- ▸ De Cluedo à la voix : le suspect qui vous répond de vive voix
- ▸ Deux cerveaux plutôt qu'un : l'architecture de l'interrogatoire vocal
- ▸ L'accusation déclenche un outil : comment le juge décide qui a raison
- ▸ Trente minutes, un monde, trente messages : l'économie qui bride le jeu
Deux projets présentés sur Hacker News, WhoDunnitAI et Mystwright, laissent le joueur mener l’enquête à l’oral, en parlant à des suspects synthétiques. Derrière l’immersion, une architecture en deux modèles : l’un converse, l’autre vérifie les preuves avancées. Ce dossier décortique la mécanique, ses limites de coût, et ce que cette bascule vers la voix change pour le jeu narratif.
Ce qu’il faut retenir 1. WhoDunnitAI fait dialoguer le joueur avec des suspects en parole-à-parole via le modèle GPT-realtime-2.1 d’OpenAI, transporté en WebRTC. 2. Un second modèle, gpt-5-mini, joue le juge : il décide quelles preuves requises du dossier le joueur a réellement présentées. 3. Chaque suspect déclenche un outil dès qu’une accusation directe est formulée, capturant la cible et la liste fidèle des preuves énoncées. 4. Les sessions sont plafonnées à 30 minutes ; l’offre gratuite ouvre un monde, 30 messages et un seul modèle par défaut. 5. Mystwright génère le monde, le crime et le casting de façon procédurale : aucune partie identique, l’intrigue s’adapte en cours de jeu.
De Cluedo à la voix : le suspect qui vous répond de vive voix
Le roman policier a toujours reposé sur un pacte : le lecteur reçoit les indices, le détective raisonne, la vérité tombe à la dernière page. Le jeu de société Cluedo a figé ce pacte dans un plateau, des cartes et une enveloppe scellée. Les fictions interactives et les jeux à séquences filmées, du texte à commandes des années 1980 aux enquêtes par vidéo comme Her Story, ont introduit l’interrogatoire, mais toujours à partir d’un corpus fini de réponses préenregistrées. Le joueur cherchait la bonne clé dans une serrure connue.
WhoDunnitAI et Mystwright déplacent cette serrure. Le premier, signé Chase Myers et présenté sur Hacker News le 10 août 2026, propose d’interroger des suspects « parole contre parole » : vous parlez, ils répondent avec une voix synthétique, en temps réel. Le dossier de départ existe — la démonstration s’articule autour d’un « Case File No. 001 » — mais les réponses des personnages ne sont pas écrites à l’avance. Elles sont générées à la volée par un modèle de langage, contraint par les faits du dossier.
Mystwright pousse la logique un cran plus loin. Présenté sur Hacker News le 14 septembre 2025, il génère procéduralement l’intégralité du scénario : le monde, le crime, le casting des suspects. La promesse tient en une phrase de la présentation — « no two games are the same », aucune partie n’est identique. Là où WhoDunnitAI enrichit un dossier pré-écrit, Mystwright fabrique le dossier lui-même. Deux façons opposées de résoudre le même problème : comment faire tenir une énigme cohérente quand le dialogue n’est plus scripté.
Deux cerveaux plutôt qu’un : l’architecture de l’interrogatoire vocal
La difficulté technique de WhoDunnitAI ne réside pas dans la voix seule, mais dans la contradiction qu’elle impose. Un modèle conversationnel fluide tend à être conciliant : il improvise, comble les blancs, dit oui pour faire plaisir. Un jeu d’enquête exige l’inverse — un suspect doit mentir avec constance, tenir sa version, et ne céder que devant une preuve. La solution retenue sépare les rôles entre deux modèles distincts.
Le premier assure la conversation. D’après la présentation de Chase Myers, les interrogatoires sont en « speech to speech » avec le modèle gpt-realtime-2.1 d’OpenAI, transporté sur WebRTC. Ce choix a une conséquence directe sur la latence : WebRTC est le protocole des visioconférences, taillé pour l’échange audio bidirectionnel à faible délai. Un suspect qui met deux secondes à répondre casse la tension d’un interrogatoire ; l’audio doit circuler dans les deux sens quasi instantanément, sans passer par des allers-retours texte-serveur classiques.
