Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Un agent IA a écrit le moteur d'un shooter navigateur en 2 heures, projet complet de 28 000 lignes

Un développeur de Habr a repris le shooter navigateur Battlecringe et l'a amené jusqu'à un serveur public. L'agent IA a écrit un moteur de jeu fonctionnel en 2 heures, puis deux soirées ont été nécessaires pour le finaliser. Au total, le projet compte environ 28 000 lignes de code, documentation comprise. Les règles données à l'agent, la description de chaque fonctionnalité et les tests automatisés ont fait la différence. Pour travailler avec un agent, investissez donc d'abord dans le backlog et les tests, puis dans les prompts.

Traité par IA depuis Habr AI ; édité par Hamidun News
Un agent IA a écrit le moteur d'un shooter navigateur en 2 heures, projet complet de 28 000 lignes
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1L'agent a travaillé environ 20 heures et généré 8,3 millions de tokens
Chiffre clé #2Le serveur au repos occupe 0,1 vCPU et environ 200 Mo de mémoire
Appels de rendu (draw calls)39 à 68 au lieu de 279 à 304

Le vibe coding est généralement illustré par des exemples de jouet : une landing page, une calculatrice, un snake. Ce cas-ci est plus sérieux. Un développeur de Habr a réécrit le shooter en ligne Battlecringe avec l'aide d'un agent IA. L'agent a produit un moteur de jeu fonctionnel en 2 heures : dès ce moment, un ami de l'auteur a pu se connecter et jouer. Deux soirées supplémentaires ont été nécessaires pour obtenir une version stable, et le projet compte au final environ 28 000 lignes de code, documentation comprise. L'auteur publie des chiffres réels sur le temps, les tokens et les ressources serveur, ce qui est rare dans les récits sur les agents.

Comment le projet est revenu d'entre les morts

Battlecringe est un shooter navigateur low-poly à vue de dessus. Il propose du PvP jusqu'à 10 joueurs, un mode coopératif « Survie », des opérations sur une carte générée procéduralement, des amis, des clans, une boutique et des skins. Auparavant, l'auteur avait déjà tenté de réaliser ce jeu avec Cursor, mais il avait obtenu un code réseau brut, un ping et des FPS médiocres, et un rendu graphique presque inexistant. Il avait abandonné le projet.

Ce qui l'a décidé à revenir sur l'idée, c'est la sortie d'un modèle qu'il appelle Fable5.2, ainsi que le shooter Saltline sur WebGL et Three.js, écrit presque en un seul prompt. L'auteur a jeté l'ancien code en entier et repris de zéro.

La stack est classique : client en TypeScript, React et Three.js, serveur en Go composé de deux services (moteur de jeu et API), MongoDB, Docker, Caddy et GitHub Actions. L'hébergement repose sur un VPS avec 1 Go de RAM et un seul vCPU.

Comment fonctionne la boucle de travail avec l'agent

Le secret ne tient pas à un prompt réussi, mais à la discipline mise en place autour de l'agent. L'auteur a fixé à l'avance des règles : ne pas pousser dans master, quand et comment lancer les tests, quelles politiques de release respecter. Il a réparti le backlog dans des fichiers du dossier docs, avec une description par fonctionnalité.

Ensuite, le cycle se répétait :

  • L'auteur formule la tâche en texte.
  • L'agent analyse la demande et, si besoin, pose des questions de précision dans le chat.
  • L'agent crée un fichier de spécification de la fonctionnalité et écrit le code.
  • Les tests unitaires et smoke tests sont exécutés.
  • Une session e2e complète est lancée : des scripts-bots jouent un match, et l'agent réalise des captures d'écran pendant la partie.
  • Une pull request est ouverte, et l'auteur la valide manuellement.

L'auteur a plusieurs fois modifié les règles de ce cycle dans le fichier Claude.md. Le principal inconvénient : une exécution e2e prend environ 10 minutes, car ce qui est le plus difficile à vérifier, c'est la mort soudaine et la fin de match par minuterie. Les tests n'étaient donc lancés qu'une fois par pull request, et plusieurs fonctionnalités arrivaient dans une même PR. Par conséquent, les tests ne passaient pas toujours du premier coup.

