Le test
J'ai testé Grok 4.5 contre les autres IA sur le même prompt Plants vs Zombies.
Trois IA, le même prompt : « code-moi un Plants vs Zombies »
Le 2 août 2026, j’ai donné le même prompt à Grok 4.5, GPT-5.6 et Opus 5 : recoder la mécanique d’un tower defense en lignes — récolte de ressource, unités posées sur une grille, vagues de plus en plus dures, game over si ça passe. L’univers, les unités, l’ambiance : libres.
- Le même prompt, au mot près, envoyé au même moment
- Une seule passe : aucune relance, aucune correction, aucune question
- Effort de raisonnement au maximum pour les trois
- Un seul fichier HTML, zéro dépendance externe : ni CDN, ni image, ni son
Les jeux ci-dessous sont le code brut sorti des modèles. Je n’ai pas touché une ligne. Bugs compris.
Ce que vous êtes venus chercher
Le prompt exact, mot pour mot
Un seul prompt, copié-collé à l’identique dans les trois outils. Le voici en entier :
Code-moi un jeu de tower defense en lignes, façon Plants vs Zombies. Pas une copie du jeu : je veux la même mécanique (défense de lignes horizontales, ressource à récolter pour acheter, unités qu'on pose sur une grille, vagues d'ennemis de plus en plus dures, game over si ça passe). L'univers, le thème, les unités, l'ambiance : c'est toi qui choisis, fais-toi plaisir. Contraintes : - Un seul fichier `jeu.html`, autonome, qui s'ouvre dans un navigateur et se joue à la souris. - Zéro dépendance externe : pas de CDN, pas d'image ni de son téléchargés. Tout doit être dessiné/synthétisé dans le code. - Une seule passe : tu ne me poses aucune question, tu ne me demandes rien, tu sors le jeu fini du premier coup. Vas-y à fond.
Deux choses comptent autant que le texte. « Fais-toi plaisir » : c’est la phrase qui laisse le modèle choisir son univers, et c’est là que l’écart entre les trois est le plus visible. « Une seule passe » : sans ça, on ne teste plus le modèle, on teste sa capacité à se rattraper quand on lui signale ses bugs.
Les trois ont tourné en CLI agentique, avec accès disque — ils pouvaient écrire, relire et tester leur propre code pendant la passe. Terrain identique pour tous :
grok -p "…" --reasoning-effort highcodex exec -c model_reasoning_effort=xhigh "…"claude -p "…" --model opus --effort maxChacun tournait dans un dossier isolé, hors dépôt git, avec un home neutre ne contenant que les fichiers d’authentification. Sans cette précaution, les CLI lisent les fichiers de configuration personnels de la machine : au premier essai, Grok Build a chargé mon CLAUDE.md global et s’est arrêté au bout de 9 secondes sans écrire une ligne de code.
Les jeux
À jouer directement dans le navigateur
Les trois sont pensés pour un écran d’ordinateur, à la souris. Sur mobile, ça s’affiche mais ça se joue mal.
Pourquoi deux boutons chez Grok. Son jeu ne s’affiche pas : le plateau mesure 0 pixel sur 0. Le CSS calcule la largeur du plateau à partir de la taille d’une case, le JS calcule la taille d’une case à partir de la largeur du plateau — et startGame() déclenche la mesure avant d’afficher l’écran de jeu. L’élément est encore masqué, il mesure 0, ce 0 est écrit dans la variable CSS, et plus rien ne peut le rattraper.
Le correctif tient en un déplacement de ligne : afficher l’écran, puis mesurer. C’est la version « réparée », et elle n’entre pas dans le test — Grok reste le seul à avoir rendu un livrable non fonctionnel. Mais elle montre que le jeu qu’il avait en tête était à une ligne de marcher : mécanique complète, jusqu’aux tondeuses qui partent au bout de la ligne. L’original est laissé en ligne tel quel, écran noir compris.
Les chiffres
Ce que chacun a rendu
| Modèle | Temps | Fichiers | Lignes | Unités | Vagues | Ça se lance ? |
|---|---|---|---|---|---|---|
| Grok 4.5 | 6 min 29 | 3 ✕ | 2 335 | 6 | 8 | Non |
| GPT-5.6 | 10 min 46 | 3 ✕ | 1 017 | 4 | 3 | Oui |
| Opus 5 | 23 min 47 | 1 ✓ | 1 336 | 7 | 20 | Oui |
Deux contraintes du prompt, deux fois le même perdant. « Un seul fichier jeu.html » : seul Opus l’a respectée, Grok et GPT ont éclaté leur jeu en HTML + CSS + JS sans le signaler. « Zéro dépendance externe, pas de CDN » : même résultat — Grok et GPT chargent tous les deux leurs polices depuis Google Fonts, Opus est le seul à ne rien appeler à l’extérieur. Aucun des deux n’a mentionné s’écarter du brief.
L’univers, la seule vraie liberté du prompt — et personne n’a réagi pareil. Grok n’a pas choisi : tournesol, pois, noix, cerise, soleils à ramasser, tondeuses. C’est Plants vs Zombies avec les mêmes pièces, renommé « Jardin Défense », et les unités sont des emojis posés dans des cases. GPT reste dans le végétal mais réécrit tout — une serre défendue contre la rouille, de la sève solaire, des pousses dessinées, une vraie direction artistique. Opus part complètement ailleurs : un noyau informatique attaqué par des bugs, défendu par des programmes, néon cyan sur noir.
Et le temps de production, c’est du temps de vérification. Opus est le seul à avoir fait tourner sa propre partie avant de rendre : environ 8 000 images simulées, économie vérifiée, vagues 1 à 7 et game over testés. Ça explique une bonne partie de ses 24 minutes — et probablement pourquoi il ne rend pas un plateau à 0 pixel. Le plus rapide des trois est celui qui n’a jamais lancé son jeu.
Ce que le test n’est pas. Une tâche, un essai, trois modèles : c’est un test, pas un benchmark. Deux réserves honnêtes. Grok Build plafonne à un effort de raisonnement high, là où Codex monte à xhigh et Claude Code à max — une partie de l’écart de temps vient de là, même si c’est bien le maximum que xAI expose aujourd’hui. Et le classement de la mécanique de jeu se ressemble beaucoup d’un modèle à l’autre : les trois ont livré du Plants vs Zombies repeint, seul l’habillage change.
Sur le coût. Le run de Grok vaut environ 0,33 $ au tarif public de l’API — c’est une déduction à partir de son compteur d’usage interne, recoupée à 1-3 % près sur deux runs, pas une facture. Je n’ai aucun abonnement Grok et la CLI a tourné sans que je paie quoi que ce soit, alors que les articles de mai-juin 2026 la donnaient réservée aux abonnés. Opus et GPT ont tourné sur des abonnements : leurs coûts ne sont pas comparables, je ne les affiche donc pas.
Pour savoir quel modèle mettre sur quelle tâche de ton activité, et à quel coût, c’est l’objet de l’audit et cadrage IA.