IA narrative procédurale

Avant de concevoir un moteur narratif, nous devions comprendre le paysage des tentatives qui l'ont précédé. Non pas pour cartographier le domaine académiquement, mais pour répondre à une question d'ingénierie très précise : quelles décisions architecturales font échouer la narration générée par IA, et lesquelles préviennent ces échecs ?

La réponse compte parce que les modes d'échec de la narration IA ne sont pas évidents. Ils ne ressemblent pas à du code cassé. Ils ressemblent à du contenu techniquement cohérent mais experientiellement creux · une diffusion qui sonne comme une personne, un tableau d'affichage qui se lit comme un narrateur, un méchant dont la voix change entre les scènes, une histoire qui culmine toutes les cinq minutes jusqu'à ce que le joueur s'engourdisse. Ces échecs sont invisibles aux contrôles de qualité automatisés. Ils exigent de savoir à quoi ressemble le bon résultat, puis de comprendre pourquoi le système s'en est éloigné.

Cette recherche couvre trois couches : les systèmes existants qui ont tenté la génération narrative procédurale, les modes d'échec techniques qui apparaissent dans tous, et les interventions structurelles qui traitent chaque échec. Chaque décision de design du Narrative Engine peut être tracée jusqu'à quelque chose qui a mal tourné ici.

L'échec le plus ancien et le plus documenté de la narration IA est l'effondrement de la cohérence : l'effilochage progressif de la logique narrative au fil de l'extension d'une session. Des systèmes comme AI Dungeon ont rendu cet échec célèbre. Les utilisateurs commençaient une histoire avec une mise en place soigneuse · un personnage précis, un monde précis, une mission précise · et constataient qu'au quinzième échange, le personnage avait oublié son propre nom, le monde avait changé de genre, et la mission avait été remplacée par quelque chose d'entièrement sans rapport. L'histoire ne s'est pas cassée. Elle s'est dissoute.

Le mécanisme est architectural. Un LLM n'est pas un compréhenseur d'histoires. C'est un prédicteur de séquences. À n'importe quel moment, il génère la continuation la plus probable des tokens dans sa fenêtre de contexte. Il n'a aucun modèle interne de l'histoire, aucun enregistrement de ce qui a été établi, aucune compréhension de ce qui constituerait une contradiction. Il n'a que le texte récent. Quand le contexte antérieur · la motivation du méchant, l'emplacement de l'artefact, l'objectif déclaré du joueur · sort de la fenêtre de contexte, il est parti. Le modèle ne sait pas qu'il l'a perdu. Il génère simplement en avant, et la continuation suivante est plausible par rapport aux tokens récents tout en étant incohérente par rapport à l'arc complet.

Ce n'est pas un échec de capacité. Des modèles plus puissants aggravent ce problème d'une façon spécifique : ils génèrent des continuations plus convaincamment fausses. Un petit modèle produit un output manifestement cassé. Un grand modèle produit un output élégamment faux qui se lit comme intentionnel jusqu'à ce qu'on remonte trois scènes en arrière et qu'on réalise que le personnage dont on vient de pleurer la mort est toujours listé comme vivant deux beats plus tôt.

Le cadre SCORE 2025 (Story Coherence and Retrieval Enhancement) traite directement ce mécanisme. Il atteint une amélioration de cohérence de 23,6 % par rapport aux modèles GPT de base en maintenant des résumés au niveau des épisodes et un suivi des éléments clés dans une couche de récupération · en construisant effectivement l'état du monde externe que les LLM ne peuvent pas maintenir en interne. Le résultat réduit les hallucinations de 41,8 % et atteint 89,7 % de cohérence émotionnelle. L'amélioration est entièrement structurelle, indépendante des capacités du modèle. Le même modèle, avec les mêmes poids, produit un output dramatiquement plus cohérent quand on lui fournit un état explicite contre lequel raisonner.

C'est la leçon fondamentale. L'objet World State du Narrative Engine n'est pas une fonctionnalité de confort. C'est le mécanisme qui rend la narration cohérente étendue possible. Chaque appel de génération · chaque concept d'arc, chaque chorégraphie de beat, chaque dialogue de PNJ · doit recevoir la tranche pertinente de l'état du monde comme input explicite. Sans cela, le modèle génère dans le noir.

