La démonstration Kairos publiée par NVIDIA ce printemps touche directement deux de mes intérêts : le jeu vidéo et l’intelligence artificielle. Le joueur parle au propriétaire d’un restaurant, sa voix devient du texte, un modèle prépare la réponse, une voix synthétique la prononce et le visage du personnage s’anime.

La chaîne technique est franchement impressionnante. Comme jeu, il reste une question plus difficile : est-ce que cette conversation modifie quelque chose que le monde sait réellement gérer?

ACE for Games réunit plusieurs composantes de parole, de dialogue et d’animation. Le microphone alimente une reconnaissance vocale, qui produit du texte et parfois un score de confiance. Le jeu ajoute le rôle du personnage, l’état de la quête, quelques souvenirs autorisés et les faits du monde. Le modèle génère une réponse. Une couche de règles la valide avant que la synthèse vocale produise l’audio et que l’animation faciale aligne approximativement les lèvres et les expressions.

Cette chaîne possède deux sorties très différentes. La réplique peut être générative. Une action de jeu — donner une clé, ouvrir une porte, démarrer une quête — doit passer par une interface déterministe qui vérifie les préconditions. Le modèle peut proposer demarrer_quete("livraison"); le moteur décide si cette quête existe, si le joueur y a droit et si elle n’est pas déjà terminée.

Un personnage limité par un état vérifiable

Le contexte envoyé au modèle pourrait ressembler à ceci :

{
  "personnage": "Jin, propriétaire du restaurant",
  "faitsConnus": ["la panne a commencé hier", "Maya répare le générateur"],
  "quete": { "livraison": "non_commencee" },
  "inventaireJoueur": ["carte"],
  "actionsPermises": ["indiquer_lieu", "proposer_livraison"],
  "actionsInterdites": ["donner_arme", "modifier_inventaire"]
}

Après la génération, le système sépare le texte de l’action structurée, rejette tout verbe inconnu et refait les vérifications dans le moteur. La réponse finale peut varier — polie, impatiente ou humoristique — sans permettre au personnage d’inventer un objet. Le journal garde la version du contexte, du modèle, de la règle et l’action acceptée afin de reproduire une scène qui brise la quête.

La mémoire demande le même contrôle. Stocker toute la conversation augmente le contexte, le coût et le risque de contradictions. Une mémoire courte peut conserver les derniers tours. Une mémoire structurée garde seulement quelques faits validés, comme « le joueur a refusé la livraison ». Lorsque la sauvegarde est rechargée, ces faits suivent l’état du jeu plutôt qu’un résumé libre qui pourrait dériver. Un personnage ne devrait pas se souvenir d’une partie supprimée ni confondre deux joueurs.

Le délai est visible immédiatement. La reconnaissance vocale attend la fin d’une phrase, le modèle calcule, les filtres valident, la voix synthétique démarre et l’animation se synchronise. Si chaque étape prend une seconde, le personnage fixe le joueur dans un silence de plusieurs secondes. La réponse en continu, les animations d’attente et les répliques locales préécrites peuvent masquer une partie du délai. En cas de service indisponible, le jeu doit conserver un dialogue de repli au lieu de bloquer la progression.

Les joueurs vont tester les limites, répéter une question absurde, parler d’un sujet interdit et tenter de faire révéler les instructions du personnage. Ce n’est pas un cas marginal. Un jeu commercial doit modérer les entrées et sorties, limiter le débit, protéger les données vocales et accepter que les filtres produisent eux aussi des erreurs. Le mode hors ligne, le contrôle parental et la traduction ajoutent encore des contraintes.

Les dialogues écrits à l’avance gardent une valeur : leur intention, leurs conséquences et leur rythme ont été choisis. La génération peut reconnaître davantage de formulations, varier une réponse ou enrichir un rôle secondaire. Elle ne sait pas pourquoi la scène existe à moins que le jeu lui fournisse cette limite et refuse ce qui la dépasse.

En novembre 2023, Kairos démontre qu’une chaîne d’IA peut soutenir un échange convaincant dans une scène contrôlée. Le vrai test viendra après plusieurs heures, une sauvegarde rechargée, une connexion coupée et mille joueurs décidés à sortir du scénario. Si le personnage respecte encore le monde, la quête et le rythme, il devient une mécanique. Sinon, il reste un chatbot bavard avec un beau visage.