Le second modèle ne parle pas. Il arbitre. Toujours selon la présentation, un « separate gpt-5-mini judge » décide ensuite quelles preuves requises du dossier vous avez réellement présentées. Cette séparation est le cœur de la conception. Le modèle bavard reste dans son rôle de comédien ; un juge froid, moins coûteux, relit ce qui s’est dit et le confronte à la base de faits du cas. On évite ainsi que le même système joue le suspect et note la copie — configuration où le modèle serait juge et partie, avec le risque de valider ses propres improvisations.
Chaque session est par ailleurs rattachée à un identifiant utilisateur authentifié via Clerk, la brique de gestion des comptes. Détail d’apparence anodine, mais qui trahit une architecture pensée pour le suivi individuel : un monde, un joueur, un quota. La partie n’est pas anonyme et éphémère ; elle est comptée.
| Critère | WhoDunnitAI | Mystwright |
|---|---|---|
| Présenté sur Hacker News | 10 août 2026 | 14 septembre 2025 |
| Interaction | Voix, parole-à-parole (WebRTC) | Dialogue textuel, selon les sources disponibles |
| Modèle de conversation | gpt-realtime-2.1 (OpenAI) | non communiqué |
| Vérification des accusations | juge séparé gpt-5-mini | non communiqué |
| Scénario | dossier pré-écrit (Case File No. 001) | génération procédurale complète |
| Rejouabilité | dossier fixe | aucune partie identique |
| Auteur identifié | Chase Myers | non communiqué |
Ce tableau expose la ligne de partage. WhoDunnitAI mise sur la profondeur d’un cas maîtrisé et la richesse de la modalité vocale ; Mystwright mise sur la variété infinie au prix d’un contrôle moindre sur la qualité de chaque énigme. Les deux paient le même modèle sous-jacent — un LLM génératif — mais achètent des garanties différentes.
L’accusation déclenche un outil : comment le juge décide qui a raison
Le mécanisme le plus instructif de WhoDunnitAI se joue au moment de l’accusation. Chaque suspect dispose, selon la présentation de Chase Myers, d’un outil qu’il appelle dès que le joueur formule une accusation directe. En pratique, ce « tool call » est une fonction que le modèle déclenche non pas pour parler, mais pour enregistrer un état de jeu : qui vous accusez, et la liste fidèle des preuves que vous avez effectivement énoncées.
Cette capture est décisive parce qu’elle transforme la parole en donnée vérifiable. Dans un interrogatoire classique par IA, dire « c’est vous le coupable » suffirait à déclencher une réaction dramatique creuse. Ici, l’accusation est gelée dans une structure : une cible nommée, un ensemble de preuves listées. Le juge gpt-5-mini reprend cette structure et la confronte aux faits requis du dossier. Verdict : avez-vous présenté les bonnes preuves, ou avez-vous simplement crié un nom au hasard ?
La règle d’arbitrage énoncée est précise, et c’est elle qui distingue un jeu d’enquête d’un générateur d’ambiance. La paraphrase compte — « paraphrasing counts » — mais le soupçon vague et la pêche aux aveux ne comptent pas : « vague suspicion and fishing don’t ». Autrement dit, vous n’avez pas besoin de citer une preuve au mot près ; il suffit d’en restituer le fond. En revanche, accuser sans étayer, ou lancer des hypothèses en espérant une confirmation gratuite, est explicitement disqualifié.
Le chiffre qui structure le jeu : deux modèles, un seul verdict. Le comédien improvise, le juge tranche — et la validation ne dépend pas du ton employé, mais des faits réellement posés sur la table.
Cette exigence a une portée qui dépasse le divertissement. Elle répond au reproche le plus courant adressé aux jeux narratifs par IA : la complaisance. Un modèle entraîné à satisfaire l’utilisateur a tendance à récompenser l’intention plutôt que la démonstration. En logeant la validation dans un modèle tiers, muni d’une base de faits fermée, WhoDunnitAI impose une charge de la preuve. Le joueur ne gagne pas parce qu’il a deviné juste ; il gagne parce qu’il a construit un dossier. La nuance sépare l’énigme du théâtre d’improvisation.