Il existe un deuxième échec moins discuté dans la littérature mais qui est le problème de qualité central dans notre système EV2090 existant. Appelons-le la génération aveugle au contexte : le LLM produit du contenu sans qu'on lui ait dit comment ce contenu sera consommé. Le résultat est un contenu narrativement exact mais tonalement faux · du contenu qui atterrit dans le mauvais registre pour son canal de livraison.

L'échec concret ressemble à ceci. Un message pour tableau d'affichage est généré. Les faits narratifs sont corrects. Le timing est juste. Le beat fait avancer l'histoire. Mais le texte se lit comme un narrateur qui résume les événements pour le lecteur, pas comme une note écrite à la main collée sur un tableau en liège par un docker effrayé. Une diffusion de station est générée. L'information est exacte. Mais elle sonne comme un personnage en train de se répandre plutôt que comme une annonce institutionnelle. Un échange NPC en COMMS est généré. Le contenu est là. Mais la voix est plate · ça pourrait être n'importe qui.

Cet échec a une cause précise. Quand un prompt dit « génère un message de tableau d'affichage sur la perturbation du fret », le modèle puise dans sa distribution d'entraînement de ce à quoi ressemblent les messages de tableau d'affichage. Mais ses données d'entraînement contiennent des millions d'exemples de texte narratif décrivant des événements · romans, scénarios, articles · et un échantillon comparativement minuscule de vraies notices écrites à la main sur des tableaux d'affichage. L'attraction statistique vers le registre narratif est plus forte que vers le registre correct du canal. Sans contraintes de canal explicites et détaillées dans le prompt, le modèle adopte par défaut le registre le plus courant qu'il a vu pour un contenu similaire.

Crucialmente, ce n'est pas un échec du modèle. C'est un échec d'architecture de prompt. Le modèle est capable de générer une notice de tableau d'affichage qui ressemble exactement à une notice de tableau d'affichage · mais seulement si le prompt fournit le canal de livraison avec suffisamment de spécificité : qui l'a écrite, dans quel état émotionnel, avec quelles contraintes physiques (griffonnée au marqueur ? tapée à l'imprimante ?), pour quel public, avec quelle convention de brièveté ou d'urgence. Quand ce contexte est présent, l'output se transforme. Quand il est absent, le modèle devine, et sa supposition est fausse.

C'est l'argument architectural pour la séparation de la couche de rendu du Narrative Engine. Sonnet décide ce qui se passe. Haiku reçoit cette décision plus un contexte de rendu riche · canal, voix, format, anti-patterns · puis génère le texte réel. Les deux préoccupations sont séparées précisément parce que les exigences de contexte de rendu sont complètement orthogonales aux exigences de contenu narratif. Un beat qui fonctionne comme une diffusion nécessite un échafaudage de prompt totalement différent du même beat rendu comme un document environnemental. Combiner les deux préoccupations dans un seul appel dégrade les deux.

Chaque système narratif procédural doit naviguer la même tension fondamentale : la liberté maximale du joueur produit des histoires incohérentes, et le contrôle structurel maximum produit des expériences qui semblent rédigées plutôt que vécues. L'industrie est arrivée à cette tension des deux côtés et a trouvé le même point d'équilibre étroit.

La génération non structurée pure · le modèle AI Dungeon · s'effondre sous un jeu étendu pour les raisons de cohérence déjà décrites. Mais il y a un échec supplémentaire au-delà de la cohérence : sans contraintes structurelles, l'IA perd le concept de forme narrative. Elle génère des continuations plausibles sans aucun mécanisme pour l'action montante, sans aucun concept d'un climax qui doit être mérité, sans aucune compréhension que l'histoire doit arriver quelque part. Les sessions semblent aller quelque part indéfiniment sans jamais y arriver. La tension ne se résout jamais. L'histoire ne se termine jamais. Le joueur finit par l'abandonner, non pas parce qu'elle est cassée, mais parce qu'elle n'a jamais rien signifié.

Le contrôle structurel pur · le modèle Ink / Twine · échoue pour la raison inverse. Chaque embranchement est rédigé manuellement. L'arbre des possibilités est fini et visible au joueur comme un menu de choix finis. Il n'y a pas de vraie improvisation, pas de surprise, pas de sentiment que le monde vous répond spécifiquement. L'histoire ne peut aller qu'aux endroits que l'auteur a préparés. C'est bien pour de petites expériences délimitées, mais ça ne passe pas à l'échelle et ça ne s'adapte pas.

