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 un shooter navigateur pour 10 joueurs en 20 heures et 8,3 millions de tokens

Un développeur a créé le shooter en ligne Battlecringe avec un agent IA : un moteur fonctionnel est apparu en 2 heures, et une version stable en deux soirées supplémentaires. Au total, l'agent a travaillé environ 20 heures et généré 8,3 millions de tokens (fragments de code et de texte), le temps le plus long ayant été consacré à attendre des tests automatisés de 10 minutes. Le jeu pour 10 joueurs tourne sur un VPS doté de 1 Go de mémoire. Conclusion : un agent a besoin de spécifications et de tests pour gérer même le code réseau.

Traité par IA depuis Habr AI ; édité par Hamidun News
Un agent IA a écrit un shooter navigateur pour 10 joueurs en 20 heures et 8,3 millions de tokens
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1À vide, le serveur consomme 0,1 vCPU et environ 200 MiB de RAM, dont 150 MiB pour MongoDB
Draw calls par image après optimisation39 à 68, contre 279 à 304 auparavant
Chiffre clé #3176 commits, 45 pull requests, environ 28 000 lignes, couverture Go d'environ 91 %

La première tentative de ce développeur de créer un shooter en ligne avec l'IA s'est soldée par un échec : dans Cursor, il a obtenu un code réseau brut, un mauvais ping, un FPS faible et une graphique presque inexistante, et le projet a été abandonné. Il est revenu aujourd'hui à son idée, a jeté tout l'ancien code et a reconstruit le jeu Battlecringe avec un agent IA. Un moteur fonctionnel est apparu après deux heures de travail de l'agent, et une version stable après deux autres soirées.

Au total, l'agent a travaillé environ 20 heures (la majeure partie du temps à attendre la fin des tests automatisés) et généré 8,3 millions de tokens, c'est-à-dire des fragments de code et de texte. L'auteur a publié des statistiques détaillées, à partir desquelles on peut estimer le temps et les ressources qu'un tel projet demande.

Ce qui a finalement été obtenu

Battlecringe est un shooter navigateur low-poly en vue de dessus. Il propose un PvP jusqu'à 10 joueurs, un mode coopératif de survie avec des vagues de monstres, des cartes générées procéduralement et des « opérations » avec des objectifs comme sauver un otage ou chasser un boss. Autour du combat, on retrouve les éléments habituels des jeux en ligne : clans, amis, boutique, skins, succès, classements. Le serveur est autoritaire : c'est lui qui décide des impacts, le client se contentant de prédire le déplacement du joueur.

La pile technique est classique. Côté client : TypeScript, React, Three.js et WebGL. Côté serveur : deux services en Go (moteur de jeu et API de données), MongoDB, Docker et Caddy, sur un VPS de 1 Go de mémoire avec un seul vCPU. Le déploiement est automatisé via GitHub Actions. L'auteur a testé la charge avec cinq joueurs simultanés au maximum et estime que le serveur pourra en supporter jusqu'à 50. Il s'agit d'une estimation, et non d'un test de charge.

Comment l'agent a mené le projet à terme

L'auteur attribue le succès à la discipline imposée autour de l'agent. Le dépôt contient un dossier docs avec un backlog où chaque fonctionnalité est décrite séparément. Les règles de travail sont consignées dans Claude.md et ont été corrigées plusieurs fois : ne pas pousser sur master, quand lancer les tests, comment formater les releases.

Le cycle pour chaque tâche se déroule ainsi :

  • formulation de la tâche par écrit et analyse par l'agent ;
  • si nécessaire, un « interrogatoire » sous forme de questions dans le chat ;
  • fichier de spécification de la fonctionnalité et développement ;
  • tests unitaires et smoke tests ;
  • match e2e entre bots scriptés, avec captures d'écran ;
  • pull request et approbation manuelle.

L'agent a été placé dans le cadre d'un processus d'ingénierie ordinaire, et il y a travaillé.