Ce que montrent les chiffres

Master a reçu 176 commits, au total 45 pull requests ont été réalisées (21 d'entre elles ont été fusionnées dans master) et 14 épiques. La couverture de tests atteint environ 91 %, mais elle n'a été mesurée que pour le Go, pas pour le TypeScript.

Le travail de l'agent a occupé environ 20 heures, principalement à cause de l'attente des tests e2e. L'agent a généré 8,3 millions de tokens et en a lu environ 945 millions, surtout depuis le cache. La majeure partie concerne la lecture du contexte, et sans cache ce travail aurait coûté nettement plus cher.

Les performances sur un matériel modeste sont correctes. La cible de 60 images par seconde est tenue : le temps d'image au 99e percentile est de 16,8 ms, soit presque toutes les images dans cette limite. Le nombre de draw calls (commandes par lesquelles le processeur demande à la carte graphique de dessiner des objets) est de 39, 49 et 68 selon les réglages bas, moyens et élevés.

Avant la correction de la deuxième version, le pic atteignait 279 à 304. Les modèles comptent 73 000 triangles en réglages bas, et 141 000 en réglages moyens et élevés. Le bundle client pèse 284 Ko en gzip.

Au repos, le serveur occupe 0,1 vCPU et environ 200 Mo de mémoire, dont environ 150 Mo pour MongoDB. Les images Docker sont petites : 23,6 Mo pour l'API et 18,7 Mo pour le service de jeu.

Ce qu'il faut garder en tête

Les chiffres sont fournis par l'auteur lui-même et n'ont pas été vérifiés de manière indépendante. Il a testé la charge avec cinq joueurs simultanés au maximum, et l'estimation de 50 personnes est, selon lui, une projection. Une partie de la description des fonctionnalités a été générée à partir du changelog ; il faut donc vérifier le fonctionnement de chaque mécanique directement dans le jeu.

La leçon pratique est simple. L'agent se débrouille bien lorsqu'il dispose de spécifications, de règles de travail, de tests automatisés et d'une vérification e2e. Le goulot d'étranglement n'est alors pas la vitesse d'écriture du code, mais la vitesse de vérification. Si vous voulez reproduire cette démarche, investissez d'abord dans des tests rapides et un backlog soigné, puis dans les prompts. L'auteur annonce des articles dédiés au cycle de développement et à l'architecture du moteur.

Dossier

Questions clés sur cet article

Comment le projet est revenu d'entre les morts?

Battlecringe est un shooter navigateur low-poly à vue de dessus. Il propose du PvP jusqu'à 10 joueurs, un mode coopératif « Survie », des opérations sur une carte générée procéduralement, des amis, des clans, une boutique et des skins. Auparavant, l'auteur avait déjà tenté de réaliser ce jeu avec Cursor, mais il avait obtenu un code réseau brut, un ping et des FPS médiocres, et un rendu graphique presque inexistant. Il avait abandonné le projet.

Comment fonctionne la boucle de travail avec l'agent?

Le secret ne tient pas à un prompt réussi, mais à la discipline mise en place autour de l'agent. L'auteur a fixé à l'avance des règles : ne pas pousser dans master, quand et comment lancer les tests, quelles politiques de release respecter. Il a réparti le backlog dans des fichiers du dossier docs, avec une description par fonctionnalité. Ensuite, le cycle se répétait : L'auteur formule la tâche en texte. L'agent analyse la demande et, si besoin, pose des questions de précision dans le chat.

Que sait-on sur Ce que montrent les chiffres ?

Master a reçu 176 commits, au total 45 pull requests ont été réalisées (21 d'entre elles ont été fusionnées dans master) et 14 épiques. La couverture de tests atteint environ 91 %, mais elle n'a été mesurée que pour le Go, pas pour le TypeScript. Le travail de l'agent a occupé environ 20 heures, principalement à cause de l'attente des tests e2e. L'agent a généré 8,3 millions de tokens et en a lu environ 945 millions, surtout depuis le cache.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…