Claude Fable 5 a transformé un tweet vieux de quatre ans en un jeu de navigateur 3D jouable en une seule session de développement, et il a effectué tout le travail complexe sans qu'aucun humain n'ait choisi la pile technologique ou fourni d'indications de conception.

Simon Willison a fourni au modèle la brève description du tweet, une capture d'écran et deux images d'appui. À partir de ce prompt modeste, Claude Fable 5 a écrit l'intégralité du code source, a sélectionné Three.js comme moteur 3D, a généré les textures du jeu via un modèle OpenAI et a poussé chaque modification vers un dépôt GitHub. Le dépôt était relié à GitHub Pages, de sorte que chaque commit apparaissait sur une URL en direct en environ trente secondes. Le résultat est un jeu fonctionnel intitulé « Raccoon Heist » que n'importe qui peut jouer dans un navigateur dès aujourd'hui.

Déroulement de l'expérience

  • Prompt minimal – Le tweet original de 2022 énumérait un concept de jeu et montrait une seule capture d'écran. Willison a ajouté deux images supplémentaires pour référence et quelques lignes de texte. Il n'a donné aucune instruction concernant le langage de programmation, la bibliothèque graphique ou le déploiement.
  • Décisions pilotées par le modèle – Claude Fable 5 a choisi Three.js, une bibliothèque JavaScript pour les graphismes 3D, comme moteur de rendu. Il a écrit le code HTML, JavaScript et le code de chargement des ressources nécessaires au fonctionnement du jeu.
  • Ressources générées par l'IA – Un modèle OpenAI a produit les images de textures, éliminant ainsi le besoin d'un designer.
  • Livraison continue – Chaque push de code déclenchait la reconstruction du site par GitHub Pages, rendant la version la plus récente visible en moins de 30 secondes. Willison a regardé le jeu évoluer en temps réel, passant d'une toile blanche à un prototype entièrement jouable.

Pourquoi c'est important

Les assistants de codage IA traditionnels ont aidé pour l'autocomplétion, les suggestions de correction de bugs ou la génération d'extraits de code lorsqu'un développeur fournit une spécification détaillée. Claude Fable 5 a franchi une étape : il a accepté un objectif de haut niveau, a choisi la pile d'implémentation, a produit les ressources et a livré un produit en ligne — le tout sans aucune autre direction humaine.

Les benchmarks tels que SWE-bench mesurent la capacité des modèles à résoudre des problèmes de programmation, mais observer un modèle construire de manière autonome une expérience interactive de bout en bout démontre une capacité différente. Pour le prototypage rapide, ce flux de travail prouve qu'un développeur peut confier un concept et quelques ressources à un modèle, lui indiquer une cible de déploiement et recevoir une démo utilisable en quelques minutes.

Qui peut en profiter, et qui risque d'être laissé pour compte

  • Les start-ups et les développeurs indépendants peuvent itérer sur des idées de jeux ou des concepts d'interface utilisateur sans embaucher une équipe d'ingénierie complète.
  • Les équipes produit peuvent utiliser cette approche pour générer des fonctionnalités de preuve de concept pour des revues internes.
  • Les fournisseurs d'outils proposant de la génération de code pilotée par l'IA pourraient voir la demande se déplacer vers des fonctionnalités d'orchestration de plus haut niveau — permettant aux modèles de choisir des frameworks et de gérer des pipelines CI/CD.

À l'inverse, les développeurs spécialisés dans les décisions d'architecture, l'optimisation des performances ou la direction artistique pourraient voir les tâches les plus visibles et de faible complexité de plus en plus automatisées. L'autonomie du modèle soulève également des questions sur la qualité du code, la sécurité et l'octroi de licences pour les ressources générées par l'IA — des enjeux qui nécessitent encore une supervision humaine.

Limites de la démo actuelle

  • Portée – Le jeu est un modeste prototype 3D ; l'extension de cette approche à des applications de grande envergure et gourmandes en données reste à prouver.
  • Échafaudage humain – Willison a mis en place le pipeline GitHub Pages et a surveillé les résultats du modèle. Un système totalement autonome aurait besoin de mécanismes pour détecter les échecs de build ou le code non sécurisé.
  • Fidélité des ressources – Les textures générées par l'IA fonctionnent pour un jeu simple, mais pourraient s'avérer insuffisantes pour des productions à gros budget exigeant du photoréalisme ou un style artistique spécifique à une marque.

Ce qu'il faut surveiller ensuite

  • Intégration des outils – Attendez-vous à un couplage plus étroit entre les grands modèles de langage et les services de build dans le cloud, réduisant ainsi les étapes manuelles effectuées par Willison.
  • Couches de sécurité – Les plateformes pourraient ajouter de la revue de code automatisée ou du sandboxing pour détecter les failles de sécurité avant le déploiement.
  • Évolution des benchmarks – De nouvelles suites d'évaluation testant la livraison de produits de bout en bout pourraient compléter les métriques actuelles de complétion de code.

La conclusion est claire : l'IA peut désormais dépasser le stade de « écris cette fonction » pour passer à « construis et livre un produit complet et exécutable » lorsqu'on lui donne un objectif concis et du matériel source. La technologie n'en est qu'à ses débuts, mais la démonstration de Claude Fable 5 laisse entrevoir un avenir où le premier jet de nombreuses idées logicielles sera généré de manière autonome, libérant ainsi les développeurs pour qu'ils se concentrent sur l'affinage, la stratégie et la créativité.