Des agents IA ont décompilé un jeu de tir en trois mois, au prix de jusqu'à 700 milliards de tokens

Un groupe de passionnés a piloté pendant trois mois des agents IA qui ont décompilé un jeu de tir à la première personne populaire et restauré son code en C++. Selon l'auteur du projet, 99 % des fonctions ont été restaurées, dont 83 % sont identiques à l'original à l'octet près, et le jeu fonctionne sans bugs notables. L'auteur estime la consommation à 600–700 milliards de tokens. Il a raconté cette histoire sur Habr, et son récit porte sur l'orchestration des agents, pas sur le jeu lui-même.

La précision comme exigence

L'objectif était d'obtenir une reconstruction exacte et stable, pas de démontrer que les agents en sont capables. La différence est fondamentale. Quand on cherche seulement un code « au comportement similaire », l'agent peut produire un code plausible, sans aucun moyen de le vérifier. Quand on exige un code comparable à l'original au niveau de l'octet, chaque fonction reçoit un verdict univoque : identique ou non.

C'est la thèse centrale de l'auteur : sans vérification objective et automatique, ce type de schéma ne fonctionne pas. Un agent dont le travail est évalué à l'œil, ou par un autre réseau de neurones, accumule les erreurs en quelques semaines et avance avec assurance dans la mauvaise direction. Un compilateur et une comparaison octet par octet ne se laissent pas convaincre et ne se fatiguent pas.

L'échelle en chiffres

Faisons le calcul à partir des données annoncées. 600–700 milliards de tokens en trois mois, soit environ 90 jours, représentent 6,7–7,8 milliards de tokens par jour. Ramené à la seconde, cela fait en moyenne 77–90 mille tokens en continu, jour et nuit. Aucun humain ne peut tenir un tel rythme. Il n'est atteignable qu'avec de nombreux agents travaillant en parallèle, ce qui suppose une infrastructure : files de tâches, isolation des environnements, suivi des coûts, redémarrage automatique.

Résultats du projet :

• durée : environ trois mois ;
• consommation : 600–700 milliards de tokens (estimation de l'auteur) ;
• fonctions restaurées : 99 % ;
• correspondance octet par octet avec l'original : 83 % des fonctions restaurées, soit environ 82 % du nombre total de fonctions ;
• résultat : le jeu se lance et fonctionne sans bugs notables.

Il reste environ 17 % de fonctions qui ne correspondent pas à l'octet près. Certaines peuvent se comporter de façon identique tout en étant compilées différemment. Pour un projet dont le but est la précision, c'est une zone de travail ultérieur.

Le rôle de l'humain

L'auteur souligne que les agents étaient pilotés par des membres de la communauté. Ici, l'autonomie ne signifie pas l'absence de supervision : l'humain fixe le cadre et suit les métriques, au lieu de lire chaque ligne. L'auteur détaille l'outillage et les réglages dans l'article original. Nous nous appuyons uniquement sur son introduction et ne extrapolons pas les détails d'implémentation.

Ce qu'il faut retenir

Premier point : choisissez des tâches dont le résultat est vérifiable par une machine. La décompilation avec comparaison octet par octet, la migration de code avec une suite de tests et l'optimisation avec un benchmark relèvent de cette catégorie. Les tâches du type « fais-le joliment » n'en relèvent pas.

Deuxième point : intégrez le budget de tokens comme une ligne de dépenses. Des centaines de milliards de tokens relèvent de la planification financière, pas d'une expérience de week-end.

Troisième point : mesurez le taux de réussite par fonction, par module ou par test, et non à l'intuition. Une métrique comme « 83 % identiques » permet de décider s'il faut lancer un nouveau cycle de travail des agents ou s'il est temps de mobiliser un humain sur la traîne restante.

Quatrième point : vérifiez l'aspect juridique. La décompilation d'un logiciel commercial dépend de la licence et de la juridiction, et la faisabilité technique ne règle pas cette question.