Reste une zone grise que les sources disponibles à ce jour ne documentent pas : la finesse réelle du juge. Distinguer une paraphrase valide d’une pêche opportuniste suppose un jugement sémantique délicat, et un modèle « mini », choisi pour son coût, peut se tromper dans les deux sens — recaler une déduction correcte formulée maladroitement, ou valider une coïncidence. La conception est solide sur le papier ; sa robustesse à l’usage relève de l’expérimentation, non de la spécification.
Trente minutes, un monde, trente messages : l’économie qui bride le jeu
La contrainte la plus révélatrice de WhoDunnitAI n’est pas technique, elle est budgétaire. Un chronomètre coupe chaque session à 30 minutes. La justification donnée par Chase Myers est désarmante de franchise : « a 30 minute timer because well, I really don’t want to go broke while you sleep tonight » — un minuteur de 30 minutes parce que, honnêtement, l’auteur ne veut pas se ruiner pendant que vous dormez. La modalité vocale temps réel via un modèle de dernière génération coûte cher à la minute ; une session laissée ouverte toute la nuit facturerait sans rien produire.
L’offre gratuite dessine les mêmes bornes. Selon la présentation, le joueur peut créer un monde, envoyer jusqu’à 30 messages aux personnages, et n’utiliser que le modèle par défaut — décrit comme « not the fastest but is well rounded », pas le plus rapide mais équilibré. Trois quotas, trois curseurs de coût. Le nombre de mondes limite la génération initiale ; le plafond de messages limite l’inference conversationnelle ; le verrouillage sur un modèle unique empêche le joueur d’appeler, gratuitement, un modèle premium plus onéreux.
Mettons ces chiffres en rapport. Trente messages pour une session de 30 minutes, c’est un budget d’un échange par minute en moyenne. La contrainte est serrée : une véritable enquête suppose de recouper les versions, de revenir sur une contradiction, de confronter le suspect A aux dires du suspect B. Trente répliques laissent peu de marge pour cette gymnastique. Le joueur doit économiser ses questions comme un enquêteur économise ses cartouches — ce qui, involontairement, ajoute une tension stratégique.
Cette parcimonie raconte l’état réel de l’IA générative appliquée au jeu. Le goulot d’étranglement n’est plus la qualité du dialogue, désormais convaincante, mais le coût d’inference à l’unité. Un développeur indépendant qui expose un modèle temps réel au public assume une facture proportionnelle à l’engagement : plus le jeu est immersif et long, plus il saigne. Le minuteur de 30 minutes n’est pas un défaut de finition ; c’est la trace visible d’une équation économique que même les grands laboratoires n’ont pas résolue, comme nous l’analysions à propos de la bascule des capex vers l’inference. Le divertissement génératif se heurte au même mur que l’agentique : la latence coûte, et le temps réel coûte davantage.
Une intrigue qui se réécrit à chaque partie face au scénario figé
Mystwright incarne l’autre pari : plutôt que de brider l’usage d’un cas unique, générer un cas neuf à chaque fois. Sa présentation insiste sur deux propriétés — « the story adapts as you play », l’histoire s’adapte pendant la partie, et des « distinct character personalities », des personnalités de personnage distinctes. La première dissout la linéarité ; la seconde combat l’écueil des suspects interchangeables, tous dotés de la même voix générique.
L’adaptation en temps réel change la nature de l’objet. Un scénario écrit à l’avance possède une solution fixe : le coupable est décidé avant que le joueur ouvre le dossier. Un scénario qui s’adapte peut, à l’inverse, réorienter les indices selon la trajectoire de l’enquête. Ce ressort ouvre une rejouabilité que le format figé n’atteint jamais — mais il crée un risque symétrique : une intrigue qui se réécrit peut perdre sa cohérence causale, ce cordon logique qui relie le mobile, l’occasion et la preuve. Un bon polar tient parce que tout s’emboîte rétrospectivement. Une intrigue mouvante doit garantir cet emboîtement sans l’avoir planifié.
