Le prompt IA le plus simple qui a surpassé des mois d'ingénierie de prompt minutieuse

Deux jours seulement après la sortie de Claude Opus 5, l'investisseur en IA et ancien PDG de HyperWrite, Matt Shumer, a publié une vidéo d'un jeu de tir à la première personne entièrement jouable que le modèle avait construit entièrement par lui-même.

« Claude Opus 5 a one-shotté ce jeu », a-t-il écrit, ajoutant qu'aucun asset externe n'a été utilisé dans la construction.

Maintenant, vous pourriez penser qu'une sortie d'aussi bonne qualité nécessitait une invite longue, détaillée et soignée pour guider les modèles d'IA à travers les complexités de la construction d'un jeu de tir à la première personne poli.

Détrompez-vous.

L'invite derrière cela tenait en trois courts paragraphes, publiée en intégralité sur GitHub. Elle demandait à Opus 5 de construire un jeu de tir au niveau des jeux Call of Duty les plus récents, de déployer des sous-agents—des travailleurs qui ont chacun leur propre mémoire séparée et une tâche étroite—pour s'attaquer aux pièces individuellement, et de continuer à boucler sur chaque pièce avec un critique séparé et sévère jusqu'à ce qu'elle tienne la route face à de vraies séquences de Call of Duty dans une comparaison en aveugle. Le résultat, selon l'invite, devrait être « absolument parfait ».

C'est un renversement de la façon dont les ingénieurs de prompt ont appris aux gens à travailler. Le conseil tout au long du boom du vibe-coding était de spécifier des critères plutôt que des adjectifs : dire ce que « bon » signifie au lieu de simplement le demander. Que devrait considérer le code au lieu de dire « AAA ».

La version de Shumer fait presque l'inverse, demandant à ses propres sous-agents d'être « totalement émerveillés » et laissant la définition réelle à un critique Opus 5 qu'il a construit pour lui-même.

C'était presque tout le brief. Shumer a ensuite écrit qu'il n'avait jamais spécifié le moteur de rendu, listé les systèmes du jeu ou défini ce que « qualité AAA » devait inclure. Il a commencé à appeler cette approche une boucle Gauntlet : donner à un agent une barre réelle et inspectable au lieu d'une instruction vague, le laisser diviser le travail en petites pièces, et acheminer chaque pièce à travers un critique qui ne voit jamais le raisonnement du constructeur pour ses choix.

Deux fonctionnalités de Claude Code portent cette boucle. Les sous-agents démarrent dans des fenêtres de contexte isolées avec leurs propres instructions et accès aux outils, donc un critique évaluant le modèle d'arme n'hérite pas des excuses du constructeur pour expliquer pourquoi il ressemble à ce qu'il est. Ultracode est un paramètre de Claude Code qui pousse le modèle à son effort de raisonnement maximal et lui permet d'écrire son propre plan d'orchestration, répartissant le travail sur jusqu'à 16 agents à la fois, avec un maximum de 1 000 par exécution.

La compétence /loop intégrée d'Anthropic, conçue pour les cycles répétés de correction-test-ajustement, est ce qui a empêché l'exécution de s'arrêter dès que le jeu semblait correct. Shumer n'a jamais spécifié de nombre de tours. Il a laissé le critique continuer à nommer un nouvel écart et a gardé le constructeur à sa poursuite pendant des heures avant de fermer la session lui-même.

La version finale fonctionne sur Three.js et WebGL2 pur, avec environ 55 000 lignes de code réparties sur 11 sous-systèmes. Chaque texture, maillage, animation et son est généré dans le navigateur au moment du chargement—aucun modèle téléchargé, HDRIs, fichiers image ou fichiers audio. Le journal du critique publié par Shumer lui-même montre le score passant de 3,59 sur 10 à un peu plus de 5, restant toujours en dessous du vrai jeu à chaque tour.

