La difficulté est un facteur fondamental de plaisir et de motivation dans les jeux vidéo. Ainsi, de nombreux jeux utilisent des systèmes d'ajustement automatique de la difficulté pour offrir au joueur un niveau de challenge optimal. Cependant, la plupart de ces systèmes sont spécifiques à un jeu donné, limités à un certain niveau de difficulté, ou nécessitent plus de données que peut en être récoltée au cours d'une courte session de jeu.. Dans cet article, nous proposons l'algorithme δ-logit. Cet algorithme peut être utilisé sur de nombreux types de jeux, permet au développeur de choisir précisément son niveau de difficulté avec, au cours de notre expérience, un taux d'erreur inférieur à 20% en moins de deux minutes de jeu. Pour estimer la difficulté le plus rapidement possible, δ-logit s'appuie sur une seule métavariable pour ajuster la difficulté. Il début par un simple simple équilibrage +/-δ pour observer le comportement du joueur, puis utilise un régression logistique pour estimer la probabilité d'échec du joueur dès que la plus petite quantité de donnée nécessaire a été enregistrée. Le but de cet article est de décrire δ-logit et d'estimer sa précision et sa vitesse de convergence pour une étude regroupant 37 participants pour un jeu de combat de tanks.