La recherche de 2025 converge sur des approches hybrides. Des systèmes comme STORYVERSE traduisent des points d'intrigue abstraits définis par l'auteur · des actes narratifs · en actions de personnages détaillées via LLM, permettant à l'histoire d'évoluer dynamiquement tout en respectant le plan d'intrigue de l'auteur. La génération guidée par Answer Set Programming (ASP) produit des histoires structurellement plus diverses que les LLM non guidés tout en maintenant la solidité causale. Le schéma est constant : la structure gouverne la spine, la génération LLM remplit la chair.

Cette architecture résout aussi un problème subtil que la liberté pure crée : la dette d'escalade narrative. Quand un LLM n'a aucune contrainte de type de beat, il a tendance à escalader chaque scène pour qu'elle soit plus intense que la précédente, parce que les continuations intenses sont statistiquement plus susceptibles d'être positivement renforcées dans son signal d'entraînement. Le résultat est des histoires qui culminent trop tôt et ne peuvent pas redescendre. Au troisième échange, le destin de l'univers est en jeu. Au cinquième, ça s'est reproduit. Les contraintes de type de beat · imposées par le chorégraphe avant tout rendu · empêchent cela en exigeant que des slots de beat spécifiques soient remplis avec des beats Atmosphere, Character et Interaction, pas seulement des beats Story. L'arc a de l'espace respiratoire parce que l'architecture l'exige, pas parce que le moteur de rendu le choisit.

Les PNJ sont le signal de qualité le plus important de la narration interactive. Les joueurs pardonnent beaucoup · un rythme maladroit, une structure de beat répétitive, une intrigue prévisible · mais ils ne pardonnent pas un PNJ qui sonne différemment à chaque conversation. Le sentiment qu'un personnage est une vraie personne avec une vie intérieure cohérente est le fondement de l'investissement émotionnel. Briser cela, et l'histoire devient un générateur de texte plutôt qu'un monde.

L'approche naïve · « sois ce personnage : Marcus, un transporteur de fret bourru qui en a trop vu » · échoue de manière fiable sur des sessions étendues. Les chercheurs identifient cet échec comme ayant deux composantes. La première est la diversion d'attention : à mesure que la fenêtre de contexte se remplit d'historique de conversation et d'état du monde injecté, l'attention du modèle sur la description du personnage s'affaiblit. Le texte définissant le personnage est techniquement dans le prompt, mais son influence statistique sur l'output diminue par rapport au volume des autres tokens. Le PNJ commence à dériver vers un registre de « personne raisonnable » générique.

La deuxième composante est ce que la littérature appelle la Flanderisation · un terme emprunté à la critique d'animation. Un personnage complexe se simplifie progressivement jusqu'à ce qu'il ne reste que son trait le plus saillant. Marcus le transporteur bourru devient juste bourru. Puis juste irascible. Puis agressif générique. La nuance s'effondre sous le poids de la pression répétée de la génération.

La solution n'est pas une caractérisation plus riche au sens d'une description plus longue · c'est une caractérisation plus riche au sens de contraintes comportementales plus précises. Le modèle doit savoir non seulement qui est cette personne, mais ce qu'elle ne fait jamais, ce qu'elle fait toujours, comment elle structure ses phrases, quels sujets elle évite, quels sujets elle ne peut s'empêcher d'aborder. La recherche sur les « profils codifiés » montre que même des modèles d'un milliard de paramètres peuvent maintenir une cohérence de profil comparable à des modèles bien plus grands quand la logique comportementale est exprimée comme une contrainte exécutable plutôt qu'une description narrative. La contrainte est l'élément porteur, pas la prose.

Cela correspond directement au schéma d'entité du Narrative Engine. Une entité PNJ doit porter ses contraintes de voix · non pas comme une biographie de personnage, mais comme une spécification de rendu. Cette spécification est injectée dans chaque appel Haiku qui implique le PNJ. Le modèle n'a pas besoin de se souvenir qui est cette personne. L'architecture garantit que chaque appel produisant la voix de ce PNJ commence à partir des mêmes contraintes explicites.

Le rythme est la dimension la plus sous-estimée de la qualité narrative. Une histoire avec une bonne prose, un état du monde cohérent et des personnages consistants peut quand même sembler épuisante si chaque beat escalade l'intensité. Le drame exige le contraste. La tension ne se ressent que sur fond de repos. Un système qui escalade chaque scène ne produit pas un récit à hauts enjeux · il produit un engourdissement.