C’est précisément là que l’architecture de WhoDunnitAI éclaire celle de Mystwright par contraste. Le juge séparé de WhoDunnitAI existe pour ancrer la vérité dans une base de faits stable ; la génération procédurale de Mystwright, elle, doit fabriquer cette base à la volée, sans filet extérieur documenté dans les sources. La force de l’un — la cohérence garantie — est la fragilité potentielle de l’autre. Le lecteur qui a déjà croisé des générateurs de donjons sait que la variété infinie s’achète souvent par une baisse de densité narrative : mille énigmes tièdes contre une énigme ciselée.
Ce que la voix ajoute, et ce qu’elle exige
La modalité vocale n’est pas un simple habillage. Parler à un suspect plutôt que taper une question modifie la posture cognitive du joueur. À l’écrit, on rédige, on relit, on optimise sa formulation. À l’oral, on improvise, on hésite, on se coupe — et le suspect répond dans le même flux. Cette friction rapproche l’expérience de l’interrogatoire réel, où le rythme et le non-dit comptent autant que le contenu.
Mais la voix impose une dette technique lourde. Elle exige le transport temps réel (WebRTC), un modèle capable de traiter et générer de l’audio sans transiter par une étape texte visible, et une tolérance à la latence quasi nulle. Chacune de ces exigences pèse sur le coût, ce qui referme la boucle avec le minuteur de 30 minutes. WhoDunnitAI n’a pas choisi la voix par confort ; ce choix conditionne toute son économie. La question ouverte, que les sources ne tranchent pas encore, est de savoir si l’immersion gagnée justifie la marge sacrifiée — et si le grand public acceptera de payer pour des sessions courtes plutôt que de jouer gratuitement en texte, comme le permet une partie de l’offre.
Questions fréquentes
Ces jeux sont-ils réellement complexes ou de simples démonstrations amusantes ?
Mystwright génère procéduralement le monde, le crime et les suspects, ce qui suppose une complexité structurelle réelle. WhoDunnitAI ajoute un arbitrage par modèle tiers qui exige une vraie charge de la preuve. La complexité de conception est établie ; la profondeur ressentie dépend de la qualité du dialogue et de la finesse du juge, que les sources disponibles à ce jour ne quantifient pas.
Comment se déroule concrètement l’échange vocal avec un suspect ?
L’interaction repose sur un échange parole-à-parole (speech to speech) utilisant le modèle gpt-realtime-2.1 d’OpenAI, acheminé via WebRTC pour minimiser la latence. Vous parlez, le suspect répond avec une voix synthétique en temps réel. La conversation est rattachée à un identifiant utilisateur authentifié via Clerk, et plafonnée à 30 minutes par session.
Que se passe-t-il quand j’accuse quelqu’un ?
Le suspect visé déclenche un outil qui enregistre votre accusation et la liste des preuves que vous avez effectivement énoncées. Un modèle juge distinct, gpt-5-mini, confronte ensuite ces preuves aux faits requis du dossier. La paraphrase est acceptée, mais le soupçon vague et la pêche aux aveux sont écartés : il faut avoir posé les bons éléments, pas seulement crié un nom.
Pourquoi les sessions sont-elles limitées à 30 minutes ?
Parce que la voix temps réel via un modèle récent coûte cher à la minute. Chase Myers l’assume ouvertement : le minuteur évite qu’une session laissée ouverte facture toute la nuit. Le même souci économique explique l’offre gratuite bornée à un monde, 30 messages et un seul modèle par défaut.
Le vrai test de ces deux projets n’aura pas lieu dans leur code, déjà convaincant, mais dans leur addition mensuelle. Un jeu d’enquête vocal qui tient la cohérence et facture au juste prix résoudrait l’équation que le minuteur de 30 minutes rend visible. Tant que la latence temps réel restera aussi coûteuse, l’immersion se paiera en minutes comptées — et c’est cette contrainte, plus que la qualité des suspects, qui décidera de la viabilité du genre.
Sources citées – WhoDunnitAI — The Voice-Driven Murder Mystery – Show HN : Voice driven murder mystery, Interview AI suspects with your voice — Hacker News, 10 août 2026 – Show HN : Mystwright – AI generates dynamic murder mysteries you can solve — Hacker News, 14 septembre 2025
