MSWebX.com
ServicesCe que nous faisonsMise en place d’agents IAUn Claude Code qui fonctionne sur votre vraie base de codeIntégration IAUne IA qui part de vos données et de vos processusSites webDes sites web conçus comme les nôtresSEO & GEOUn SEO technique que les moteurs de recherche et les assistants IA savent lireCréer un moteur de jeu AAA avec l’IA

Awesome Graphics Tools

Tous les outils graphiquesDLSS, FSR et XeSS pour DayZ et rFactor 2DayZ DLSSWindows · LinuxrFactor 2 DLSSWindows · Linux
Aide et assistanceContactContactez l’équipeFAQRéponses aux questions courantesPage du chat d’assistanceFAQ, guides et chat en direct au même endroit
Paramètres

Apparence

Accent

Langue

Bienvenue

Connecte-toi pour enregistrer des favoris et gérer ton compte.

Moteur de jeu avec IA

Créer un moteur de jeu de classe AAA avec des agents IA

Nous développons FRIENDLY?, un jeu de survie sur notre propre moteur en Rust et Vulkan, conçu pour viser une qualité de classe AAA en graphismes comme en code réseau. Le moteur est écrit par des agents IA sous direction humaine et soumis à un cadre strict : rien n’est fusionné tant que les contrôles ne passent pas. Cette page présente la boucle et les neuf règles qui la sous-tendent.

Vue à l’heure dorée sur des collines boisées et une vallée de montagne, avec un soleil bas et chaud et des crêtes embrumées qui s’estompent au loin.

Ce que nous construisons

FRIENDLY? est un jeu de survie en début de développement.

Le moteur est écrit en Rust (édition 2024), directement sur Vulkan 1.3 ou supérieur, avec des shaders Slang précompilés, la crate Bevy ECS, Jolt Physics 5.6 et l’upscaling DLSS et FSR.

Le code réseau repose sur un serveur qui fait autorité, via QUIC avec TLS 1.3. Le monde est une vraie vallée d’environ 6 × 6 km.

Environ 100 % du code est écrit par des agents IA sous direction humaine. Le fichier de projet du jeu résume ce cadre en une phrase : « Strictness is the product. » (La rigueur est le produit.)

La boucle : planifier, décider, couloir, contrôles, fusion

La même boucle fait tourner notre moteur de jeu et arrive dans votre dépôt quand nous configurons vos agents.

  1. Planifier

    Le plan appartient au responsable. Les fonctionnalités suivent PRD → tâches → exécution.

  2. Décider

    Chaque décision est consignée dans un ADR avant que le code n’existe.

  3. Couloir

    Un changement, un couloir. Des agents spécialisés, un seul responsable.

  4. Contrôles

    Des tests et un mur de lint qui ne fait que se durcir. Un nouveau contrôle doit d’abord échouer une fois.

  5. Fusion

    Seul le travail au vert est intégré. Les agents ne peuvent pas assouplir leurs propres règles.

Neuf règles qui rendent les agents fiables

Chaque règle s’accompagne de sa raison d’être et d’un exemple concret tiré du moteur.

  1. Le plan appartient au responsable

    Règle
    Ce sont les humains qui décident de ce qui est construit. Les agents le construisent.
    Pourquoi
    Les agents exécutent bien un plan. Choisir le plan, en revanche, ne se délègue pas.
    Exemple
    Les fonctionnalités suivent PRD → tâches → exécution, et le plan reste entre les mains du responsable.
  2. Décider d’abord, par écrit

    Règle
    Une décision est consignée avant que le code n’existe.
    Pourquoi
    Une décision écrite peut être vérifiée et annulée. Une décision cachée dans un diff, non.
    Exemple
    Chaque décision est un ADR, et une nouvelle crate exige son ADR avant d’exister.
  3. Un changement, un couloir

    Règle
    Chaque changement a son propre couloir.
    Pourquoi
    Un changement petit et isolé se relit facilement et s’abandonne sans regret.
    Exemple
    Chaque changement du moteur vit dans son propre couloir et doit passer les contrôles avant d’être fusionné.
  4. Des contrôles avant la fusion, et un nouveau contrôle échoue d’abord

    Règle
    Rien n’est fusionné tant que les contrôles ne passent pas, et chaque nouveau contrôle doit d’abord être vu en échec avant qu’on lui fasse confiance.
    Pourquoi
    Un contrôle qui n’a jamais échoué ne contrôle peut-être rien.
    Exemple
    Le mur de lint, ce sont les groupes clippy all, pedantic et nursery, plus environ 70 lints de la catégorie restriction. Le code livré ne contient aucun panic, le code unsafe n’existe que dans des crates d’une liste autorisée, chaque élément est documenté et les tests sont écrits en premier.
  5. L’agent ne peut pas assouplir ses propres règles

    Règle
    Le plan de contrôle est en lecture seule pour les agents.
    Pourquoi
    Une règle qu’un agent peut modifier n’est qu’une suggestion.
    Exemple
    Les règles, les hooks, les agents et le mur de lint sont verrouillés en lecture seule. #[allow] est interdit ; seul #[expect(lint, reason)] est permis, avec une raison écrite. Le mur ne fait que se durcir.
  6. Le savoir vit dans des fichiers

    Règle
    Ce que les agents doivent savoir est écrit dans le dépôt.
    Pourquoi
    Ce qui vit dans un chat a disparu à la session suivante. Ce qui vit dans le dépôt est relu à chaque fois.
    Exemple
    Nous conservons le savoir du projet dans des fichiers du dépôt que nous appelons des living skills.
  7. Un agent d’accueil et des spécialistes