Les sceptiques supposaient des heures de codage manuel caché, alors Shumer a publié l'intégralité du prompt et du code source. C'est là que les imitateurs ont commencé.

Même astuce, trois constructeurs différents

James Altucher, ancien gestionnaire de fonds spéculatifs et podcasteur, a exécuté le même prompt et a rapporté avoir passé "un peu plus de dix heures" et environ 1,3 million de jetons sur Opus 5 pour y arriver. Sa version, Operation Blackout, se joue gratuitement dans le navigateur et a l'air géniale.

Vous pouvez jouer à ce jeu ici.

Le développeur de Prompt Silo a adressé la même demande au modèle phare rival d'OpenAI, publiant « Sol 5.6 Ultra avec le même prompt » — Sol étant le niveau supérieur de la famille de trois modèles GPT-5.6 qu'OpenAI a rendue généralement disponible le 9 juillet, aux côtés des versions moins chères Terra et Luna.

Le développeur Leon Lin a tenté la démarche inverse, en optant pour le prompt détaillé habituel. Plutôt que de copier la version courte de Shumer, il a entrepris de « rétro-ingénieriser un prompt pour ce jeu », produisant un document d'une vingtaine de sections qui détaille tout, de la physique ragdoll aux cartes d'ombres en cascade. Il l'a introduit dans Cursor en utilisant Opus 5 standard en effort élevé, sans sous-agents ni ultracode, et le résultat — un jeu de tir de rue appelé Dust Corridor — se joue également dans le navigateur et a fière allure.

Aucune des versions suivantes n'a été soumise au test à l'aveugle que Shumer a mené sur son propre projet. Son journal de critique montre toujours que le vrai Call of Duty gagne chaque manche qu'il a enregistrée—la barre que Altucher et Atom Tan Studio poursuivent avec son prompt exact de trois paragraphes, et celle que Leon Lin poursuit avec environ 20 sections de son cru.

Dans quelle mesure cela est-il réellement nouveau ?

Les outils de codage agentiques comme Claude Code écrivent des logiciels de la manière dont un ingénieur junior supervisé pourrait le faire : ils lisent des fichiers, exécutent du code, examinent les captures d'écran qu'ils génèrent, et confient des parties de la tâche à des sous-agents et des critiques qui vérifient le résultat par rapport à un objectif déclaré. Cette boucle est réelle, et la Gauntlet Loop de Shumer est une manière authentique de la structurer. Rien de tout cela, en soi, ne prouve que le modèle a conçu un jeu à partir de l'imagination plutôt que de recombiner des modèles de code qu'il avait déjà absorbés.

Three.js fournit ses propres contrôles de caméra à verrouillage de pointeur comme exemple officiel, et ce modèle de base—visée à la souris, déplacement WASD, raycasting pour les tirs—a été forké et tutorielisé sur GitHub, gists et forums de développeurs depuis plus d'une décennie. Un modèle de codage entraîné sur des dépôts publics a presque certainement vu des centaines, voire des milliers de jeux de tir quasi identiques avant même de lire le prompt de Shumer.

Cela ne rend pas Claude of Duty faux, mais cela rend l'affirmation "construit à partir de zéro" plus difficile à créditer pleinement, alors prenez ces résultats avec des pincettes.

Les chercheurs qui étudient les modèles de génération de code ont un nom pour ce problème plus large : la contamination des données, lorsqu'un modèle réussit bien une tâche principalement parce que des exemples quasi identiques figuraient déjà dans ses données d'entraînement, et non parce qu'il a raisonné sur quelque chose de nouveau.

Aucune des versions du jeu de tir à la première personne publiées n'a inclus de vérification pour ce type de contamination. Le dépôt de Shumer contient bien la créativité de Claude, si l'on peut dire. C'est une raison de lire « one-shotted a AAA game » comme un agent compétent travaillant dans l'un des genres les plus documentés de la programmation, et non comme la preuve qu'une IA a conçu un jeu de tir sans s'appuyer sur des travaux antérieurs.