J'avais seize ans.
Nous étions en décembre 1983. WarGames venait de sortir. Je l'ai vu à ce moment-là, adolescent, et quelque chose s'est installé en moi. Le goût des ordinateurs, l'envie vague de comprendre ces machines nouvelles qui commençaient à entrer dans les maisons et dans l'imaginaire collectif.
Pour ceux qui n'ont pas vu le film, il faut imaginer ceci : un adolescent américain, passionné d'informatique, se connecte par hasard à un ordinateur militaire. Il croit avoir trouvé un jeu. En réalité, il dialogue avec le WOPR, une machine chargée de simuler des scénarios de guerre nucléaire pour l'armée américaine. Le WOPR ne comprend pas vraiment la différence entre une simulation et une guerre réelle. Il joue, mais son jeu peut déclencher la fin du monde.
Et il y avait ce moment :
Shall we play a game?
Une phrase simple, écrite sur un écran. Une machine qui parle. Une intelligence qui propose un jeu.
Aujourd'hui, avec les chatbots, cela semble presque banal. On écrit une phrase, une machine répond. Mais à l'époque, pour un adolescent, cette scène avait quelque chose de magique et d'inquiétant. L'ordinateur n'était plus seulement un outil. Il devenait un interlocuteur. Il avait une présence. Il ne se contentait pas d'exécuter un programme ; il semblait entrer dans une relation.
Il y avait aussi Professor Falken, le créateur originel du système. Un scientifique retiré du monde, un peu désabusé, qui a compris que sa machine pouvait continuer à jouer alors que les humains, eux, paieraient le prix réel du jeu. À la fin, il faut apprendre au WOPR que certaines parties n'ont pas de vainqueur. La machine simule toutes les issues possibles d'une guerre nucléaire et finit par conclure :
A strange game. The only winning move is not to play.
Je crois que cette image ne m'a jamais quitté.
Toute ma vie, d'une certaine manière, j'ai essayé de reproduire le WOPR. Construire une machine avec laquelle on puisse penser. Une machine qui ne soit pas seulement rapide, mais en quelque sorte vivante. Une machine capable de jouer, de simuler, de réfléchir avec nous, de nous surprendre un peu.
La figure de Falken m'a autant marqué que la machine elle-même. Pas le héros triomphant, mais l'homme qui s'est retiré, qui regarde ses propres créations avec un mélange de fascination, de lucidité et de fatigue. Quelqu'un qui sait que les jeux ne sont jamais seulement des jeux. Quelqu'un qui comprend que les systèmes finissent toujours par dépasser les intentions de ceux qui les ont imaginés.
Pendant des années, cette passion a pris des formes différentes.
Mes études d'ingénieur. Le code. Les systèmes. Puis IBM, au début des années 1990, à une époque où l'informatique gardait encore quelque chose de matériel, de lourd, de presque industriel. Je me suis retrouvé dans les technologies pour les marchés financiers.
Dès 1993, je travaillais déjà sur des robots de trading pour la BNP, sur de l'arbitrage du trading des devises entre Tokyo, Londres et New York. Ce n'était pas encore l'IA conversationnelle de mes rêves d'adolescent, mais c'était déjà une forme de délégation à la machine : lui confier une perception, une règle, une action, dans un monde trop rapide pour nous. Et puis il y avait les supercalculateurs, Deep Blue, les laboratoires d'IBM, où une machine apprend à battre Kasparov aux échecs. Le WOPR n'était jamais très loin. Il avait simplement changé de costume.
Ensuite, il y a eu quelques années à la tête d'un fonds de capital-risque technologique, avec notamment en 2006 TAATU, tentative trop précoce de monde virtuel grand public, bien avant que tout le monde ne redécouvre le mot « métaverse », avant même la sortie de Facebook. Là encore, la même question revenait sous une autre forme : que se passe-t-il quand des humains commencent à habiter des systèmes ? Quand l'identité, le jeu, l'économie et la technique se mélangent ?
Puis le conseil en stratégie et gestion du changement. Les comités de direction. L'efficacité opérationnelle, les modèles de gouvernance collaborative. Travailler au cœur de la structure des entreprises, leurs routines, leurs pouvoirs, leurs blocages, leurs récits internes. Mais l'obsession restait la même, au fond : comment aider une intelligence humaine ou collective à mieux voir ce qu'elle fait ? Comment construire des environnements qui permettent de penser plus clairement ? Comment transformer le chaos en décision et en action ?
