agents, avec des équipes d’agents autonomes (Crews) et des flux événementiels (Flows).Un outil de développement : vous programmez vos agents, il ne fournit pas de monde simulé.
Logo de LangGraphLangGraphFramework d’orchestration de bas niveau pour des agents à état, avec exécution durable, reprise après panne et validation humaine.Même logique : une brique de développement, sans simulation sociale intégrée.

Si vous voulez étudier la dynamique d’un réseau social simulé et coder vous-même vos scénarios, OASIS suffit. Si votre besoin est un flux d’agents pour automatiser des tâches, CrewAI ou LangGraph sont plus adaptés, car MiroFish ne met pas ce cas en avant.

Pour qui ?

  • Les curieux et les développeurs qui veulent explorer la simulation d’opinion avec des agents LLM et acceptent un projet en version 0.x.
  • Les équipes de communication, de veille ou de recherche qui souhaitent confronter des hypothèses à une simulation, en gardant à l’esprit qu’elle ne remplace ni une enquête ni un avis d’expert.
  • Les créatifs intéressés par le bac à sable narratif que décrit le projet.
  • Pas ceux qui attendent une prévision chiffrée et validée, ni une installation sans configuration : il faut deux clés d’API et un budget de modèle. Pour un usage en entreprise, lisez les conditions d’utilisation du dépôt.

En résumé

MiroFish est un moteur open source de simulation multi-agents qui transforme des documents et une question en rapport de prédiction, avec un monde d’agents qu’on peut interroger. Il est soutenu par le groupe Shanda, s’appuie sur OASIS et se présente comme une préversion : consommation élevée annoncée, clés LLM et Zep Cloud nécessaires, et aucune validation publique de la justesse des prévisions. À considérer comme un outil d’exploration, pas comme un oracle. Si le coût des appels à un modèle distant vous freine, notre présentation de LM Studio explique comment exécuter des modèles en local. Et si vous souhaitez de l’aide pour installer et maintenir MiroFish sur votre propre serveur, contactez-nous.

Enzo Valvasori
Enzo Valvasori
Webdesigner
enzo-valvasori.fr

Enzo Valvasori est Webdesigner, Éditeur de Sites et Expert SEO. Il est le fondateur de Coelus, un collectif de freelances réunissant des expertises complémentaires au service de projets numériques ambitieux. Passionné par le Web, l’Auto-Hébergement, l’Open Source et l’Intelligence Artificielle, il explore des solutions innovantes pour créer des expériences en ligne performantes, visibles et durables.

Articles connexes
Laisser une réponse

Votre adresse électronique ne sera pas publiée.Les champs obligatoires sont marqués *