Le 2 août 2026, Andrej Karpathy a partagé sur X : il a donné le premier paragraphe de La Communauté de l'Anneau à Claude Opus 5, avec un budget d'environ 1 million de tokens, soit environ 10 dollars, pour le faire rendre en monde 3D avec Three.js.

Auteur de l'article, source : 0x9999in1, ME News



TL;DR

• Le 2 août 2026, Andrej Karpathy a partagé sur X : il a donné le premier paragraphe de La Communauté de l'Anneau à Claude Opus 5, avec un budget d'environ 1 million de tokens, soit environ 10 dollars, pour le faire rendre en monde 3D avec Three.js.
• Opus 5 a fonctionné pendant environ 2 heures, générant environ 5 500 lignes de code, pour produire une vidéo animée de 93 secondes. Les images sont rugueuses, mais ont effectivement transformé le texte en un scénario tridimensionnel animé.
• Il ne s'agit pas de « l'IA a créé un jeu complet pour 10 dollars » — elle ne l'a pas fait. Seule une vidéo a été publiée, sans dépôt de code source ni version jouable.
• La voix off n'est pas générée par un modèle. Karpathy a déclaré qu'il l'avait produite manuellement avec ElevenLabs, car il tenait à choisir la voix.
• Le véritable signal est que le « coût de génération » du logiciel visuel personnalisé diminue plus rapidement que la capacité de l'IA à vérifier et à expérimenter ses propres œuvres.
• Opus 5 ne peut pas regarder des vidéos nativement de manière efficace ni essayer des jeux, et ne peut qu'effectuer des captures d'écran lentes sur différents nœuds, avec de nombreuses erreurs pendant le processus.
• Ce que Karpathy appelle « un GTA apparaissant à la demande » est une direction, pas une réalité actuelle. Ce que nous avons aujourd'hui ressemble davantage à une boîte de perspective stéréo générée automatiquement.

Un texte, deux heures, 5500 lignes de code

Clarifions d'abord les choses.

Le 2 août 2026, Andrej Karpathy a publié un message. Il a effectué une expérience : il a fourni le premier paragraphe du Seigneur des Anneaux à Claude Opus 5, avec un budget de 1 million de tokens, qu'il a estimé à environ 10 dollars. La seule instruction était la suivante — le rendre avec Three.js.

Et ensuite ?

Le modèle s'est exécuté pendant environ deux heures, générant environ 5500 lignes de code, et a produit en fin de compte une vidéo de 93 secondes traversant un monde de la Terre du Milieu stylisé et animé.

Comment Karpathy l'évalue-t-il lui-même ? Deux mots : janky but fun. Rustique, mais amusant.

C'est une déclaration honnête. Pour y parvenir, le modèle doit accomplir une multitude de tâches fastidieuses : placer chaque élément polygonal dans un espace tridimensionnel (x, y, z), organiser leur position, écrire du code pour animer toute la scène, et s'assurer que tout fonctionne sans plantage.

Un essai, sans plan, sans bibliothèque d'éléments, sans instruction explicite. Les personnages, l'environnement, l'ordre, l'atmosphère, les plans, le rythme — tout cela repose entièrement sur l'imagination du modèle. Et pourtant, il l'a effectivement reconstitué.

C’est ce qui laisse un instant de surprise.

Mais d'abord, restez calme : ce qui a été fait et ce qui ne l'a pas été

Avant de s'enthousiasmer, il faut d'abord distinguer trois choses : ce que le modèle a réellement produit, ce que l'homme a ajouté, et ce qui n'est tout simplement pas arrivé.

Ce que le modèle a créé, ce sont ces 5500 lignes de code, ce scénario Three.js généré par programmation, cette animation de 93 secondes. Cette partie est réelle, crédible et mérite d'être regardée sérieusement.

Et ce que les gens ont ajouté ? L’audio. Karpathy a spécifiquement clarifié dans sa réponse : la voix off a été créée manuellement par lui avec ElevenLabs. Il a indiqué que les LLM peuvent en réalité appeler une API pour automatiser cela, mais qu’il tenait à choisir la voix, donc il l’a fait lui-même. Ce n’est donc pas une chaîne de production entièrement automatisée de texte à vidéo finie. Ne le présentez pas ainsi.

Qu'est-ce qui n'a pas eu lieu ?

Aucune bibliothèque de code téléchargeable. Aucun dépôt open source. Aucune version jouable où vous pourriez entrer en tant que spectateur, NPC ou personnage principal. Aucune capacité à générer en temps réel de nouveaux mondes tout en jouant. Aucun « modèle du monde » universel et appris. Aucune collision, interaction ou cohérence narrative de niveau production. Même pas une liste reproductible des consommations et coûts de jetons publiée.

Public, c'est une vidéo.

Ainsi, cette phrase souvent citée : « un GTA éphémère de X sur demande » — c’est la direction qui enthousiasme Karpathy, pas ce qu’il a entre les mains. Le produit actuel ressemble davantage à une boîte de perspective automatiquement générée pour un navigateur, bien loin d’un jeu monde ouvert.

