RSIGame : un assemblage de modèles 27B joue seul à ses jeux et dépasse GPT-5.5

RSIGame est un nouveau système venu de Chine, dans lequel les modèles ne s'arrêtent pas à la première version générée d'un jeu. L'IA lance elle-même le résultat, le parcourt, repère les défaillances et réécrit le code. Les auteurs affirment qu'une combinaison de modèles de 27B a devancé GPT-5.5 pour la génération d'un jeu en un seul passage. L'étude a été relayée par Jiqizhixin (机器之心) le 21 octobre 2026. Le texte complet de la publication n'est que partiellement accessible : nous détaillons donc ci-dessous ce qui est annoncé, puis, séparément, ce qui reste flou.

Faire tourner un jeu et le terminer sont deux tâches distinctes

Les LLM actuels savent déjà transformer une phrase comme « fais un jeu de plateforme avec des boss » en programme fonctionnel. Mais un programme qui fonctionne n'est pas encore un jeu abouti. Les auteurs de RSIGame énumèrent les défauts typiques : les attaques du personnage n'offrent aucun retour sensoriel, les ennemis se comportent tous de la même façon, les niveaux manquent de variété et, parfois, la mécanique clé est tout simplement impossible à exécuter.

Un développeur humain repère ces problèmes à la main. Il joue à la version en cours, remarque qu'un coup « ne se ressent pas » ou que la porte du deuxième niveau ne s'ouvre pas, corrige le code, puis rejoue. La génération en un seul passage saute entièrement ce cycle.

Comment fonctionne la boucle d'auto-amélioration

Le nom renvoie vraisemblablement à l'auto-amélioration récursive (recursive self-improvement), même si le fragment accessible n'en donne pas la signification. La logique est la suivante : le système fait du développement un processus fermé, où le résultat d'une itération devient l'entrée de la suivante. Voici ce que l'on peut retenir de ce qui est annoncé :

• Playtest automatique : l'IA lance elle-même le jeu et tente de le terminer, sans intervention humaine.
• Détection des défauts : pendant la partie, le système relève les problèmes comme l'absence de retour d'action, le comportement primitif des ennemis et les passages infranchissables.
• Correction : les problèmes trouvés sont convertis en modifications du code et du contenu.
• Itération : la version mise à jour repart pour une nouvelle partie.
• Taille des modèles : une combinaison de modèles de 27B est utilisée.
• Référence de comparaison : GPT-5.5 en mode génération « du premier coup ».

Il faut s'arrêter sur la formulation de la comparaison. Un assemblage de plusieurs modèles, qui effectue plusieurs itérations, est opposé à un modèle unique n'ayant droit qu'à un seul essai. C'est un protocole tout à fait correct si l'objectif est de démontrer l'intérêt de la boucle elle-même. Mais il ne prouve pas qu'un modèle de 27B soit, en soi, plus performant que GPT-5.5. La différence tient plutôt au processus qu'à l'« intelligence » d'un réseau de neurones pris isolément.

Ce qui manque pour l'instant dans cette publication

Le texte accessible ne fournit pas les métriques utilisées pour l'évaluation : on ignore si les auteurs ont mesuré la proportion de jeux terminables, la diversité des mécaniques, des notes subjectives d'évaluateurs humains ou les verdicts d'un autre modèle. Il n'indique ni le nombre d'itérations nécessaires, ni le coût de calcul, ni quels modèles de 27B composent l'assemblage. On ne sait pas non plus sur quel ensemble de jeux le test a été mené : des arcades simples et des projets complexes, riches en systèmes, se comportent de manière très différente.

Une autre question concerne la fiabilité de l'auto-évaluation. Si le même système joue et juge, il peut passer à côté d'un défaut pourtant évident pour un humain, ou « corriger » ce qui n'était pas cassé.

Ce que les développeurs et les studios doivent surveiller

La conclusion pratique ne dépend pas des chiffres précis de RSIGame. Si vous construisez des outils fondés sur des LLM pour créer des jeux, des applications ou d'autres logiciels interactifs, ajoutez à votre pipeline une étape de lancement réel et de vérification du résultat. Même un petit modèle doté d'un playtest automatique et de quelques itérations peut produire un meilleur résultat qu'un modèle coûteux avec un seul essai.

Pour évaluer ce type de solution, il convient d'exiger des auteurs trois éléments : un jeu de tests ouvert, une description des métriques et une comparaison à budget de calcul égal. Tant que l'article complet et le code ne sont pas publiés, mieux vaut considérer l'affirmation d'une supériorité sur GPT-5.5 comme une hypothèse prometteuse, et non comme un fait établi.