DeepSeek Harness crée un jeu d’arcade en 2 heures 43 minutes à partir d’un seul prompt, avec un abonnement à $10

En général, « générer une application à partir d’un seul prompt » revient à produire une jolie démo qui s’effondre au premier contact avec la réalité. L’auteur de cette expérience a voulu voir ce qui se passerait en donnant à un modèle peu coûteux un environnement d’agents digne de ce nom et une tâche réellement ambitieuse.

Ce qui s’est passé

Le concept est simple : un jeu pour navigateur destiné à améliorer sa vitesse de frappe. Des mots défilent à l’écran ; le joueur les saisit, tire sur des ennemis, marque des points et tente de préserver ses vies. L’auteur a d’abord élaboré le cahier des charges dans ChatGPT classique : mécaniques, écrans, contraintes et vérifications. Le document final a ensuite été confié à DeepSeek Harness, l’environnement ouvert pour agents de DeepSeek, fondé sur l’architecture Cordis et le principe « Everything is a Plugin ».

Le modèle utilisé est DeepSeek V4.1 Flash, accessible avec l’abonnement OpenCode Go à $10 par mois. L’agent a réalisé la première version en 2 heures 43 minutes : 183 étapes, mode Agent Team avec des sous-agents, exécution de commandes, tests et reprises. Le résultat comprend une boucle de jeu, des vagues d’ennemis, des combos, des graphismes Canvas 2D avec particules et explosions, du son via la Web Audio API, des dictionnaires russe et anglais et un historique des parties dans localStorage.

L’auteur apporte une précision importante : « à partir d’un seul prompt » ne signifie pas « en une seule réponse du modèle ». Il s’agit d’un objectif unique, pour lequel l’agent a lui-même planifié, écrit le code et corrigé les problèmes.

Les chiffres à examiner

L’interface affichait 35 703 377 tokens. Le chiffre peut impressionner, mais 35,2 millions correspondaient à des entrées mises en cache, contre 334 000 tokens d’entrée non mis en cache et environ 159 000 tokens réellement produits par le modèle. Le taux de succès du cache atteignait 99%. Sur les tâches longues, l’agent relit sans cesse le contexte du projet et ses résultats précédents. Si le fournisseur réutilise efficacement le cache, le coût baisse sensiblement.

La tâche a consommé environ 15% du quota sur cinq heures de l’abonnement. L’auteur le précise sans détour : « $100 d’utilisation pour $10 » désigne un volume estimé selon les tarifs du service, et non un solde à dépenser librement. Des quotas s’appliquent sur des fenêtres de cinq heures, d’une semaine et d’un mois. Il existe aussi des modes Peak et Off-Peak, avec des prix différents pour les tokens : par exemple, $0,15 contre $0,30 par million de tokens d’entrée. L’auteur a même écrit un petit plugin qui affiche le mode en cours dans l’interface de Harness, afin de lancer les expériences les plus lourdes pendant les créneaux les moins chers.

L’article mentionne également une publication d’un développeur d’OpenCode évoquant la possibilité de proposer $300 d’utilisation de DeepSeek pour $10. Il ne s’agit pour l’instant que d’une déclaration publique sur ce potentiel, et non d’une condition de l’offre.

Là où il a fallu intervenir

Lors d’une deuxième tâche, l’agent a ajouté un serveur : authentification via Telegram, synchronisation des statistiques, amis, classement, PostgreSQL et bot d’assistance. Le jeu est devenu Typer Cool. C’est alors que les problèmes concrets sont apparus :

• la mise en page mobile, correcte dans Chrome DevTools, se désorganisait dans Safari sur un véritable iPhone ;
• la configuration Docker Compose générée lançait une deuxième instance de Caddy, qui entrait en conflit avec celle déjà en service sur les ports 80 et 443 ;
• les avatars Telegram ne se chargeaient pas à cause d’une validation de format trop stricte (bad_type), alors que les tests avec des données simulées passaient ;
• les liens directs d’invitation renvoyaient une erreur 404 sur Netlify, jusqu’à la correction des règles de routage de la SPA.

Les enseignements pratiques

Les développeurs et les fondateurs peuvent en tirer quatre leçons. Premièrement, la qualité de la définition du besoin est décisive : il faut d’abord discuter de l’idée et rédiger le cahier des charges, puis le confier à l’agent. Deuxièmement, l’environnement compte autant que le modèle : fichiers, sous-agents, tests et contexte long changent le résultat. Troisièmement, le cache et les tarifs méritent autant d’attention que les benchmarks. Quatrièmement, un agent ne dispense pas de vérifier le fonctionnement sur une infrastructure réelle, surtout lorsqu’il est question d’utilisateurs, de données et de sécurité.

Il faut aussi garder les limites à l’esprit. Il s’agit d’une seule expérience menée par un seul auteur, sans comparaison avec Codex ou Claude Code sur des tâches identiques, et le taux de succès du cache de 99% concerne cette session précise. Harness est en développement actif : ses interfaces peuvent changer, tout comme les tarifs. L’hébergement, le nom de domaine et le VPS ne sont pas inclus dans le prix de l’abonnement. Ce cas reste néanmoins révélateur du coût et des possibilités d’un développement de longue durée par agents avec un modèle ouvert.