Pourquoi devrais-je utiliser autant de mots pour expliquer « ce qu’il n’a pas fait » ?

C’est à ce niveau que la plus grande distorsion s’est produite dans la diffusion de cette démo de jeu Opus 5. Certains ont partagé « Créer un jeu The Lord of the Rings pour 10 dollars » sans voir les petits caractères précisant « vidéo, non finalisé, audio artificiel, sans code ». Les opinions doivent être fondées sur des faits ; il faut d’abord délimiter les limites des faits.

Pourquoi cela mérite-t-il plus d'attention que « le pélican à vélo » ?

La véritable signification de l'expérience de Karpathy ne réside pas dans la "démonstration de compétences", mais dans le "changement de règle".

Comment les gens mesuraient-ils autrefois la capacité de codage visuel des grands modèles ? En leur demandant de dessiner un SVG d’un « pélican faisant du vélo ». Ce test était utile — il révélait le raisonnement spatial, le respect des instructions et la compréhension des graphismes de navigateur. Mais il était trop facile à tricher en mémorisant les réponses, et trop facile de tirer une conclusion à partir d’une seule image.

La mission « Le Seigneur des Anneaux » a considérablement élargi les critères d'évaluation.

Dimension temporelle : passant de quelques minutes à environ deux heures. Taille du code : passant de quelques dizaines à environ 5 500 lignes. Ambiguïté : passant de « un objet plus composition » à la prise en charge complète des éléments suivants : personnages, environnement, séquence temporelle, atmosphère, cadrage, rythme. État : passant d’un état statique de base à des événements animés évoluant dans le temps. Ressources : passant de quelques formes à un grand nombre d’objets procéduraux réutilisables.

Le plus critique, c’est la vérification des dimensions. Dessinez un SVG, vous voyez une seule image et vous savez tout de suite si c’est bon. Render un monde animé, vous devez vérifier des milliers d’instants, des dizaines de transitions — géométrie, caméra, occultation, mouvement, rythme, performance : un seul défaut peut tout faire exploser.

Ceci est véritablement une tâche à long terme, à haute ambiguïté et à fort état. Elle s'approche de la notion même de « créer un logiciel », et non pas de « faire un dessin ».

Bien sûr, il faut aussi le dire objectivement : ce n'est pas un benchmark de modèle rigoureux. Karpathy n'a pas publié le prompt complet, la configuration de la chaîne d'outils, le nombre de tentatives, les trajectoires de tokens, le code source ni les critères d'évaluation. Il s'agit d'une expérience publique informative, pas d'une comparaison horizontale contrôlée. Ne l'utilisez pas pour établir un classement.

Le moins cher est la « génération », le plus cher reste l'« œil »

What is the real insight into this matter?

Je pense qu'en une phrase : le coût de génération de logiciels visuels personnalisés diminue plus rapidement que la capacité des IA à vérifier et à expérimenter leurs propres œuvres.

This needs to be broken down.

Ce type de contenu hautement personnalisé — transformer un extrait spécifique en une scène 3D exclusive — était autrefois presque jamais réalisé par quelqu’un. Pourquoi ? Le coût et le temps n’étaient pas rentables. Combien coûterait-il et combien de jours faudrait-il à une équipe pour créer une animation de 93 secondes de l’ouverture du Seigneur des Anneaux ?

Mais les LLM peuvent continuer indéfiniment. Ils ne se fatiguent pas, ne se plaignent pas, et coûtent 10 dollars pour deux heures. Le monde sur mesure est passé du statut de « luxe » à celui de « chose générée au hasard ». C’est une chute réelle et massive des coûts du côté de l’offre.

Mais le problème est de l'autre côté.

Opus 5 peut créer le monde, mais ne peut pas visualiser clairement le monde qu'il a créé. Il ne peut pas regarder des vidéos de manière efficace et native, ni essayer des jeux en direct. Il ne peut qu'effectuer lentement des captures d'écran sur différents nœuds, en vérifiant une par une. C'est comme un peintre qui peint les yeux bandés, n'ayant le droit d'ouvrir les yeux que pour jeter un coup d'œil rapide sur la toile toutes les quelques minutes. De nombreuses erreurs surviennent au cours du processus, laissant de nombreuses imperfections et anomalies — c'est ainsi que vient le terme « janky ».

La génération est une éruption, la vérification est une fuite.

C'est le contraste le plus percutant du post de Karpathy : il peut déjà créer un monde, mais ne peut pas encore vérifier et expérimenter fluidement le monde qu'il a créé.

Les yeux sont devenus le nouveau goulot d'étranglement.

Ce n'est pas un cas isolé : toute une été de "game jam en une phrase"

Quelqu’un se demandera : cela ne sera-t-il qu’une simple performance de chance ?

Pas vraiment. En élargissant la chronologie, à partir de juillet 2026, une série entière de démos similaires autour d’Opus 5 ont émergé, connaissant un succès tout l’été.

Quelqu’un a créé un jeu de stratégie en temps réel spatial au style Homeworld et a publié la liste des coûts : 632,65 $ américains. Quelqu’un d’autre a développé un clone au style Rocket League, plus concret, avec du code accessible et une version jouable, offrant une meilleure reproductibilité. Il y a aussi un FPS dans le navigateur, une exploration désertique générée procéduralement, un jeu d’horreur, des courses de kart…

Avez-vous remarqué le motif ?

