Écrire un jeu de 114 000 lignes avec l'IA : la gestion du contexte en pratique
Un jeu de navigateur de 114 000 lignes, entièrement écrit avec des réseaux de neurones en trois semaines : c'est faisable. Mais la vraie difficulté ne tient pas à la capacité de l'IA à écrire du code. Elle tient à la manière de garder un gros projet maîtrisable quand la base de code ne rentre plus dans aucune fenêtre de contexte. L'auteur détaille sa méthodologie point par point : documentation des décisions, modularité stricte, briefings de session, conventions de nommage uniformes et relectures « à l'aveugle ».
Traité par IA depuis Habr AI ; édité par Hamidun News
Un développeur a écrit un jeu de navigateur de 114 000 lignes entièrement avec des réseaux de neurones, en trois semaines. Il ne s'agit pas d'une démonstration de puissance de l'IA, mais d'une analyse pratique de méthodologie : comment garder un gros projet maîtrisable quand la base de code a depuis longtemps cessé de tenir dans la fenêtre de contexte.
Trois semaines et 114 000 lignes
Un jeu de navigateur n'a rien d'un projet jouet. 114 000 lignes de code écrites en solo en trois semaines : un rythme inatteignable sans réseaux de neurones. L'auteur n'a pas utilisé l'IA comme simple assistant d'autocomplétion, mais comme véritable générateur. Il décrivait les tâches en langage naturel, recevait des implémentations, itérait sur le résultat, puis passait à la suite.
Mais dès le milieu du chantier, une évidence s'est imposée : la vitesse de génération n'est pas le principal problème d'un grand projet assisté par IA. Le vrai problème, c'est la maîtrise. Plus la base de code grossit, plus il devient difficile d'expliquer au réseau de neurones ce qui est déjà implémenté, quelles décisions sont arrêtées et ce qu'il ne faut surtout pas faire. Le modèle ne se souvient pas des choix de patterns d'il y a deux sessions. Il ne sait pas qu'une fonction existe déjà, dans un autre fichier.
Quand le contexte est épuisé
La fenêtre de contexte est la limite fondamentale d'un modèle de langage sur un projet de grande taille. Même chez les modèles les plus puissants, elle est finie : des milliers de lignes de code, multipliées par les commentaires et la documentation, dépassent vite le volume disponible. Quand un projet franchit quelques dizaines de milliers de lignes, le réseau de neurones ne peut physiquement plus garder tout le dépôt en mémoire en même temps.
Les conséquences sont prévisibles. L'IA se met à réinventer des fonctions déjà écrites dans un autre fichier, entre en conflit avec les conventions d'architecture adoptées au début, ignore le style de nommage introduit deux sessions plus tôt. Le code compile, mais la logique interne commence à se désagréger.
Ce n'est pas un bug du modèle. C'est un problème structurel, qui appelle une réponse structurelle de la part du développeur.
Comment garder le projet sous contrôle
Voici plusieurs principes qui ont fait leurs preuves en pratique :
- Documentation des décisions hors du code : chaque décision d'architecture est consignée dans un document distinct. Avant une nouvelle session, l'IA le reçoit dans son contexte, avec la tâche à accomplir.
- Modularité stricte : les fichiers sont volontairement gardés petits, pour que chacun tienne séparément dans la fenêtre de contexte. Pas de fichiers de trois mille lignes.
- Briefings de session : chaque nouvelle session commence par une courte introduction : ce qui a été fait, quelles conventions s'appliquent, sur quoi l'on travaille en ce moment.
- Conventions de nommage uniformes : un style strict pour les fonctions, les variables et les modules réduit le risque de collisions, que l'IA ne repère pas sans rappel explicite.
- Relectures « à l'aveugle » : demander périodiquement au modèle d'expliquer le code qu'il a lui-même écrit. C'est un bon moyen de détecter des contradictions cachées et une dérive logique entre les sessions.
Aucun de ces principes n'est nouveau : tous servent déjà à coordonner des humains dans le développement en équipe. Avec l'IA, ils fonctionnent autrement, comme un mécanisme de pilotage de l'attention du modèle. La question n'est plus « qui est responsable de quoi », mais « ce que le modèle sait à l'instant T, et ce qui compte dans tout cela ».
Ce que cela signifie
114 000 lignes en trois semaines : c'est une méthodologie reproductible, pas un exploit isolé. L'IA est capable d'écrire du code à l'échelle industrielle, mais la maîtrise d'un gros projet dépend toujours de l'humain. La structure, la documentation et une gestion consciente du contexte font la différence entre un projet que l'on peut poursuivre et développer, et une base de code dans laquelle plus personne ne se retrouvera, réseau de neurones compris.
Build & Ship Production AI Apps with Vibe Coding
Join Zhemal Khamidun's hands-on Vibe Coding Intensive at hamidun.com/vibecoding — master Claude Code, Cursor, and autonomous agentic workflows.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.