Aujourd'hui, de nombreuses espèces sauvages sont menacées, entre autres par du braconnage à grande échellle. La lutte contre le braconnage nécessite de coordonner des patrouilles de gardes dans les réserves naturelles, afin de décourager ou d'arrêter les braconniers. Récemment, plusieurs modèles de lutte anti-braconnage, basés sur la théorie des jeux, ont été proposés. De fait, la lutte anti-braconnage est devenue une application populaire de la théorie des jeux et des systèmes multi-agents. Néanmoins, il manque aujourd'hui une implémentation open-source standardisée de la lutte anti-braconage. Une telle implémentation aiderait grandement à la reproductibilité et l'avancement de la recherche sur les systèmes multi-agents compétitifs. L'objectif de cet article est de fournir un environnement, standard et open-source, pour les jeux de lutte anti-braconnage. Nos contributions sont les suivantes : 1) Nous proposons une revue des modèles actuels de lutte anti-braconnage dans le cadre de la théorie des jeux stochastiques partiellement observés. 2) Nous proposons un nouveau modèle capturant l'essence des modèles existants, tout en restant suffisamment simple pour servir de benchmark à la communauté. 3) Nous fournissons une implémentation python open-source d'un simulateur pour ce type de jeu, sous la forme d'un "environnement" compatible avec l'API PettingZoo. Cette implémentation permet un interfaçage aisé avec les librairies d'Apprentissage par Renforcement Multi-Agents (MARL) les plus récentes. 4) Enfin, nous mettons en évidence quelques forces et faiblesses de certaines librairies MARL, en les testant sur un ensemble d'instances variées de problèmes.