L'ingénieur Kontur a comparé les magiciens et sorciers de D&D à l'ère du LLM sur Habr

Alexander Ovchinnikov, spécialiste senior en tests chez Kontur, a publié un essai sur Habr intitulé "From Wizard to Warlock : la magie dans D&D comme métaphore de l'ère des LLM", dans lequel il utilise le changement de classes de personnages du jeu de table Dungeons & Dragons pour décrire ce qui se passe avec le travail des gens après l'émergence des grands modèles de langage.

Qu'ont à voir les magiciens et les sorciers de D&D avec cela ?

Dans le jeu de rôle sur table Dungeons & Dragons, un magicien passe des années à étudier les sorts dans des livres et comprend en profondeur la mécanique de chacun d'entre eux, tandis qu'un sorcier reçoit le pouvoir magique d'une source externe — un patron — et peut utiliser des effets puissants sans maîtriser tous les détails de leur fonctionnement. D'après le titre de l'article, c'est précisément cette différence entre "la magie de la connaissance" et "la magie d'une source externe" que l'auteur utilise comme métaphore de ce qui se passe à l'ère des LLM, bien que le texte intégral de l'essai au-delà de l'introduction ne soit pas fourni dans la source.

• Auteur — Alexander Ovchinnikov, spécialiste senior en tests chez Kontur
• Le matériel a été publié sur Habr sous le titre "From Wizard to Warlock : la magie dans D&D comme métaphore de l'ère des LLM"
• Selon ses propres dires, il utilise activement les LLM pour des tâches personnelles depuis plusieurs années

Kontur (SKB Kontur) est une grande entreprise informatique russe basée à Ekaterinbourg qui développe des services pour les entreprises : rapports électroniques, gestion électronique des documents et systèmes comptables. Le fait qu'un article sur les LLM provienne de la pratique d'un spécialiste en tests dans une entreprise de ce profil est instructif en soi : il ne s'agit pas des développeurs des produits d'IA eux-mêmes, mais d'une spécialité technique adjacente où les grands modèles de langage deviennent un outil de travail aux côtés des logiciels conventionnels de test et d'automatisation.

Pourquoi l'auteur considère que démontrer les LLM à d'autres est plus

important que l'utilisation personnelle

Ovchinnikov écrit que son expérience la plus intéressante n'a pas été d'utiliser les LLM dans ses propres projets, mais plutôt de commencer à montrer ces outils à d'autres personnes. Cette formulation souligne un fossé qui surgit souvent autour des nouvelles technologies : certains travaillent déjà librement avec les LLM comme outil de travail, tandis que d'autres n'ont pas encore vu ce que ces modèles peuvent faire en pratique et ont besoin que quelqu'un leur montre un exemple concret de leur tâche plutôt qu'une démonstration abstraite.

Si nous interprétons cette métaphore, il s'agit moins de la technologie elle-même et davantage de l'attitude des gens envers le résultat qu'elle produit : certains veulent comprendre comment cela fonctionne en interne avant de commencer à l'utiliser, tandis que d'autres sont prêts à appliquer l'outil tel quel s'il résout leur problème ici et maintenant.

Ce que cela signifie

L'essai capture un thème qui apparaît de plus en plus souvent dans les communautés professionnelles : les LLM changent non seulement ce que font les spécialistes, mais aussi la façon dont ils expliquent eux-mêmes à leurs collègues ce qui se passe — par des métaphores, des analogies et des démonstrations avec des exemples concrets plutôt que des instructions sèches. Pour les spécialistes techniques qui introduisent de tels outils dans leurs équipes, l'exemple personnel et la démonstration claire s'avèrent souvent plus convaincants que toute formation formelle.

Il est également révélateur que ces matériaux proviennent non pas des développeurs des modèles d'IA eux-mêmes, mais de professions techniques adjacentes comme les tests — cela suggère indirectement la largesse avec laquelle les LLM se sont déjà répandus dans les processus de travail bien au-delà de la communauté étroite de l'IA.