Un ingénieur de Kontur compare les magiciens et les occultistes de D&D à l'ère des LLM sur Habr

Alexandre Ovtchinnikov, spécialiste senior en test chez Kontur, a publié sur Habr l'essai « From Wizard to Warlock: магия в D&D как метафора эпохи LLM » (« la magie de D&D comme métaphore de l'ère des LLM »). Il s'appuie sur le changement de classe de personnage dans le jeu de rôle sur table Dungeons & Dragons pour décrire ce qui arrive au travail humain depuis l'apparition des grands modèles de langage.

Quel rapport avec le magicien et l'occultiste de D&D ?

Dans le jeu de rôle sur table Dungeons & Dragons, le magicien (wizard) étudie ses sorts dans les livres pendant des années et maîtrise en détail la mécanique de chacun d'eux. L'occultiste (warlock), lui, tire son pouvoir magique d'une source extérieure — un protecteur — et peut déclencher des effets puissants sans comprendre tous les rouages de leur fonctionnement. À en juger par le titre, c'est précisément cet écart entre « magie du savoir » et « magie d'une source extérieure » que l'auteur utilise comme métaphore de l'ère des LLM, même si la source ne reproduit pas le texte de l'essai au-delà de son introduction.

• Auteur : Alexandre Ovtchinnikov, spécialiste senior en test chez Kontur
• L'article est paru sur Habr sous le titre « From Wizard to Warlock: магия в D&D как метафора эпохи LLM »
• Selon ses propres mots, l'auteur utilise activement les LLM pour des tâches personnelles depuis plusieurs années

Kontur (SKB Kontur) est une grande entreprise informatique russe basée à Iekaterinbourg. Elle développe des services pour les entreprises : déclarations électroniques, gestion électronique de documents et logiciels de comptabilité. Qu'un texte sur les LLM émane de la pratique d'un spécialiste du test dans une entreprise de ce profil est révélateur en soi : il ne s'agit pas de développeurs de produits d'IA, mais d'un métier technique voisin, où les grands modèles de langage deviennent un outil de travail au même titre que les logiciels habituels de test et d'automatisation.

Pourquoi l'auteur juge-t-il plus important de montrer les LLM aux

autres que de s'en servir lui-même ?

Ovtchinnikov écrit que son expérience la plus intéressante n'a pas été d'utiliser les LLM dans ses propres projets, mais de commencer à montrer ces outils à d'autres personnes. La formule souligne un fossé fréquent autour des nouvelles technologies : certains manient déjà les LLM avec aisance comme outil de travail, tandis que d'autres n'ont encore jamais vu ce dont ces modèles sont capables en pratique. Ces derniers ont besoin de quelqu'un qui leur montre un exemple concret sur leur propre tâche, et non une démonstration abstraite.

Si l'on suit cette métaphore, la question porte moins sur la technologie elle-même que sur le rapport des gens au résultat qu'elle produit : les uns veulent comprendre son fonctionnement interne avant de s'en servir, les autres sont prêts à utiliser l'outil tel quel s'il résout le problème ici et maintenant.

Ce que cela signifie

L'essai capte un thème de plus en plus présent dans les communautés professionnelles : les LLM changent non seulement ce que font concrètement les spécialistes, mais aussi la manière dont ils expliquent la situation à leurs collègues — par des métaphores, des analogies et des démonstrations sur des cas réels, plutôt que par des instructions arides. Pour les profils techniques qui introduisent ces outils dans leur équipe, l'exemple personnel et la démonstration concrète se révèlent souvent plus convaincants que n'importe quelle formation formelle.

Autre signe révélateur : ce type de textes ne vient pas du milieu des développeurs de modèles d'IA, mais de métiers techniques voisins comme le test. Cela montre indirectement à quel point les LLM se sont déjà diffusés dans les processus de travail au-delà de la communauté restreinte de l'IA.