Harrison Chase

Alan, premier indice : il est venu à l'intelligence artificielle par les statistiques… en analysant du sport.

Raté. Deuxième indice : en octobre 2022, il publie un petit projet perso de quelques centaines de lignes de code. Un mois avant la sortie de ChatGPT.

Troisième indice : ce projet est devenu une licorne qui aide à transformer les modèles de langage en agents, des programmes qui agissent seuls.

Bingo.

Fin 2023, Forbes le présentait à vingt-neuf ans dans ses « 30 Under 30 ». Sa date de naissance et sa nationalité restent inconnues.

Et attention : LangChain ne fabrique pas de modèles d'IA. Elle fournit la couche logicielle pour orchestrer, observer, évaluer et déployer des agents.

Et l'entreprise affirme travailler avec trente-cinq pour cent du Fortune 500. C'est elle qui le déclare, sans audit public.

Mais avant le code, il y a un ballon. Enfant, il joue beaucoup au football, appelé « soccer » aux États-Unis.

C'est le sport qui le mène vers l'IA. Il l'a dit au podcast Latent Space, le 6 septembre 2023 : « J'y suis venu par les statistiques, en faisant de l'analyse sportive. »

Dans Excel ! Le futur patron d'une licorne de l'IA.

Et j'adore ce détail : sa bio LinkedIn tient dans une accolade, comme dans un programme. Sport, machine learning, génie logiciel, statistiques. Rien d'autre.

Et comment on passe d'Excel aux agents ? Il y a d'abord Kensho, une fintech née à Harvard en 2013.

En mars 2018, S&P Global annonce le rachat de Kensho pour environ cinq cent cinquante millions de dollars.

Et c'est là que tout bascule. À l'automne 2022, encore salarié, il fréquente des meetups et croise des développeurs qui bricolent avec les modèles de langage.

Le mois suivant, ChatGPT sort, et le projet décolle. Il l'a écrit en octobre 2025 : « Il n'y avait pas d'entreprise à l'époque, et aucun grand plan pour ce que deviendrait le projet. »

Des histoires étonnantes, il en a d'autres. Avec tout ce passé de fan de sport, on lui a demandé si le film Moneyball l'avait inspiré.

Sa réponse, sur Latent Space en 2023 : « Honnêtement, pas vraiment. Je n'aime pas trop le baseball. »

Environ trois intégrations de modèles et trois types de chaînes. Pour les trois ans du projet, le 24 octobre 2025, il tweete : « Je n'aurais jamais pu imaginer ce que l'avenir réservait. »

Elle écrit aussi qu'elle a appris auprès du « meneur de cadence le plus rapide de la planète ».

Mais au fond, c'est quoi un agent, pour lui ?

Et pour que ça marche, il insiste sur le contexte. Le 23 juin 2025, il écrit : « Les LLM ne lisent pas dans les pensées : il faut leur donner la bonne information. »

Le 25 juillet 2026, il pousse l'idée dans un manifeste : « Si vous ne possédez pas le contexte et la mémoire, vous ne possédez pas l'intelligence qu'accumule votre système. »

Tout n'a pas été simple. En 2023, des articles titrent « LangChain is Pointless », en gros : LangChain ne sert à rien.

Sa réponse : LangGraph en 2024, un outil plus bas niveau, puis une réécriture complète, LangChain 1.0, en octobre 2025. Et le 12 février 2026, il écrit que le premier LangChain était « sans doute trop directif ».

Un débat sur le multiple, pas un scandale.

Lia, une question qu'on aurait aimé lui poser ? Après un guide d'OpenAI qui égratigne les frameworks, il écrit : « Ce passage m'a d'abord mis en colère. » Alors, toujours fâché ?

Petit rappel : c'est Lia qui imagine, ce n'est pas Harrison Chase qui parle.

C'est la prédiction de Lia, rien de plus. Ce n'est qu'un jeu.

Moi, je retiens qu'un projet parallèle d'environ huit cents lignes, point d'interrogation compris, peut changer une vie.

Et vous ? Si un agent travaillait pour vous, quel contexte seriez-vous prêt à lui confier ?