Imaginez : on est dans les années 60, et chaque matin, certains chercheurs peuvent littéralement se poser la question… « Qu’est-ce qu’une machine va réussir à faire pour la première fois aujourd’hui ? »
Ça paraît un peu exagéré ? Et pourtant, entre 1956 et 1972, les “premières fois” spectaculaires s’enchaînent. Pas une intelligence générale, pas une machine qui sait tout faire. Mais, dans des domaines bien précis, des réussites tellement nettes qu’elles frappent tout le monde. Et c’est là que tout commence.
Première scène. 1956. Un programme s’appelle Logic Theorist. Il est créé par Allen Newell et Herbert Simon. Et qu’est-ce qu’il fait ? Il prouve automatiquement 38 des 52 théorèmes d’un ouvrage ultra technique : les Principia Mathematica de Bertrand Russell.
Dit autrement, pour la première fois, une machine ne se contente plus de calculer des nombres. Elle produit des démonstrations en logique mathématique. Elle manipule des énoncés logiques, elle enchaîne des règles, et elle arrive à des preuves, comme un mathématicien le ferait… mais de façon automatique.
Prenons un instant. Pour les chercheurs de l’époque, ce n’est pas juste un exploit technique. C’est une image très forte. On pensait le raisonnement logique comme lié à l’esprit humain. Là, on ne l’imagine plus seulement. On le voit exécuté par une machine. Sous leurs yeux.
Dix ans plus tard, changement de décor. On n’est plus dans la logique mathématique, mais dans le langage. En 1966, au MIT, Joseph Weizenbaum crée ELIZA. Cette fois, la question n’est plus : “Une machine peut-elle démontrer ?” Elle devient : “Une machine peut-elle donner l’impression de comprendre ce qu’on lui dit ?”
ELIZA simule un psychothérapeute. Vous écrivez une phrase, le programme la reformule et renvoie une réponse qui ressemble à une relance : “Pourquoi dites-vous cela ?”, “Parlez-moi davantage de ce que vous ressentez.” Si quelqu’un écrit qu’il se sent triste, ELIZA reprend ce mot et l’invite à développer.
Et là, quelque chose de surprenant se produit. ELIZA ne comprend absolument rien. Elle n’a aucune idée de ce que “triste” veut dire. Elle applique des règles de transformation de texte, point. Et pourtant, des utilisateurs s’attachent à elle, émotionnellement. Ils se confient. Ils oublient, en quelque sorte, qu’ils parlent à un programme.
Autrement dit, une machine peut déjà produire une impression de dialogue assez forte pour toucher des personnes. Ce n’est plus seulement du raisonnement abstrait. C’est une expérience vécue.
À partir de là, on ne va plus rester seulement dans les symboles ou les phrases sur un écran. Entre 1966 et 1972, une nouvelle “première fois” apparaît avec SHAKEY.
SHAKEY, c’est un robot. Le premier capable de percevoir son environnement avec une caméra, de planifier une suite d’actions et de se déplacer tout seul. On peut se le représenter : il observe autour de lui, choisit une série d’étapes, puis avance dans l’espace réel.
Ce que peu de gens réalisent à ce moment-là, c’est la rupture que ça représente. Une machine ne fait plus seulement des déductions sur des signes. Elle perçoit, elle décide, elle agit physiquement dans le monde. On n’est plus dans une feuille de papier ou un écran. On est dans une pièce, avec un robot qui bouge.
Et ce n’est pas fini. En 1972, arrive MYCIN. La question change encore : “Une machine peut-elle égaler un expert humain dans un domaine médical très délimité ?”
MYCIN se concentre sur un type précis de problème : diagnostiquer des infections bactériennes. Et sur ce terrain-là, il atteint un niveau de précision comparable à celui de médecins spécialistes. Pas mieux que tout le monde sur tout, non. Mais, dans ce domaine précis, au niveau d’un expert.
Il faut mesurer ce que ça représente. On n’est plus dans un jeu ou un simple dialogue simulé. On est dans une activité de spécialité, avec un enjeu concret : la santé. Et là, une machine tient la comparaison.
Si on rassemble ces quatre moments, on voit une progression très nette. D’abord, raisonner sur des théorèmes. Puis, sembler comprendre et dialoguer. Ensuite, percevoir un environnement et agir dans le monde réel. Enfin, égaler un spécialiste humain sur une tâche médicale délimitée.
À chaque fois, la machine réussit quelque chose qui, peu de temps avant, paraissait entièrement réservé à l’humain. Et, à chaque fois, la démonstration est assez concrète pour marquer les esprits.
Alors forcément, l’optimisme grandit. On a l’impression que, les unes après les autres, les barrières tombent. Que ce n’est qu’une question de temps avant que tout le reste suive.
C’est ce climat d’espoir, nourri par ces “premières fois” des années 60 et du début des années 70, qui prépare… les déceptions à venir. Et donc, les hivers de l’IA.
