Créé dans les années 1960 par Joseph Weizenbaum au MIT, ELIZA dialoguait avec des utilisateurs sans comprendre leurs propos comme le ferait une personne. Son retour en fonctionnement, après la découverte d’impressions de son code en 2021, permet de revisiter une question toujours actuelle.
ELIZA relève bien de l’histoire de l’intelligence artificielle, mais pas de l’IA générative contemporaine. Pour situer précisément ce programme face aux assistants modernes, il faut distinguer ses règles, ses effets sur les utilisateurs et les méthodes informatiques qui lui ont succédé.
A retenir : ELIZA et la définition de l’intelligence artificielle
- Un agent conversationnel historique fondé sur des règles explicites
- Une simulation de conversation sans compréhension humaine du sens
- Un effet psychologique encore pertinent face aux assistants modernes
- Une restauration révélatrice des enjeux du patrimoine numérique
Comment ELIZA fonctionnait-elle comme agent conversationnel ?
Cette distinction devient plus claire lorsqu’on observe la mécanique du programme. ELIZA ne produisait pas ses réponses grâce à l’apprentissage automatique : elle appliquait des règles prédéfinies à des phrases saisies par l’utilisateur.
Une simulation de conversation fondée sur la reformulation
Dans sa version la plus connue, ELIZA imitait un thérapeute non directif en reprenant des mots et des idées exprimés par la personne. Elle pouvait transformer une affirmation en question et ainsi encourager l’utilisateur à poursuivre, sans établir de diagnostic ni comprendre son vécu.
Ce mécanisme s’appuyait sur le repérage de termes et de structures simples, puis sur des modèles de réponse préparés. Par exemple, une phrase contenant une inquiétude pouvait déclencher une reformulation interrogative, donnant l’impression que le système suivait le fil personnel de l’échange.
Cette approche relève d’une forme d’IA symbolique : le concepteur décrit des règles que la machine applique. Elle constitue un jalon du traitement du langage naturel, mais ne correspond pas aux méthodes d’apprentissage des modèles actuels.
Pour comprendre le rôle de ces règles, quelques caractéristiques permettent de séparer la fluidité apparente des capacités réelles du programme.
Repères sur le fonctionnement historique :
- Repérage de mots-clés et de formulations particulières
- Réponses construites à partir de modèles écrits à l’avance
- Reformulation fréquente plutôt qu’explication ou résolution du problème
- Absence de compréhension humaine et de mémoire conversationnelle durable
Pourquoi ELIZA semblait parfois réellement attentive
La simplicité technique n’empêchait pas une réaction émotionnelle chez certains interlocuteurs. Quand un programme reprend les mots d’une personne et lui pose une question pertinente en apparence, celle-ci peut lui attribuer une écoute ou une empathie qu’il ne possède pas.
Ce phénomène est appelé effet ELIZA. L’expression rappelle qu’une conversation convaincante ne prouve ni la compréhension, ni l’intention, ni la sensibilité d’une machine ; cette prudence compte aussi lorsqu’un assistant contemporain adopte un ton assuré.
ELIZA face à ChatGPT : deux méthodes d’intelligence artificielle
Parce que l’effet de dialogue existe encore, la comparaison avec les assistants actuels aide à distinguer une continuité d’usage d’un profond changement technique. ELIZA et les modèles de langage produisent des réponses textuelles, mais leur manière de les construire diffère.
Des règles prédéfinies aux modèles entraînés
ELIZA sélectionnait des transformations écrites par son concepteur, tandis que les modèles de langage modernes apprennent des régularités à partir de vastes ensembles de textes. Ils peuvent suivre diverses consignes et générer des réponses longues, mais leurs formulations fluides ne garantissent pas l’exactitude.
Le tableau met en évidence les différences de méthode sans confondre une capacité à produire du texte avec une compréhension humaine. Il rappelle aussi que les limites ne disparaissent pas lorsque les outils deviennent plus polyvalents.
