Le jeu d'équipe fait intervenir deux équipes opposées, dont le but est
de faire échouer celui de l'équipe adverse. Tout comme la modélisation d'un
coéquipier facilite la coopération (prédiction de mouvements et
élimination de certains besoins de communication), la modélisation de
l'adversaire permet de se comporter de manière plus consistante contre lui.
Une bonne stratégie est de modéliser l'adversaire et d'estimer
qu'il se comportera de manière optimum en fonction de ses critères
particuliers et en fonction de l'état du monde actuel supposément
connu par lui. Ainsi, la
prise de décision effectuée s'effectuera à l'échelle d'une réponse à
l'hypothèse d'un comportement optimum et se repose sur la supposition que la
décision prise restera acceptable si l'opposant ne
joue pas un coup optimal. Cette stratégie est inspirée de
l'algorithme minimax, très répandu en intelligence
artificielle appliquée aux jeux, qui fait intervenir une notation du
contexte du jeu en cours et de l'hypothèse que l'adversaire prendra le
meilleur choix qui lui est offert. Elle fonctionne aussi dans le cas
de la modélisation du comportement coopératif des coéquipiers.
Un exemple d'utilisation de cette modélisation est détaillé dans
[#!stone-2000!#]. La méthode décrite, IMBBOP, consiste à résoudre
dans une simulation informatique de football les dilemmes survenant
près d'un but adverse. Typiquement, le joueur à le choix entre tenter
de marquer un but lui-même ou passer la balle à un coéquipier qui
pourrait avoir plus de chances que lui de marquer le but.
L'algorithme général consiste à déterminer le moment 
où l'équipier
aura la possibilité d'accomplir l'objectif 
(par
exemple, marquer un but au temps 
), que l'agent 
à besoin
d'accomplir ou de voir accomplir, en
considérant que l'agent adoptera un comportement
optimal. Plus la différence 
est grande, plus l'agent aura
de chances d'accomplir en adoptant un comportement non optimum.
Ainsi, l'agent décide de déléguer l'action à l'agent lorsque
dépasse un certain seuil.