Au début de l’été 1957, une machine de la taille d’un réfrigérateur se met à tourner dans un bureau de la poste britannique. Son nom : ERNIE, pour Electronic Random Number Indicator Equipment. Sa tâche consiste à tirer au sort les numéros gagnants des Premium Bonds, une formule d’épargne nationale assortie de lots, proche d’une loterie d’État. Le détail qui intrigue tient à l’origine de ses concepteurs. Plusieurs venaient de l’équipe qui avait conçu Colossus, l’ordinateur que les Britanniques avaient bâti pendant la Seconde Guerre mondiale pour casser les messages chiffrés de l’armée allemande. Le savoir-faire né d’un programme de renseignement militaire se retrouvait, douze ans plus tard, au service d’un jeu public.
ERNIE ne calculait pas le hasard. Il le récoltait. La machine mesurait le bruit électronique de composants, une fluctuation physique impossible à prévoir, puis convertissait ces variations en chiffres. Cette distinction paraît mineure, mais elle structure tout le domaine depuis soixante-dix ans : une machine, par nature, exécute des instructions déterministes, alors que le hasard authentique doit venir d’ailleurs.
De la bombe aux tables de tir
L’autre grand ancêtre du hasard informatique est encore plus directement issu de l’effort de guerre. L’ENIAC, achevé en 1945, avait été financé par l’armée américaine pour calculer des tables de tir d’artillerie. Une fois le conflit terminé, les physiciens de Los Alamos s’en emparèrent pour un usage très différent. Stanislaw Ulam et John von Neumann y mirent au point la méthode de Monte-Carlo, une technique qui simule des phénomènes complexes en tirant des milliers de scénarios aléatoires pour en déduire une moyenne. Leurs premiers travaux portaient sur le comportement des neutrons dans les armes thermonucléaires.
Le problème était limpide : une machine déterministe ne sait pas produire de vrai hasard. Von Neumann proposa donc une parade, la méthode du carré médian, qui fabriquait des suites de chiffres ayant l’apparence du hasard à partir d’un simple calcul répété. Il savait pertinemment que ce procédé restait un trompe-l’œil mathématique, et il aimait rappeler que produire du hasard par l’arithmétique relevait, en toute rigueur, du péché. La formule était provocante, mais elle posait la bonne question : faut-il un vrai hasard, coûteux à obtenir, ou un faux hasard, rapide et reproductible ?
Le vrai hasard contre le faux
Cette tension n’a jamais disparu. Elle a simplement donné naissance à deux familles d’outils.
Les générateurs pseudo-aléatoires, ou PRNG, descendent en droite ligne du carré médian. À partir d’une valeur de départ appelée graine, ils déroulent une longue séquence de nombres qui passe tous les tests visuels du hasard, mais qui reste entièrement déterminée. Donnez deux fois la même graine, vous obtenez deux fois la même suite. Des algorithmes comme le Mersenne Twister, publié en 1997 et toujours omniprésent, peuvent générer des milliards de valeurs avant de se répéter. Pour une simulation scientifique, cette reproductibilité est même un avantage : elle permet de rejouer une expérience à l’identique.
Les générateurs vraiment aléatoires, ou TRNG, reprennent au contraire la logique d’ERNIE. Ils puisent dans une source physique imprévisible : bruit thermique d’un circuit, gigue d’oscillateurs, désintégration radioactive, ou phénomène quantique. C’est cette catégorie qui devient indispensable dès qu’un adversaire pourrait avoir intérêt à deviner la suite. La cryptographie en dépend entièrement, car une clé de chiffrement prévisible ne protège rien. La même qualité d’aléa sécurise les communications confidentielles d’aujourd’hui, des clés de session bancaires jusqu’aux outils d’anonymat comme le réseau TOR, qui superpose plusieurs couches de chiffrement pour brouiller l’origine d’une connexion.
Mesurer l’invisible
Reste une difficulté philosophique autant que technique : comment prouve-t-on qu’une séquence est aléatoire ? La réponse honnête est qu’on ne le prouve pas. On la soumet à une série d’épreuves statistiques destinées à repérer les régularités cachées, les biais, les motifs qui trahiraient une mécanique sous-jacente.
C’est tout l’objet du projet Random Bit Generation du NIST, l’agence américaine de normalisation. Ses recommandations définissent les sources d’entropie acceptables, les méthodes de construction des générateurs et une batterie de tests statistiques de référence. Un flux de bits y est passé au crible : fréquence des zéros et des uns, longueur des séries identiques, compressibilité, complexité linéaire. Si la séquence se laisse compresser trop facilement, elle n’est pas assez imprévisible pour un usage sensible. Cette infrastructure normative, invisible pour l’utilisateur final, conditionne la confiance qu’on accorde à un système.
Le hasard devenu produit de consommation
Le grand basculement des dernières décennies, c’est l’arrivée de ce hasard mesuré dans le divertissement grand public. Les jeux vidéo en sont remplis : génération procédurale de cartes, butin distribué aléatoirement, comportement imprévisible des adversaires. Tout cela repose sur des PRNG, parfaitement adaptés puisque l’enjeu n’est pas la sécurité mais la variété.
Le jeu d’argent en ligne, lui, déplace le curseur vers une exigence bien plus stricte. Chaque rotation de machine à sous, chaque carte distribuée à une table virtuelle, est la sortie d’un générateur de nombres aléatoires. La crédibilité d’une plateforme dépend donc de deux choses : la qualité de ce générateur et la preuve indépendante de cette qualité. Des laboratoires spécialisés comme eCOGRA ou iTech Labs auditent précisément ces moteurs et vérifient que le taux de redistribution annoncé, ce fameux RTP, correspond bien au comportement réel observé sur des millions de tours. Le RTP n’est rien d’autre qu’une propriété statistique du générateur étalée sur le très long terme.
Le marché du casino en ligne québécois illustre bien cette exigence. Un comparatif récent y classe les plateformes selon leurs taux de redistribution certifiés et la rapidité de leurs paiements, deux critères qui reposent directement sur la fiabilité du générateur sous-jacent et sur sa validation par un organisme tiers. Autrement dit, ce qu’un joueur perçoit comme de la chance pure est en réalité le produit final d’une chaîne technique qui remonte aux travaux de Los Alamos.
Une même question, soixante-dix ans plus tard
D’ERNIE et de son bruit électronique aux moteurs audités des plateformes modernes, la trajectoire dessine une continuité étonnante. Le matériel issu du renseignement militaire, les simulations d’armement, la cryptographie civile et les jeux d’argent partagent un problème identique : fabriquer de l’imprévisible véritable, puis convaincre un tiers qu’il l’est bien. Les composants ont changé, les standards se sont raffinés, mais l’enjeu de fond reste celui que von Neumann formulait déjà devant son ENIAC. Le hasard, en informatique, ne s’improvise pas. Il se construit, se mesure et se certifie.