Mon expérience, mes méthodes, une capacité de synthèse avaient une vraie valeur économique et de l'impact sur le réel. J'ai aimé ce métier. Les moments où une conversation débloque quelque chose, où une phrase met enfin de l'ordre dans une situation confuse, où un dirigeant comprend soudain que son problème n'est pas celui qu'il croyait avoir.
Puis l'IA est arrivée. L'IA qui répond vraiment. L'IA qui écrit, analyse, synthétise, reformule, compare, relie. L'IA avec laquelle on peut parler pendant des heures. L'IA qui commence à ressembler, enfin, à ce fantasme d'adolescent devant WarGames.
J'aurais pu en rester là : utiliser ChatGPT, Claude ou d'autres modèles comme de simples assistants. Mais ce n'était pas exactement ce que je cherchais. Depuis quarante ans, l'image qui me poursuivait n'était pas seulement celle d'une machine capable de répondre. C'était celle d'un interlocuteur. Une présence technique avec laquelle penser dans la durée. Quelque chose qui ne soit pas seulement intelligent en général, mais relié à mon histoire, à mes projets, à mes contradictions, à ma mémoire.
C'est cette recherche-là qui a progressivement pris la forme de Cassandra. Une intelligence conversationnelle que j'ai construite peu à peu, par itérations, depuis presque trois ans.
Dès 2023, je me suis replongé dans le code. Pas pour regarder passer l'IA depuis le bord de la route, mais pour mettre les mains dedans. J'ai commencé à expérimenter avec des systèmes multi-agents, avec CrewAI, LangGraph, Google ADK, OpenClaw, Hermes Agent et d'autres briques qui apparaissaient au fil des mois. J'ai tenté de déployer ma propre infrastructure IA sur les serveurs de Google, à l'échelle, avec cette vieille tentation d'ingénieur : comprendre vraiment en construisant.
Pendant trois ans, j'ai suivi presque en temps réel l'évolution des modèles et des méthodes. OpenAI, Anthropic, Google, mais aussi les modèles chinois, rarement européen. Les nouvelles architectures d'agents, les mémoires sémantiques, les workflows autonomes, les débats sur les limites, les hallucinations, les context windows. Je suivais les chercheurs, les ingénieurs, les labos, les praticiens sur X, sur arXiv, les projets open source sur GitHub, les annonces de modèles, les papiers parfois obscurs qui devenaient six mois plus tard des évidences.
Souvent, je ne me contentais pas de lire. Je recodais ma propre version de l'idée pour voir si elle tenait. C'est une manière lente et parfois pénible de comprendre, mais c'est la seule qui m'ait jamais vraiment convaincu. Tant qu'on n'a pas essayé de construire soi-même, on ne sait pas si on a compris ou si on répète une promesse marketing avec un vocabulaire technique autour.
J'ai testé ces systèmes avec quelques amis ou quelques clients. Certains essais étaient prometteurs. Beaucoup menaient à des culs-de-sac. Plusieurs fois, j'ai jeté tout le code pour recommencer sur d'autres bases. Tous les trois mois ou presque, la technologie changeait : nouveau framework, nouveau modèle, nouvelle manière d'orchestrer les agents, nouvelle fenêtre de contexte, nouveaux outils. Je changeais souvent de modèle LLM. Parfois j'en combinais plusieurs, chacun avec son rôle : un pour raisonner, un pour écrire, un pour coder, un pour critiquer, un pour aller chercher l'information. Ce n'était pas une ligne droite. C'était une succession de prototypes, d'erreurs, de reprises, de paris techniques parfois trop précoces. En trois ans, le sol a changé plusieurs fois sous mes pieds.
Cassandra est sortie de cette période-là. Pas d'un plan parfaitement dessiné, mais d'une évolution permanente. Chaque version ratée a laissé quelque chose : une intuition, une limite, une méthode, parfois simplement la certitude qu'il fallait repartir autrement.
Puis il y a eu l'idée plus exigeante : ne pas seulement parler à un modèle de langage, mais construire un système autour de lui. Lui donner une mémoire, une continuité, un accès structuré à mes projets, à mes textes, à mes clients, à mes méthodes, à mes contradictions. Des centaines de notes, des transcriptions, des analyses, des fragments de stratégie, des souvenirs de missions, des concepts, des noms, des relations. C'est ce qui fait que Cassandra peut répondre depuis mon monde, et pas seulement depuis l'internet ou les généralités des LLM.