Aspect
ELIZA
Modèles contemporains
Méthode
Règles et réponses préparées
Génération apprise à partir de textes
Dialogue
Reformulations et questions récurrentes
Réponses variables selon la demande
Étendue
Formulations et scénarios limités
Usages diversifiés selon le modèle
Limite essentielle
Aucune compréhension humaine
Erreurs possibles malgré une réponse fluide
Le test de Turing et les apparences du dialogue
Dans l’histoire de l’IA, ELIZA est souvent rapprochée des débats sur le test de Turing, qui interroge la capacité d’une machine à paraître humaine dans un échange. Son intérêt est justement de montrer combien cette impression dépend aussi des attentes et de l’interprétation de l’interlocuteur.
Un utilisateur qui reçoit une reformulation adaptée peut croire que le système a saisi le sens profond de sa phrase. Or, la réponse peut résulter d’un déclencheur très simple, sans raisonnement sur la situation décrite.
Points de comparaison utiles :
- Fluide ne signifie pas nécessairement exact ou fiable
- Un ton empathique ne démontre pas une émotion vécue
- Une réponse adaptée en surface peut manquer son contexte
- La méthode de génération compte autant que le résultat visible
Cette différence de méthode explique pourquoi la restauration du programme importe autant que sa comparaison avec les outils d’aujourd’hui.
La restauration d’ELIZA et son héritage dans l’histoire de l’IA
Cette comparaison prend une dimension concrète avec la remise en marche du logiciel d’origine. Retrouver son code ne suffisait pas : les chercheurs ont dû recréer un environnement compatible avec des systèmes informatiques anciens.
Du code retrouvé dans les archives à son exécution
En 2021, l’archiviste du MIT Myles Crowley a découvert des impressions du code dans les archives personnelles de Joseph Weizenbaum. Ce matériau papier a servi de point de départ à un travail de reconstitution, car le programme dépendait d’un environnement désormais obsolète.
Les chercheurs ont recréé les conditions nécessaires à son exécution et complété certains éléments manquants. ELIZA est redevenue opérationnelle en décembre 2024 ; la démarche a ensuite été décrite dans une prépublication diffusée en janvier 2025.
Pourquoi préserver les défauts du programme historique
La restauration cherchait à conserver le comportement historique plutôt qu’à transformer le logiciel en application moderne. Ainsi, un problème connu a été maintenu : la saisie de chiffres peut faire planter le programme.
Ce choix rend visible une dimension souvent oubliée du patrimoine numérique : un logiciel dépend de son code, mais aussi de ses outils et de son environnement d’origine. L’accès au programme permet aux chercheurs et aux étudiants d’examiner directement un épisode fondateur de l’histoire de l’IA.
Repères sur la restauration d’ELIZA :
- Années 1960 : conception du programme par Joseph Weizenbaum
- 2021 : découverte des impressions de code dans les archives du MIT
- Décembre 2024 : exécution du programme sur un environnement adapté
- Janvier 2025 : diffusion d’une prépublication décrivant la démarche
Ce retour matériel rappelle qu’une machine peut sembler attentive sans l’être, et que ses limites doivent rester lisibles. L’héritage d’ELIZA tient autant à cette leçon qu’à son statut de pionnière.
Source : « ELIZA Reanimated », prépublication scientifique sur arXiv, janvier 2025 ; dépôt du code ELIZA réanimé sur GitHub.
Comprendre l'intelligence artificielle, un repère à la fois
Qu'il s'agisse d'histoire, d'éthique, d'apprentissage automatique ou de linguistique computationnelle, chaque mécanisme éclaire un peu mieux ce que les systèmes actuels savent réellement faire. Comprendre ces bases permet de suivre l'actualité de l'IA avec plus de discernement.
Pour aller plus loin
- Comparer les capacités réelles de différents systèmes conversationnels
- Vérifier la source d'une affirmation avant de la reprendre à son compte
- Suivre l'évolution réelle des systèmes d'IA, pas seulement leurs annonces
- Partager ces repères avec vos proches pour nourrir un débat mieux informé