Les LLM livrés à eux-mêmes escaladent. Ce n'est pas un choix de design · c'est une tendance statistique. Les données d'entraînement sont biaisées vers des scènes qui étaient suffisamment engageantes pour être écrites et préservées. Les scènes engageantes tendent à impliquer du conflit, de la révélation ou des conséquences. Le modèle sur-échantillonne donc depuis le conflit et les conséquences quand il génère des continuations, parce que ces continuations sont statistiquement les plus similaires au contenu qu'il a été entraîné à produire. Un appel de génération non contraint pour « la scène suivante » produira de manière disproportionnée des scènes avec des enjeux relevés, des problèmes urgents et des menaces progressantes.

Le coût de ceci est invisible jusqu'à ce qu'on regarde l'arc dans son ensemble. Beat 1 : conspiration révélée. Beat 2 : nouvelle menace qui émerge. Beat 3 : les enjeux s'avèrent être plus élevés que prévu. Beat 4 : quelque chose est pire qu'attendu. Au beat 5, le joueur est à tension maximale depuis vingt minutes, et le climax nominal de l'arc · quand il arrive · atterrit sans impact émotionnel parce qu'il n'y a nulle part plus haut où aller. Le piège de l'escalade fait que chaque beat ressemble à un climax, ce qui fait qu'aucun n'en est un.

Les types de beats sont l'intervention architecturale. Quand le chorégraphe est tenu de produire une distribution spécifique de types de beats à travers un arc · beats Story, Character, Atmosphere, Interaction, Decision · l'escalade devient structurellement impossible. Un beat Atmosphere ne peut pas escalader les enjeux. Un beat Character ne peut pas faire monter le niveau de menace. Ces contraintes ne sont pas des limites créatives. Elles sont le mécanisme qui rend la variation émotionnelle possible en premier lieu.

La recherche sur la génération guidée par arc émotionnel (2025) le confirme directement. Les systèmes qui spécifient des trajectoires d'arc émotionnel · en incluant explicitement des segments de descente, pas seulement de montée · produisent des scores d'engagement des joueurs et de cohérence narrative significativement plus élevés que les systèmes qui génèrent des beats sans contraintes de rythme. L'arc émotionnel n'est pas une décoration appliquée après coup. C'est un input de design primaire qui doit contraindre la génération, pas décrire son output.

Cela signifie que le chorégraphe du Narrative Engine (Sonnet) doit spécifier les types de beats avant que Haiku ne rende quoi que ce soit. Le type de beat n'est pas une étiquette appliquée après génération. C'est une contrainte qui la précède. Un beat marqué beat Atmosphere doit être rendu par Haiku sous la contrainte qu'il ne peut pas faire avancer l'intrigue ni soulever les enjeux. Haiku ne décide pas si un beat escalade. L'architecture le fait.

Au-delà des modes d'échec spécifiques, cette recherche a fait émerger un ensemble de principes de design de prompts qui distinguent la génération fiable et de haute qualité de la génération médiocre et peu fiable. Ce ne sont pas des préférences philosophiques. Ce sont des patterns architecturaux observables aux conséquences mesurables sur l'output.

Un résultat supplémentaire concerne la décomposition des tâches. Les prompts qui demandent au modèle de simultanément générer du contenu narratif, spécifier des instructions de rendu, assigner des métadonnées de canal et définir des conséquences produisent un output inférieur à celui des prompts qui demandent chacun de ces éléments en séquence. L'architecture pipeline · où chaque phase a une seule responsabilité ciblée · n'est pas une préférence organisationnelle. C'est une réponse à une dégradation de qualité mesurable qui survient quand les appels de génération sont surchargés d'objectifs concurrents. L'atomicité dans les appels LLM améliore la qualité de l'output de la même façon qu'elle améliore la qualité du code : pour la même raison structurelle.

Le paysage de la narration procédurale IA est jonché de systèmes qui ont échoué pour des raisons structurelles · des raisons visibles rétrospectivement mais non prévenues dans la conception. Les modes d'échec sont connus. Les mesures correctives sont connues. La question restante est de savoir si un système peut les implémenter toutes simultanément, à l'échelle, sans que l'architecture s'effondre sous le poids de ses propres contraintes.

C'est la question à laquelle le Narrative Engine est conçu pour répondre.