- Claude Code a été intégré au jeu open source RollerCoaster Tycoon 2 (OpenRCT2) dans le cadre d’un projet expérimental visant à laisser une IA gérer réellement un parc d’attractions
- L’IA analyse plus de 100 indicateurs, dont les finances, les plaintes des visiteurs et les pannes d’attractions, puis prend automatiquement des décisions de gestion comme installer des stands de boissons, embaucher du personnel ou ajuster le prix d’entrée
- Toutes les actions dans le jeu sont exécutées en ligne de commande via l’outil CLI rctctl, conçu sur une structure similaire à kubectl de Kubernetes
- Claude s’est montré performant pour l’analyse de données, l’ajustement des prix et la gestion du personnel, mais a révélé des limites sur les tâches spatiales comme la connexion des chemins, le placement des montagnes russes et la perception du terrain
- L’expérience a confirmé que le point clé dans la conception d’un agent est la lisibilité de l’environnement et la qualité de l’interface
Aperçu du projet
- Ramp Labs a intégré Claude Code à RollerCoaster Tycoon 2 pour tester la capacité d’une IA à gérer directement un parc
- Claude analyse plus de 100 données du jeu, comme les finances, la satisfaction des visiteurs et l’état des attractions
- À partir de ces résultats, il propose automatiquement des actions comme ajouter des stands de boissons, embaucher des mécaniciens ou augmenter le prix d’entrée
- L’objectif de l’expérience était de tirer des enseignements sur la conception d’agents IA dans un environnement B2B SaaS
- RollerCoaster Tycoon a été choisi car il reflète une gestion d’entreprise centrée sur le client et une boucle de feedback numérique
Pourquoi RollerCoaster Tycoon
- Ramp développe actuellement de petits agents spécialisés par tâche, avec une approche qui tient compte des limites de sécurité et de contexte
- Mais il existait aussi une volonté d’expérimenter avec un agent unique doté d’autorisations très larges
- RollerCoaster Tycoon offre un environnement combinant économie, relation client et gestion opérationnelle, avec une structure proche de l’exploitation d’un SaaS
- L’interface du jeu ressemble à un dashboard B2B SaaS et s’accorde bien avec l’interface terminal rétrofuturiste de Claude
Capacités et limites de Claude
- Un fork d’OpenRCT2 a été créé avec une fenêtre terminal supplémentaire, afin que Claude puisse contrôler le jeu en ligne de commande
- Le CLI rctctl couvre toutes les actions disponibles pour l’utilisateur et communique avec l’état du jeu via JSON-RPC
- Claude perçoit les informations spatiales non pas visuellement, mais via une sortie cartographique ASCII
Points forts de Claude
- Connaissance du jeu : il possède une bonne compréhension de l’univers RCT et fonctionne naturellement même dans un environnement de jeu des années 1990
- Collecte d’informations : il sait agréger et analyser des indicateurs variés comme les retours visiteurs et les données financières
- Manipulation numérique : il excelle dans les tâches non spatiales comme l’ouverture ou la fermeture d’attractions, l’ajustement des prix, l’embauche du personnel ou les campagnes marketing
- Placement d’installations : il peut placer de façon fiable des structures simples comme des toilettes ou des stands de boissons
Faiblesses de Claude
- Connexion des chemins : difficulté sur les tâches spatiales comme le routage ou la connexion entre entrées et sorties
- Placement des montagnes russes : échec dans la détection des obstacles et du relief lors de l’installation de grandes attractions
- Perception de l’espace en 3D : incapacité à gérer les pentes, les structures souterraines ou la conception de coasters sur mesure
- En résumé, Claude est fort en gestion fondée sur l’information, mais faible pour les manipulations visuelles et spatiales
Processus de build
- Sur la base d’OpenRCT2 (C++), le projet a ajouté une fenêtre terminal Claude, le CLI rctctl, une couche RPC et du code de test
- La première version a été planifiée avec ChatGPT o3-Pro Deep Research, puis réimplémentée avec GPT-5.1-codex
- Le travail a demandé plus de 40 heures au total, et l’absence de boucle de feedback a été identifiée comme le principal goulot d’étranglement
- En permettant à Claude de rédiger lui-même des rapports de bugs dans le dépôt, l’efficacité de la QA a été améliorée
Principaux enseignements
- Lisibilité de l’environnement (Environment Legibility) : Claude excelle avec des interfaces de données claires, mais reste faible face à des représentations spatiales textuelles
- Valeur des agents de codage : les mises à jour récentes des modèles (Claude Opus 4.5, etc.) sont immédiatement exploitables, ce qui accélère le développement
- Importance de la boucle de développement : sans boucle de QA automatisée, la productivité chute fortement
- Avantage de l’expérience directe : le meilleur moyen de comprendre le fonctionnement d’un LLM reste l’expérimentation et la pratique
Exécution et informations open source
- Nécessite macOS (Sonoma ou supérieur), Xcode, CMake, Ninja et RCT2 (version officielle)
- Le CLI
rctctl adopte une structure de commandes de type kubectl, permettant à Claude de contrôler le jeu via JSON-RPC
- Résultats du build :
- OpenRCT2 (version avec terminal intégré)
- rctctl (outil CLI)
- Ressources sprite
- L’ensemble du code est publié sur GitHub (jaysobel/OpenRCT2), avec une démonstration en direct disponible sur Twitch
Conclusion
- Claude Code montre à la fois le potentiel et les limites de l’automatisation opérationnelle
- RollerCoaster Tycoon joue le rôle de terrain d’expérimentation transitoire entre interface graphique et système intelligent
- Idée clé : la réussite ou l’échec d’un agent IA dépend de la clarté de l’environnement et de la qualité de conception de l’interface
Aucun commentaire pour le moment.