Roblox a progressivement étendu l'intégration de l'intelligence artificielle dans le développement de jeux et l'ingénierie de plateforme, et ses derniers travaux internes se concentrent sur un problème auquel de nombreux studios sont confrontés : l'IA peut écrire du code, mais les ingénieurs ne lui font pas toujours confiance. Plutôt que de s'appuyer sur un modèle entièrement nouveau, Roblox a amélioré son IA en lui apprenant comment les ingénieurs de Roblox pensent réellement. En basant les outils d'IA sur des années de code interne, de revues et de données de production, l'entreprise a augmenté l'acceptation des pull requests générées par l'IA, passant d'environ 30 % à plus de 60 % sur un ensemble d'évaluation de 10 000 PR. Dans le même temps, un agent de nettoyage automatisé a atteint une précision de plus de 90 %.
L'approche déplace l'attention de la puissance brute du modèle vers l'intelligence de code sensible au domaine, où l'IA comprend la structure, l'historique et les attentes d'un environnement d'ingénierie spécifique au lieu de produire des suggestions génériques.
Pourquoi le code IA a toujours besoin de contexte humain
Dans l'industrie du logiciel, une grande partie du temps de développement est consacrée à la maintenance des systèmes existants plutôt qu'à la création de nouveaux. Roblox est confronté à la même réalité. Sur le papier, les tâches de maintenance semblent idéales pour l'IA car elles sont répétitives et bien définies. En pratique, les assistants IA ont souvent du mal avec la qualité, en particulier dans les bases de code vastes et matures.
Chez Roblox, le défi n'était pas que l'IA manquait de capacités, mais qu'elle manquait de contexte. Un modèle à usage général n'a pas connu deux décennies de décisions d'ingénierie, de contraintes de performance et de normes de codage de Roblox. Il n'a pas appris de centaines de milliers de pull requests fusionnées ni des millions de commentaires de revue où les ingénieurs seniors expliquent pourquoi certaines approches fonctionnent mieux à l'échelle de Roblox.
Même si de nombreux ingénieurs Roblox utilisent des outils d'IA, seule une petite partie des suggestions de l'IA est acceptée sans modifications importantes. Les ingénieurs rapportent que l'IA améliore la vitesse, mais la confiance dans la qualité du code généré par l'IA reste plus faible, en particulier dans les systèmes C++ hérités et l'infrastructure complexe. La solution de Roblox a été d'intégrer sa propre connaissance institutionnelle directement dans la manière dont l'IA raisonne sur le code.
Transformer la base de code de Roblox en intelligence structurée
L'historique d'ingénierie de Roblox s'étend sur près de 20 ans de commits, de documents de conception et de télémétrie d'exécution. Transformer cela en quelque chose que l'IA peut utiliser est plus complexe que de simplement lire des fichiers. Roblox exploite un grand environnement polyglotte avec C++, Lua, des graphes de build, des modèles et des dépendances dynamiques qui forment un réseau plutôt qu'un répertoire de code plat.
Pour rendre cela utilisable, Roblox a construit une plateforme qui unifie le contrôle de version, les systèmes de build et la télémétrie de production dans une représentation partagée. Cela préserve la syntaxe, la sémantique et les relations entre les systèmes, permettant aux agents IA de comprendre comment les différents composants se connectent et évoluent au fil du temps.
Un autre défi est l'alignement temporel. Les données d'exécution doivent être liées à la version exacte du code qui les a produites, même si la base de code continue d'évoluer. En liant la télémétrie à des révisions spécifiques, le système peut raisonner sur les performances, le comportement et les compromis d'une manière qui reflète la façon dont les ingénieurs expérimentés analysent les problèmes de production.
Le résultat est une base sur laquelle l'IA peut considérer le code comme un système vivant plutôt que comme un texte isolé.
Capturer le jugement de l'ingénieur à grande échelle
L'une des parties les plus précieuses de la culture d'ingénierie de Roblox se trouve dans les revues de code. Les ingénieurs seniors signalent à plusieurs reprises des modèles qui sont techniquement valides mais risqués à l'échelle de Roblox, tels que des appels bloquants dans des boucles à haute fréquence qui introduisent de la latence ou de l'épuisement des threads.
Traditionnellement, ces connaissances sont transmises manuellement du réviseur à l'auteur. Le système d'alignement de Roblox convertit ces moments en conseils permanents. Les ingénieurs peuvent définir des exemples qui décrivent à la fois l'apparence d'un modèle et pourquoi il est important. Lorsque l'IA ou un développeur touche à du code similaire plus tard, le système peut signaler le problème, expliquer le risque et lier aux normes internes.
Roblox analyse également les commentaires de ses pull requests historiques pour faire remonter automatiquement les leçons récurrentes. Les commentaires de revue sont intégrés dans un espace vectoriel, regroupés par thème et affinés en règles générales à l'aide d'une analyse assistée par modèle. Les experts du domaine examinent ensuite et promeuvent les candidats les plus solides dans la base de connaissances.
Ce processus transforme des années de feedback informel en normes structurées et réutilisables que les agents IA et les ingénieurs peuvent appliquer de manière cohérente. Une fois aligné sur ces exemples, Roblox a rapporté qu'un agent de codage a amélioré son taux de réussite interne, passant de la plage des 85 % à une correction complète sur son ensemble de données d'évaluation de référence.
