Un jeu Raccoon Heist développé en une seule tentative via Claude Fable 5

L'expérience conduit par Simon Willison met en lumière l'évolution de l'autonomie des modèles d'IA dans le domaine de la génération de code, ici à travers Claude Fable 5. Le modèle a été chargé de développer un jeu vidéo 3D complet et fonctionnel pour navigateur, basé sur des concepts datant de 2024 initiés par GPT-3 et DALL-E. L'expérimentation repose sur une méthodologie de "one-shot", où l'agent reçoit une instruction unique, des captures d'écran anciennes et les clés API nécessaires, sans autre intervention humaine. L'objectif était de vérifier si l'agent pouvait gérer l'intégralité du cycle de développement, de l'initialisation du dépôt GitHub aux tests finaux, en passant par la création des assets visuels et sonores.

Pour fonctionner de manière autonome, Claude Fable 5 a dû orchestrer plusieurs outils et bibliothèques. L'agent a spontanément opté pour Three.js, une bibliothèque JavaScript standard pour le rendu 3D, et a mis en place une procédure de génération de textures via l'API OpenAI, utilisant le modèle `gpt-image-2`. Une particularité technique notable est l'utilisation d'un script Python, `gen_textures.py`, écrit par l'agent pour produire et valider les assets graphiques. Le jeu intègre également une bande-son procédurale via WebAudio, éliminant le besoin de fichiers audio externes. Le code source, les textures et la page HTML principale ont été commités automatiquement sur une branche GitHub spécifique, permettant un déploiement continu via GitHub Pages et facilitant la visualisation des itérations en temps réel.

Le processus de développement s'est accompagné d'une phase d'auto-évaluation poussée. Claude Fable 5 a intégré Playwright, un outil d'automatisation de tests, pour effectuer des "smoke tests". L'agent a généré des captures d'écran de son propre jeu sous différentes résolutions (bureau et mobile) pour vérifier la cohérence visuelle. Ce mécanisme a permis de détecter et de corriger des bugs critiques, tels que l'invisibilité du personnage sur mobile ou des conflits CSS masquant des boutons d'interaction. L'agent a également documenté son propre travail dans un fichier `notes.md`, détaillant l'ajout progressif des mécaniques de jeu, comme l'introduction d'un chien de garde patrouillant à partir du troisième niveau.

Le résultat final est un jeu techniquement fonctionnel et jouable, respectant les contraintes demandées, notamment la compatibilité mobile avec des contrôles tactiles. Le jeu, intitulé "Raccoon Heist", place le joueur dans la peau d'un raton laveur effectuant des cambriolages dans une banlieue résidentielle. Si l'accomplissement technique est indéniable, l'auteur note toutefois les limites actuelles des agents en matière de "Game Design". Le manque de profondeur stratégique et l'absence de mécaniques d'équipe, pourtant évoquées dans le prompt original, révèlent que la capacité à créer une expérience ludique engaging reste un défi complexe pour l'IA, contrastant avec sa capacité à exécuter du code fonctionnel. Cette démonstration illustre ainsi le potentiel des "coding agents" pour prototyper rapidement des fonctionnalités, tout en soulignant que la conception ludique repose encore largement sur une expertise humaine.