La qualité de ces démos varie considérablement, et leur reproductibilité diffère énormément. Certaines ne contiennent que des vidéos sans code, d'autres affichent même leurs factures. Mais elles pointent toutes vers une même tendance : utiliser une invite en langage naturel pour piloter un modèle afin qu'il écrive de manière autonome et prolongée des milliers, voire des dizaines de milliers de lignes de code, afin de construire un monde interactif fonctionnel — une chose qui était autrefois « impensable » est désormais « essayée chaque semaine par quelqu'un ».

Le « Seigneur des Anneaux » de Karpathy n'est pas un miracle surgissant de nulle part. C'est un point sur cette courbe. Un point qui a été présenté par une personne influente, avec un texte suffisamment romantique et suffisamment clair.

Alors, l'ère de la création de jeux par l'IA est-elle arrivée ?

Revenons à la question que vous vouliez le plus poser.

Est-ce que c'est arrivé ?

Mon jugement est : la direction est déjà déterminée, mais l'ère n'est pas encore venue.

La direction est claire, car la courbe des coûts du côté de l'offre a inversé sa tendance et chute rapidement. Générer à long terme des contenus interactifs personnalisés grâce à l'IA est techniquement déjà réalisé du point 0 au point 1. Il reste maintenant à passer du point 1 à une solution utilisable, jouable et vendable.

Dire que l'époque n'est pas encore arrivée, c'est parce que les trois obstacles restent réellement en place.

La première, c'est la boucle de perception. Le modèle doit être capable de voir, d'interagir et d'évaluer nativement ses propres sorties, sans avoir besoin qu'un humain prenne des captures d'écran, ajoute des commentaires ou nettoie derrière lui. C'est l'un des aspects les plus difficiles de la capacité multimodale — il ne s'agit pas simplement de « comprendre une image », mais de « comprendre un processus dynamique, interactif et évoluant dans le temps ».

Deuxièmement, il s'agit de reproductibilité et de livrabilité. Une vidéo n'est pas un logiciel. Une démo n'est pas un produit. Il y a tout le travail ingénierique ardu qui sépare une séquence impressionnante de 93 secondes d'une chose que quelqu'un peut télécharger, exécuter, modifier et utiliser pendant une heure.

Troisièmement, la portée du mot « en temps réel ». Karpathy imagine pénétrer dans un monde généré temporairement, en tant que personnage, spectateur ou PNJ — comme une version sur demande de GTA. Mais aujourd'hui, il faut deux heures hors ligne pour produire une vidéo. Passer de « deux heures pour produire une vidéo » à « génération en temps réel du chemin sous vos pieds » n'est pas une évolution quantitative, c'est une transformation qualitative.

Je n'aime pas cette expression « l'ère est arrivée ». C'est trop chargé.

Je préfère dire ceci : nous quittons l'ère du "héron vélo" pour entrer dans une période de transition où les modèles créent des mondes grossiers, mais ne comprennent pas encore ce qu'ils ont créé.

Combien de temps durera cette période de transition ? Personne ne le sait. Cela pourrait prendre deux ans, ou cinq ans. Cela dépend de quand ce « regard » — la perception et la capacité d’auto-évaluation natives de l’IA — sera pleinement complet.

Mais il y a un point dont je suis sûr.

Quand créer un monde ne coûte que 10 dollars et deux heures, ce qui devient rare, ce n’est plus « créer ». Ce qui est rare, c’est « voir clairement ce que vous avez créé » et « ce que vous voulez vraiment créer ». La machine s’occupe du « créer » dans la seconde moitié, tandis que le « vouloir » et le « voir clairement » de la première moitié restent temporairement l’apanage de l’être humain.

La version brute de Middle-earth peut déjà fonctionner.

Quant à savoir quand tu pourras vraiment y entrer — ne t'inquiète pas, prends ton temps. Cela vaut la peine d'attendre.

Source de citation

• Le message et la vidéo d'origine publiés par Andrej Karpathy sur X (anciennement Twitter) le 2 août 2026
• Anthropic publie un avis officiel sur « Claude Opus 5 » sur anthropic.com
• Site officiel de Three.js, threejs.org
• explainx.ai : « L'opus 5 de Karpathy à 10 $ : Le monde du Seigneur des Anneaux : La nouvelle évaluation de l'IA », 2 août 2026
• Benzinga : « Andrej Karpathy affirme que l'IA a dépassé les simples invites après que Claude Opus ait créé un monde 3D de 'Le Seigneur des Anneaux' », août 2026
• Enterprise DNA : « Le moment de référence de la prochaine génération d'Andrej Karpathy », 2 août 2026
• explainx.ai : « Opus 5 a créé un RTS spatial au style Homeworld à partir d’un seul prompt — 632,65 $ plus tard », 28 juillet 2026
• explainx.ai : « Top 10 prompts pour Claude Opus 5 (avec les prompts réels) », 29 juillet 2026