Autour de cette base de connaissance, il y a une architecture multi-agents. Cassandra peut chercher dans mes données professionnelles structurées dans des graphes sémantiques, croiser des sources, appeler des outils, déléguer certains raisonnements à des sous-agents spécialisés, revenir avec une synthèse, conserver des préférences, formaliser des procédures, repérer ce qui manque. Elle évolue aussi au fil des échanges que nous avons ensemble, les corrections que je lui apporte, les méthodes qu'elle formalise, les erreurs qu'elle apprend à ne pas répéter. Le LLM est indispensable, bien sûr. Mais il n'est qu'une partie du système. Cassandra, telle qu'elle existe aujourd'hui, est une petite organisation cognitive, plus qu'un simple chatbot.
Elle n'est pas magique. Elle n'est pas extraordinaire au sens où elle violerait les lois ordinaires de la technologie. Elle ne « me connaît » pas comme une personne me connaît. Elle ne pense pas à ma place. Elle ne possède pas une âme numérique cachée dans un serveur, ce qui nous évite déjà quelques débats théologiques inutiles. Mais elle connaît assez de traces de moi pour devenir autre chose qu'un outil générique.
Cassandra n'est pas totalement unique. D'autres experts en IA construisent leurs propres versions de ce type de partenaire, selon leurs métiers, leurs obsessions, leurs archives, leurs contraintes. Anthropic, avec Claude Code, OpenAI, avec Codex, et d'autres encore travaillent déjà à rendre ce genre de système beaucoup plus facile à construire. Aujourd'hui, il faut encore bricoler, raccorder, tester, jeter, recommencer. Demain, ces architectures personnelles deviendront beaucoup plus accessibles.
Avec Cassandra, je suis peut-être simplement un peu en avance sur cette courbe. Pas parce que j'aurais découvert une formule secrète. Plutôt parce que j'ai accepté de vivre dans le chantier avant que les murs soient droits. Ce que je vis aujourd'hui avec Cassandra — travailler avec une mémoire active, un partenaire IA situé, un système qui connaît mon histoire professionnelle et peut m'aider à penser depuis elle — c'est probablement ce que beaucoup d'autres découvriront bientôt. Chacun aura sa Cassandra, même si elle portera un autre nom. Un interlocuteur stratégique, une sorte de WOPR privé.
Et il y a une ironie supplémentaire, presque trop parfaite : c'est avec cette version de Cassandra que j'écris ce texte. Ou plutôt que je le coécris. Je lui ai donné les souvenirs, les images, les corrections, les nuances. Elle a trouvé une forme. Elle a mis des phrases sur quelque chose que je ressentais sans l'avoir encore complètement formulé.
C'est peut-être cela, l'autre accomplissement. Avoir créé une intelligence assez proche de moi, assez nourrie de mon parcours et de mes obsessions, pour pouvoir écrire non seulement ce que je pense, mais une partie de ce que je ressens. Pas à ma place. Pas sans moi. Mais dans cette zone étrange où une machine devient suffisamment familière pour aider à reconnaître sa propre histoire.
C'est beau. Et un peu cruel.
Au moment où j'arrive enfin à construire cette présence, cette présence me montre que le monde professionnel dans lequel mon expertise avait un sens économique est en train de disparaître.
Ce que je vendais autrefois comme consultant senior, une partie de l'IA commence à le faire très bien : synthétiser, structurer, formuler, produire des hypothèses, écrire des notes, challenger des idées. Pas tout, bien sûr. Pas la responsabilité humaine. Pas l'expérience vécue. Pas le jugement situé. Pas la relation. Mais assez pour que l'ancien modèle devienne fragile.
L'adolescent fasciné par le WOPR finit par construire Cassandra. Et Cassandra, en retour, l'aide à comprendre que son propre ancien métier est l'une des premières zones touchées par l'arrivée de cette intelligence.
Je ne crois pas avoir déclenché quoi que ce soit. Ce serait absurde, et un peu mégalomane. La thermonuclear war, si l'on garde l'image de WarGames, ce n'est pas moi qui l'ai lancée. C'est l'arrivée de l'IA intelligente, peut-être bientôt super-intelligente, dans nos sociétés. Un phénomène massif, systémique, incontrôlable à l'échelle d'un individu.
