Как написать игру на 114 тысяч строк с ИИ: практика управления контекстом

Un développeur a écrit un jeu basé sur navigateur avec 114 000 lignes de code entièrement avec des réseaux de neurones — et l'a fait en trois semaines. Ceci n'est pas une démonstration de la puissance de l'IA, mais une analyse pratique de la méthodologie : comment maintenir un grand projet gérable quand la base de code ne rentre plus dans la fenêtre de contexte.

Trois Semaines et 114 000 Lignes

Un jeu basé sur navigateur n'est pas un projet jouet. 114 000 lignes de code écrites en solo en trois semaines — c'est un rythme impossible sans réseaux de neurones. L'auteur a utilisé l'IA non pas comme assistant d'autocomplétion, mais comme un générateur complet : décrivant les tâches en langage naturel, recevant des implémentations, itérant sur les résultats, progressant.

Mais vers le milieu du travail, il est devenu clair : la vitesse de génération n'est pas le principal problème d'un grand projet assisté par IA. Le principal problème est la gérabilité. Plus la base de code est grande, plus il est difficile d'expliquer à un réseau de neurones ce qui a déjà été implémenté, quelles solutions sont établies et ce qui ne doit absolument pas être fait. Le modèle ne se souvient pas des choix de motifs d'il y a deux sessions. Il ne sait pas qu'une fonction a déjà été écrite — dans un autre fichier.

Quand le Contexte s'Épuise

La fenêtre de contexte est une limitation fondamentale d'un modèle de langage lorsqu'on travaille sur un grand projet. Même les modèles les plus puissants ont un contexte fini : des milliers de lignes de code, multipliées par des commentaires et de la documentation, dépassent rapidement le volume disponible. Quand un projet dépasse des dizaines de milliers de lignes, un réseau de neurones ne peut tout simplement pas garder l'ensemble du référentiel en mémoire à la fois.

Les conséquences sont prévisibles. L'IA commence à inventer des fonctions qui ont déjà été écrites dans un autre fichier, entre en conflit avec les conventions architecturales établies aux premiers stades, ignore les conventions de nommage introduites il y a quelques sessions. Le code se compile — mais la logique interne commence à s'effondrer. Ce n'est pas un bug du modèle. C'est un problème structurel qui nécessite une solution structurelle de la part du développeur.

Comment Garder un Projet Sous Contrôle

Plusieurs principes qui ont fonctionné dans la pratique :

• Documentation des décisions en dehors du code — chaque décision architecturale est consignée dans un document séparé. Avant chaque nouvelle session, l'IA la reçoit comme faisant partie du contexte avec la tâche.
• Modularité stricte — les fichiers sont intentionnellement maintenus petits pour que chacun rentre dans la fenêtre de contexte individuellement. Aucun fichier avec trois mille lignes.
• Briefings de session — chaque nouvelle session commence par une brève introduction : ce qui a été fait, quelles conventions sont en vigueur, sur quoi nous travaillons maintenant.
• Conventions de nommage unifiées — un style strict pour les fonctions, variables et modules réduit le risque de collisions que l'IA ne remarque pas sans rappels explicites.
• Révisions 'aveugles' — demandez périodiquement au modèle d'expliquer le code qu'il a déjà écrit. Un bon moyen de détecter les contradictions cachées et la dérive logique entre les sessions.

Aucun de ces principes n'est nouveau : ils sont tous appliqués dans le développement d'équipe pour coordonner les personnes. Avec l'IA, ils fonctionnent différemment — comme un mécanisme de gestion de l'attention du modèle. Pas 'qui est responsable de quoi', mais 'ce que le modèle sait maintenant et ce qui importe de cela'.

Ce Que Cela Signifie

114 000 lignes en trois semaines — c'est une méthodologie reproductible, pas un exploit singulier. L'IA est capable d'écrire du code à l'échelle industrielle, mais la gérabilité d'un grand projet dépend toujours de l'humain. Structure, documentation et gestion consciente du contexte — c'est ce qui distingue un projet qui peut être poursuivi et développé d'une base de code que personne, pas même le réseau de neurones lui-même, ne comprendra.