Apprendre des suggestions IA échouées
Le système de Roblox n'apprend pas seulement du succès. Les suggestions IA rejetées, les mauvaises refactorisations et les régressions sont traitées comme des données de grande valeur. Les ingénieurs étiquettent les échecs avec des raisons et du contexte, et ces informations sont intégrées et indexées pour une utilisation future.
Lorsque l'IA propose du nouveau code, elle recherche les erreurs et les critiques précédentes pour éviter de répéter des problèmes similaires. Au fil du temps, cela crée une boucle de rétroaction où chaque revue renforce le comportement futur. Au lieu de rejeter les échecs, Roblox les transforme en signaux d'entraînement qui affinent la façon dont les agents raisonnent sur la qualité et le risque du code.
Mesurer la confiance avec des métriques d'ingénierie
L'amélioration de la qualité du code IA nécessite également une mesure fiable. Roblox a construit un cadre d'évaluation qui suit les performances des agents au fil du temps à l'aide de validations automatisées et humaines.
Le système teste l'IA sur des tâches de refactorisation, de correction de bugs et de test à l'aide de simulations reproductibles et de comparaisons d'experts. Les évaluations s'exécutent dans les pipelines d'intégration continue avant que les modifications ne soient fusionnées, tandis que les signaux post-fusion tels que les régressions, les annulations et les changements de latence sont suivis sur les versions.
Cela produit un score de qualité qui montre comment les agents s'améliorent ou régressent entre les versions. Après avoir introduit l'alignement sur les exemples et l'évaluation structurée, Roblox a vu l'acceptation des suggestions de PR passer d'environ 30 % à plus de 60 % sur un grand ensemble de tests. Un agent de nettoyage de fonctionnalités a également amélioré sa précision, passant de moins de 50 % à plus de 90 %.
Pour Roblox, la confiance se construit moins sur les promesses que sur un comportement prévisible et mesuré.
Ce que cela signifie pour l'avenir de l'ingénierie chez Roblox
Roblox étend sa plateforme avec des couches d'outils et d'automatisation supplémentaires afin que les agents IA puissent gérer plus que des tâches isolées. L'objectif à plus long terme est de maintenir la santé du code en continu tout en intégrant le contexte d'exécution et le jugement d'expert dans les flux de travail quotidiens.
Au lieu de considérer l'IA comme un assistant séparé, Roblox vise à en faire partie intégrante de l'environnement d'ingénierie. En combinant l'intelligence sensible au domaine, l'alignement sur l'expertise et l'observabilité, l'entreprise s'attend à une livraison plus rapide, une meilleure qualité et moins de temps consacré aux travaux de maintenance répétitifs.
Pour les ingénieurs, cela signifie que la mémoire institutionnelle devient disponible à la demande, et plus de temps peut être consacré à la création de fonctionnalités plutôt qu'à la correction de problèmes évitables.
Découvrez les cartes cadeaux Roblox sur Amazon ici.
Découvrez d'autres expériences Roblox populaires ici :
Foire aux questions (FAQ)
Qu'est-ce que l'intelligence de code sensible au domaine chez Roblox ?
L'intelligence de code sensible au domaine signifie entraîner les outils d'IA sur l'historique d'ingénierie, les normes et les données d'exécution propres à Roblox afin que le système comprenne comment le code de Roblox est structuré et revu, plutôt que de s'appuyer sur un comportement de codage générique.
Dans quelle mesure Roblox a-t-il amélioré l'acceptation du code IA ?
Roblox a augmenté l'acceptation des pull requests générées par l'IA, passant d'environ 30 % à plus de 60 % sur un ensemble d'évaluation de 10 000 PR après avoir aligné le comportement de l'IA sur les normes d'ingénierie internes.
Pourquoi un nouveau modèle d'IA n'était-il pas suffisant ?
Un modèle plus puissant seul ne comprend pas l'architecture unique de Roblox, ses contraintes de performance ou sa culture de codage. Roblox s'est concentré sur l'ajout de contexte provenant d'années de code et de revues internes au lieu de changer de modèle.
Comment Roblox capture-t-il l'expertise des ingénieurs pour l'IA ?
Roblox extrait des modèles des revues de code historiques et permet aux experts de définir des exemples qui décrivent à la fois ce qu'est un modèle et pourquoi il est important. Ceux-ci deviennent des règles réutilisables pour l'IA et les ingénieurs.
Comment Roblox empêche-t-il l'IA de répéter des erreurs ?
Les suggestions IA rejetées et les modifications échouées sont étiquetées et intégrées au système. Lorsque du nouveau code est généré, l'IA recherche les erreurs passées pour éviter de répéter des problèmes similaires.
Qu'est-ce que cela signifie pour les développeurs utilisant Roblox ?
Bien que le travail soit interne, de meilleurs outils d'IA améliorent la stabilité de la plateforme et la vitesse de développement, ce qui soutient finalement les créateurs qui développent des jeux et des expériences sur Roblox.
Est-ce lié au développement web3 ?
Non. L'intelligence de code IA de Roblox se concentre sur l'ingénierie de plateforme et les systèmes à grande échelle, pas sur les technologies web3.
