Comment Wolf Games crée des histoires policières immersives quotidiennes avec l'API Gemini

La demande de contenus frais et attrayants dans le gaming est incessante. Pour Wolf Games, une start-up innovante, cela signifie proposer chaque jour de nouvelles histoires policières interactives à ses joueurs. Pour atteindre cet objectif ambitieux, ils exploitent la puissance de l'API Gemini, en particulier Gemini 2.0 Flash et Gemini 2.0 Flash Thinking, afin de générer des récits complexes à une échelle sans précédent.

Wolf Games cible les joueurs mobiles et les amateurs de mystères qui ont envie de résoudre des énigmes au quotidien. Son application propose chaque jour des scènes de crime réalistes, avec des rapports de police, des photos, des interviews et des personnages dynamiques, ce qui permet aux joueurs de se plonger régulièrement dans de nouvelles affaires non résolues.

Pour maintenir cette cadence quotidienne, vous devez générer des contenus rapidement et précisément. Avant d'intégrer l'API Gemini, Wolf Games a rencontré des difficultés avec les modèles précédents, qui ne parvenaient pas à générer des sorties structurées cohérentes (avec un taux de réussite de seulement 80 %) et des temps d'exécution des requêtes lents (jusqu'à six minutes).

"Nous utilisons l'API Gemini dans notre DAG d'exécution rapide pour générer des histoires policières originales et attrayantes", explique Noah Rosenberg, cofondateur et directeur technique. "Notre processus orchestre de nombreuses invites finement ajustées pour générer du contenu structuré à partir d'un processus intrinsèquement non structuré : la génération de récits."

La solution de Wolf Games repose sur son outil interne, "Prompt Composer", qui gère son DAG d'exécution des requêtes. Ce framework leur permet d'intégrer des appels de fonction, d'exécuter des scripts Python personnalisés pour la logique (par exemple, pour s'assurer que les noms sont uniques) et de gérer l'état tout au long du processus de génération. Ils peuvent ainsi :

• Passez facilement d'un modèle à un autre, y compris Gemini 2.5 Pro, Gemini 2.0 Flash et Gemini 2.0 Flash Thinking.
• Utilisez la génération augmentée par récupération (RAG) en stockant tous les contenus générés, tels que les histoires d'arrière-plan des personnages et les événements de l'affaire, dans une base de données persistante, ce qui garantit la cohésion narrative. Par exemple, en référençant un graphe causal bayésien des événements, qui cartographie les dépendances logiques du récit, lors de la génération d'un relevé bancaire numérique pour garantir l'exactitude et la cohérence.
• Exigez une sortie structurée, en particulier au format JSON, qui est ensuite validée à l'aide d'outils tels que Pydantic, ce qui garantit la fiabilité en aval.

Wolf Games utilise Gemini 2.0 Flash Thinking pour générer du texte complexe avec de grandes fenêtres de contexte (plus de 100 000 jetons) et des sorties, ce qui permet de consolider les workflows qui nécessitaient auparavant de nombreuses étapes. Ils trouvent que Gemini 2.0 Flash est "incroyablement performant et fiable" pour accélérer les tâches. Ils utilisent souvent Gemini 2.5 Pro pour générer des exemples à quelques exemples qui améliorent les performances de Gemini 2.0 Flash.

Google AI Studio est un outil clé de son workflow. "Google AI Studio est devenu mon produit Google le plus utilisé, dépassant même Gmail, Agenda et la recherche dans mon utilisation quotidienne", explique Noah, qui souligne son utilité pour les tests rapides.

La migration vers les modèles Gemini a apporté des améliorations remarquables :

• Meilleure précision: les taux de réussite de l'exécution des requêtes ont bondi de 80 à 96 %, ce qui garantit des contenus structurés de haute qualité.
• Réduction de la latence: le temps de traitement des requêtes est passé de plusieurs minutes à moins de 20 secondes pour la plupart des requêtes.
• Production de contenus simplifiée: la rapidité et la fiabilité des modèles Gemini, en particulier Gemini 2.0 Flash, ont considérablement amélioré leur capacité à produire quotidiennement des histoires criminelles détaillées.

"Les modèles Gemini répondent directement à notre besoin de générer rapidement et de manière fiable des contenus narratifs structurés", souligne Noah. Pour Wolf Games, il est essentiel de générer du texte plus rapidement que les rédacteurs ne peuvent le lire, tout en maintenant leur état de flux créatif. Les modèles Gemini les ont aidés à y parvenir de manière cohérente.

Wolf Games prévoit d'exploiter davantage l'API Gemini, en particulier en explorant le potentiel créatif des futurs modèles pour générer des preuves de jeu encore plus réalistes. À la lumière de son expérience, Noah donne ce conseil aux développeurs :

"Prenez le temps de bien comprendre comment structurer les requêtes pour les modèles Gemini. Utilisez des modèles plus puissants pour créer les requêtes que les modèles plus rapides exécuteront." Il souligne l'importance d'un schéma bien structuré et d'exemples à quelques exemples, et suggère aux développeurs d'effectuer des "tests pour avoir une idée de la façon dont les modèles Gemini exploitent les données encodées dans l'espace latent".

Pour Noah, l'IA est un puissant catalyseur de créativité: "J'ai toujours été un peu maladroit avec le contenu. Grâce à l'IA, je peux créer tout ce dont je rêve, sans effort."

L'utilisation innovante de l'API Gemini par Wolf Games démontre son potentiel de révolutionner le développement de jeux, en permettant aux créateurs de produire des expériences immersives à un rythme sans précédent.

Pour commencer, accédez à Google AI Studio et explorez la documentation de l'API Gemini afin de commencer à créer l'avenir de l'IA.