Le point faible est la vitesse de vérification. Les scénarios les plus complexes, comme une mort soudaine ou la fin d'un match par minuteur, prennent environ 10 minutes par exécution. Les tests e2e n'étaient donc lancés qu'une fois par pull request, qui pouvait regrouper plusieurs fonctionnalités, et ils ne passaient pas toujours du premier coup.

Les chiffres à retenir

  • Temps : deux heures jusqu'au moteur fonctionnel, deux soirées supplémentaires jusqu'à la version stable, soit environ 20 heures de travail de l'agent au total.
  • Tokens : 8,3 millions générés et environ 945 millions lus, principalement depuis le cache. L'agent lit environ 110 fois plus qu'il n'écrit, ce qui compte pour l'estimation du budget.
  • Code : 176 commits sur master, 45 pull requests (21 visent master), 14 epics, environ 28 000 lignes avec la documentation. Couverture des tests Go d'environ 91 %, non mesurée pour TypeScript.
  • Graphique : objectif de 60 FPS, temps de trame au 99e percentile de 16,8 ms. Les draw calls (commandes de rendu distinctes par image) sont de 39, 49 et 68 en qualités low, med et high, alors qu'ils atteignaient 279 à 304 avant la correction de la version 2. Le nombre de triangles est de 73 000 en low et de 141 000 en med et high.
  • Ressources : bundle client de 284 Ko en gzip, images Docker de 23,6 Mo (API) et 18,7 Mo (jeu). À vide, le serveur occupe 0,1 vCPU et environ 200 MiB de RAM, dont 150 MiB pour MongoDB.

Ce qu'il en ressort

Premièrement, un agent a besoin d'un processus qui l'encadre : spécifications, tests et règles strictes dans ses instructions. Selon l'auteur, ce sont ces éléments qui ont maintenu le nombre d'erreurs à un niveau bas. Deuxièmement, le goulot d'étranglement se déplace de l'écriture du code vers sa vérification. Si une exécution complète prend 10 minutes, l'agent reste inactif, et c'est là qu'a filé la majeure partie des 20 heures. Accélérer les tests e2e ou les paralléliser rapporte davantage que réécrire les prompts. Troisièmement, des services Go de 20 Mo et un petit VPS montrent qu'un backend pour jeu navigateur peut coûter peu cher.

Les réserves sont évidentes. Il s'agit du cas personnel d'un seul développeur, les chiffres ne sont pas vérifiés de manière indépendante, la charge testée est faible, et une partie de la description des fonctionnalités a été générée à partir du changelog. Mais comme repère sur les délais, les tokens et les performances d'un projet 3D navigateur, ce retour d'expérience reste utile. L'auteur promet une suite : une analyse détaillée du cycle de développement ou de l'architecture du moteur.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui a finalement été obtenu ?

Battlecringe est un shooter navigateur low-poly en vue de dessus. Il propose un PvP jusqu'à 10 joueurs, un mode coopératif de survie avec des vagues de monstres, des cartes générées procéduralement et des « opérations » avec des objectifs comme sauver un otage ou chasser un boss. Autour du combat, on retrouve les éléments habituels des jeux en ligne : clans, amis, boutique, skins, succès, classements.

Comment l'agent a mené le projet à terme?

L'auteur attribue le succès à la discipline imposée autour de l'agent. Le dépôt contient un dossier docs avec un backlog où chaque fonctionnalité est décrite séparément. Les règles de travail sont consignées dans Claude.md et ont été corrigées plusieurs fois : ne pas pousser sur master, quand lancer les tests, comment formater les releases.

Que sait-on sur Les chiffres à retenir ?

Temps : deux heures jusqu'au moteur fonctionnel, deux soirées supplémentaires jusqu'à la version stable, soit environ 20 heures de travail de l'agent au total. Tokens : 8,3 millions générés et environ 945 millions lus, principalement depuis le cache. L'agent lit environ 110 fois plus qu'il n'écrit, ce qui compte pour l'estimation du budget. Code : 176 commits sur master, 45 pull requests (21 visent master), 14 epics, environ 28 000 lignes avec la documentation.

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…