    Règle
    Un agent principal reçoit le travail et le confie à des spécialistes.
    Pourquoi
    Un agent garde la vue d’ensemble. Les spécialistes apportent la profondeur.
    Exemple
    Un agent principal, la « porte », travaille avec des agents spécialisés pour le rendu, le code réseau et la revue de code Rust.
  8. Des hooks arrêtent les actions dangereuses

    Règle
    Les actions dangereuses sont bloquées par des hooks, pas par des consignes.
    Pourquoi
    Une consigne est un conseil. Un hook est une contrainte.
    Exemple
    Dans le dépôt du moteur, des hooks arrêtent les actions dangereuses avant leur exécution.
  9. Aucune affirmation sans exécution réelle

    Règle
    Un chiffre n’est publié que si une exécution réelle l’a produit.
    Pourquoi
    Un chiffre donné de mémoire n’est qu’une rumeur.
    Exemple
    Nous ne publions que des chiffres mesurés lors d’exécutions réelles, avec le matériel indiqué. C’est pourquoi cette page ne donne aucun chiffre d’images par seconde.

Trois exemples tirés du moteur

Chaque exemple est une fonctionnalité du moteur, avec la règle qui la sous-tend.

Une météo calée sur des relevés réels

Le modèle météo est calibré sur la réanalyse ERA5 et sur les relevés des stations du NCEI et du DWD. Il pilote des nuages volumétriques et utilise les positions réelles du soleil et de la lune.

La règle 9 à l’œuvre : le modèle est ajusté sur des relevés mesurés, pas au jugé. Les nuages sont la partie encore inachevée ; voir plus bas.

Vallée enneigée vue derrière des épicéas au premier plan, crête boisée à droite, montagnes au loin.
Vallée enneigée dans le moteur.

Des arbres là où poussent de vrais arbres

La carte est une vraie vallée près de Ružomberok, en Slovaquie, soit environ 6 × 6 km de terrain réel. Les arbres se trouvent là où les données LiDAR de la vallée, à 1 m de résolution, indiquent des arbres.

Le choix de construire sur une vraie vallée est consigné dans un ADR, comme toute décision (règle 2).

Soleil rasant à travers de grands épicéas sur un versant boisé.
Soleil bas à travers des épicéas sur un versant boisé dans le moteur.

Des balles sans hitscan

Chaque balle suit sa propre trajectoire sous l’effet de la gravité, d’une traînée qui dépend du nombre de Mach et du vent. Il n’y a pas de hitscan.

Pour une fonctionnalité de ce genre, « ça a l’air juste » ne prouve rien, d’où l’exigence de contrôles et d’exécutions réelles (règles 4 et 9).

Ce qui n’est pas encore terminé

  • Formes des nuages. Le modèle météo pilote des nuages volumétriques, mais leurs formes ne sont pas encore là où nous les voulons.
  • Illumination globale. En développement, désactivée par défaut.
  • Le jeu lui-même. C’est un travail en cours, à un stade précoce : une petite scène jouable avec deux maisons, de vastes forêts et de la météo, ainsi que des zombies provisoires qui démontrent la détection des impacts et la balistique en réseau.
  • L’objectif de classe AAA. C’est l’objectif vers lequel nous travaillons. Nous ne prétendons à aucune équivalence avec un autre moteur et ne publions aucun chiffre d’images par seconde.

L’environnement qui sous-tend tout cela

Notre propre environnement d’IA sur Claude Code, en chiffres : un système de 27 agents spécialisés, 73 modules de connaissances et cinq serveurs MCP maison.

Pour nos propres produits, rien n’est livré sans passer PHPStan à son niveau le plus élevé, ainsi qu’ESLint, Stylelint, TypeScript, Dart et Clippy dans leur réglage le plus strict, plus 215 règles sur mesure. Le code généré ne bénéficie d’aucune exception.

Derrière tout cela : plus de 20 ans de développement web full stack, plus de quatre ans de travail avec l’IA et notre propre framework web en 18 langues.

Questions fréquentes

Des agents IA peuvent-ils construire un moteur de jeu ?

Chez nous, environ 100 % du code est écrit par des agents IA sous direction humaine. Le résultat est un travail en cours à un stade précoce, et c’est un cadre strict de règles et de contrôles qui garantit qu’il est juste.

Qu’est-ce qui rend fiable le code écrit par une IA ?

Des contrôles avant la fusion : des tests, un mur de lint composé des groupes clippy plus environ 70 lints de restriction, et d’autres vérifications. À cela s’ajoutent des règles et des hooks que les agents ne peuvent pas assouplir.

Le jeu est-il terminé ?

Non. Nous le construisons et il en est à un stade précoce. Ce qui manque encore figure sous « Ce qui n’est pas encore terminé ».

Sources du modèle météo : réanalyse ERA5, relevés des stations du NCEI et relevés des stations du DWD (données du DWD sous licence CC BY 4.0).

Vous voulez cette rigueur dans votre dépôt ?

Nous mettons en place des agents de codage IA pour les équipes de développement : un fichier de règles que l’agent respecte, des garde-fous contre les actions dangereuses, des contrôles qualité avant chaque fusion, de la mémoire et des connexions aux outils. Le tout est testé sur votre dépôt, documenté par écrit et remis à votre équipe.

Voir comment nous mettons en place des agents IA