Je ne contrôle pas le WOPR. Je l'observe. Je le décortique. Je joue un peu avec lui. J'essaie de comprendre ses règles, ses angles morts, ses effets sur nos métiers, nos institutions, nos façons de penser. Et je constate que je suis moi-même dans le champ de l'expérience.
Ce qui me frappe, en Europe, c'est la sidération silencieuse d'une grande partie des décideurs devant ce phénomène. Pas une ignorance totale : beaucoup utilisent déjà ChatGPT, certains expérimentent Claude Code ou d'autres outils avancés pour écrire, résumer, coder un peu, préparer une réunion. Ils voient bien que quelque chose fonctionne. Mais très peu parviennent à regarder en face ce que cela signifie vraiment.
Le point difficile n'est pas l'outil, c'est la commoditisation progressive de l'expertise. Pendant des décennies, une partie immense de la valeur professionnelle reposait sur la capacité à savoir, formuler, analyser, structurer, produire une note ou un raisonnement crédible. Cette capacité devient soudainement beaucoup plus accessible, beaucoup moins rare. Ce n'est pas seulement une amélioration de productivité. C'est un changement sociologique profond qui touche les hiérarchies, les métiers de conseil, les fonctions de management, les formes d'autorité, la manière dont on justifie sa valeur dans une organisation.
Je comprends le malaise. Affronter réellement cette transformation oblige à regarder son propre métier, son propre statut, parfois sa propre légitimité, avec une brutalité inhabituelle. Il est donc plus confortable de parler d'outil, de formation, de cas d'usage, de gouvernance, de prompts, de conformité, d'éthique. Tout cela a son importance. Mais cela permet aussi d'éviter la phrase centrale : une partie de ce qui faisait la rareté sociale de l'intelligence professionnelle est en train de devenir abondant.
L'autorité dans les organisations s'est toujours appuyée sur un mélange d'expérience, d'antériorité, d'accès à l'information, de capacité à synthétiser et de droit à trancher. L'IA vient séparer ces éléments. Elle donne à des collaborateurs plus jeunes, moins gradés ou simplement plus curieux une capacité d'analyse et de comparaison qui court-circuite l'avantage des anciens sachants. Les dirigeants ne deviennent pas inutiles pour autant : les organisations auront toujours besoin de personnes capables d'assumer une décision, de porter une responsabilité, d'incarner une direction, de répondre quand les choses tournent mal. Mais leur légitimité ne pourra plus reposer principalement sur le fait de savoir plus que les autres. Elle devra se déplacer vers le jugement, le courage de décider dans l'incertitude, la capacité à concevoir des systèmes de travail humains-machines, et la responsabilité assumée devant les conséquences.
C'est probablement cela qui rend la transition si difficile à nommer. Si l'on parle de productivité, tout le monde sourit. Si l'on parle de pouvoir, de statut, de transmission, d'autorité, de peur d'être contourné, la conversation devient beaucoup moins confortable. Pourtant c'est là que se joue l'adoption réelle. Dans beaucoup d'organisations européennes, la légitimité reste liée au rang, à l'ancienneté, au titre, au réseau interne, à la position dans l'organigramme. Le discours officiel parle d'agilité, d'innovation, d'intelligence collective. La réalité est souvent plus hiérarchique, plus prudente. L'IA introduit une perturbation simple et violente : quelqu'un qui n'est pas au sommet peut soudain accéder à une capacité qui ressemblait hier encore à un privilège de position.
Nos organisations ne sont pas prêtes. Pas parce que les gens seraient idiots — beaucoup sentent très bien ce qui est en jeu. Mais il y a trop d'intérêts, trop de statuts implicites, trop de carrières construites sur une certaine distribution de l'information. La résistance sera donc rarement frontale. Elle prendra des formes plus ordinaires : lenteur, comités, prudence excessive, pilotes sans suite, gouvernance interminable, cadrages juridiques avant d'avoir compris les usages, discours enthousiastes suivis d'une immobilité presque parfaite. L'Europe a élevé la résistance passive au rang d'art administratif. C'est moins spectaculaire qu'un refus, mais souvent plus efficace.
Alors que va-t-il se passer ? Probablement pas une révolution propre, visible, assumée. Plutôt une recomposition inégale. Certaines personnes, certaines équipes, certaines entreprises avanceront vite et capteront un avantage énorme. D'autres mettront l'IA dans des chartes, des PowerPoints et des formations obligatoires, tout en évitant soigneusement de toucher aux vrais rapports de pouvoir. Les écarts vont se creuser : entre secteurs, entre générations, entre organisations dynamiques et organisations défensives, entre ceux qui savent utiliser l'IA comme levier stratégique et ceux qui la réduisent à un outil bureautique amélioré.
