Uncracked City : un jeu d'enquête où les suspects sont des LLM qui mentent
Sommaire
En bref
- Jeu détective où le joueur interroge quatre suspects générés par LLM pour élucider un meurtre ; les suspects mentent, certains plus que d'autres.
- Le prototype fonctionne (quelques cas résolus), mais pose des questions sur l'efficacité narrative des LLM et sur la viabilité économique de l'inférence gratuite.
- Le concept rappelle Carmen Sandiego et Sherlock Holmes Consulting Detective, mais reste encore au stade de preuve de concept.
Ce que dit la source
Le créateur propose un jeu de détective interactif où les suspects sont des LLM générant du dialogue, du contexte et des mensonges dynamiquement. L'idée centrale : au lieu de rejouer le même scénario écrit à la main, chaque session produit des réponses uniques, censément plus variées et rejouables. Deux cas publics (Salem 2025, Paris) sont disponibles gratuitement, avec un modèle d'inférence externalisé vers des services cloud (Luna, Haiku d'Anthropic).
- Le joueur doit identifier le suspect menteur parmi quatre, interrogés via dialogue texte dans des lieux spécifiques
- Plusieurs joueurs ont confirmé avoir résolu au moins un cas (Paris), validant la mécanique basique
- L'interface encourage les questions suggérées plutôt que le vrai dialogue libre ; certains joueurs rapportent avoir résolu sans vraiment utiliser le chat IA
- Les soupçons commencent dès la présentation : un commentateur souligne que "tout le monde ment" (référence au principe de la série House), réduisant la valeur du mensonge comme élément narratif unique
Dans les commentaires
Débat partagé entre curiosité technique et scepticisme pratique. Intérêt réel pour le concept (jeu narratif régénéré par IA), mais plusieurs critiques terrain : qualité narrative des LLM jugée «médiocre», friction gameplay (obligation de revisiter les lieux sans guide clair), traduction italienne bâclée, et surtout doute sur la viabilité économique (coûts d'inférence non résolus).
- Plusieurs commentateurs s'interrogent sur la qualité narrative : les LLM produisent peu de créativité, de suspense ou de rebondissements cohérents ; les cas générés risquent de ressembler à du remplissage plutôt qu'à des énigmes convaincantes
- L'interface gameplay pose problème : le jeu peut se réduire à «cliquer partout» et à revenir sur des lieux sans indication claire, rendant l'expérience frustrante comparée aux jeux de détective classiques (Sherlock Holmes Consulting Detective, Where in the World is Carmen Sandiego)
- Un testeur rapporte avoir résolu un cas presque sans interagir réellement avec le LLM, suggérant que les questions suggérées et l'exploration suffisent, rendant l'agent IA peu critique pour la progression
- Les fichiers traductions (italien) contiennent des erreurs évidentes (tournures maladroites, grammaire incorrecte), soulevant des doutes sur le soin apporté au produit
- La viabilité économique n'est pas abordée : même avec des modèles bon marché (Luna, Haiku), les coûts d'inférence par session ne sont pas négligeables ; aucune explication sur la monétisation d'un jeu censé rester gratuit
Notre lecture
Concept intéressant sur le papier, utiliser des LLM pour générer des scénarios détectives variés, mais l'exécution bute sur des limites réelles : les LLM ne créent pas spontanément du suspense crédible, la mécanique de jeu est encore rudimentaire, et l'économie de l'inférence n'est pas résolue. Pour les amateurs de jeux narratifs ou d'expériences IA, c'est à tester (gratuit, quelques cas disponibles) sans prise de tête. Mais ce n'est probablement pas le redémarrage du jeu de détective qu'on attend. À surveiller surtout pour voir si la qualité narrative s'améliore avec de meilleurs modèles ou une curation humaine plus sérieuse.