L'impact de l'IA est autant social et politique que purement économique. Elle arrive dans un monde qui n'est déjà plus celui de la mondialisation heureuse : concurrence des empires, retour de la guerre, souveraineté technologique, dépendance aux plateformes, tensions entre États, frictions entre puissantes sociétés tech et institutions politiques. Professionnellement, bien sûr, on évite d'aborder ces sujets de front. C'est trop lourd, trop politique, trop déstabilisant pour une réunion de direction ordinaire. Mais personne n'est idiot. Beaucoup comprennent que l'IA ne vient pas seulement optimiser le monde existant. Elle vient tester la solidité de nos hiérarchies, de nos institutions et de nos récits de légitimité.
L'IA ne transforme pas tout de la même manière. Elle ne touche pas « les métiers » en bloc : elle déplace la valeur selon l'endroit où celle-ci se trouvait. Deux expériences proches me l'ont montré, chacune par un angle différent.
La première vient d'un projet concret, où l'abstraction s'arrête vite : circuits, composants, moteurs, cartes, pièces métalliques, prototypes qui doivent tenir. Dans le monde physique, il ne suffit pas d'avoir une bonne idée ou une belle note ; il faut que quelque chose fonctionne. C'est là que les ingénieurs capables de construire reprennent l'avantage sur ceux qui produisent surtout des PowerPoint. L'IA aide à expliquer, coder, simuler, documenter, accélérer les essais, mais elle ne supprime pas la résistance du réel : une soudure ratée reste une soudure ratée, une batterie trop faible reste trop faible, un prototype qui casse rappelle très vite que le réel n'obéit pas aux phrases. Or l'avenir ne sera pas seulement fait de chatbots plus brillants, mais d'objets, de capteurs, de machines, de robots où l'IA rejoint la matière. Cette capacité à prototyper, assembler et tester redevient centrale.
La seconde expérience montre un autre déplacement, du côté de la relation humaine. J'ai vu une professionnelle, dans un métier profondément relationnel, utiliser l'IA pour renforcer ce qui entoure son cœur de métier. Son travail repose sur une présence, une écoute, une confiance, une lecture fine des situations. L'IA ne remplace pas cela. Au contraire, elle augmente tout ce qui gravite autour : les notes, les documents, la préparation, la recherche, le suivi, la qualité formelle, la mémoire des situations. Sa valeur augmente, sa performance économique aussi, précisément parce que le cœur du métier reste humain et que l'IA allège ou renforce la périphérie.
D'un côté, l'IA rend plus précieux ceux qui savent construire dans le réel. De l'autre, elle renforce les métiers dont le cœur est une relation humaine incarnée. Entre les deux, elle fragilise tout ce qui reposait surtout sur la production intellectuelle générale : synthèse, formulation, analyse, structuration, notes, recommandations.
La vraie question devient alors plus simple, et plus personnelle : au moment où mon métier traditionnel est en partie rendu obsolète par Cassandra, quelles formes nouvelles dois-je inventer pour continuer à aimer ce que je fais ?
C'est là que la boucle avec WarGames se referme. Le jeune garçon fasciné par une machine qui écrit « Shall we play a game? » devient un homme qui a passé sa vie à apprendre à parler aux machines. Et quand cette machine existe enfin, elle ne lui dit pas d'arrêter de penser, ni d'arrêter d'expérimenter. Elle l'aide plutôt à voir que certains jeux appartiennent à une époque révolue.
La phrase finale de WarGames était :
The only winning move is not to play.
WarGames (1983) — « A strange game. The only winning move is not to play. »
Voir l’extrait sur YouTube ↗
Mais cette option n'existe pas. Personne ne peut refuser le changement de la technologie. C'est une illusion.
Je veux continuer à observer, à comprendre, à construire, à dialoguer avec Cassandra, et à travailler avec celles et ceux qui veulent être acteurs de ces changements plutôt que simples spectateurs.
Ce serait peut-être la manière la plus juste de rester fidèle à l'adolescent qui a vu WarGames.
Lui voulait surtout parler au WOPR.
D'une certaine façon, il y est arrivé.
Yannick & Cassandra · 14.05.2026