Interprétation du livre blanc technique d'Eliza : un système d'exploitation d'agent IA convivial pour Web3
TechFlow SélectionTechFlow Sélection
Interprétation du livre blanc technique d'Eliza : un système d'exploitation d'agent IA convivial pour Web3
Les possibilités d'Eliza ne sont limitées que par l'imagination de l'utilisateur.
Dédié à des analyses Web3 approfondiesAuteur : TechFlow
Enfin, Eliza a publié aujourd'hui son livre blanc technique tant attendu.
Bien que de nombreux agents d'IA soient fréquemment construits sur le cadre open source d'Eliza, il manquait jusqu’ici une description détaillée et rigoureuse sur la manière dont Eliza se définit techniquement.
Ce livre blanc y répond parfaitement, en décrivant précisément l’intégration profonde entre l’IA et Web3, l’architecture modulaire du système, ainsi que les détails techniques de sa mise en œuvre en tant que cadre open source.
Rédigé conjointement par Shaw, plusieurs membres d’Eliza Labs et des experts techniques d’organisations partenaires, ce document contient toutefois de nombreux détails techniques et concepts spécialisés qui peuvent rebuter les lecteurs non avertis.
TechFlow en propose ici une version simplifiée et synthétisée, afin de permettre à tous de comprendre rapidement l’essentiel du contenu.
1. Pourquoi créer Eliza ?
Notez bien : selon nous, toute réflexion doit commencer par définir un cadre — ici, pourquoi créer Eliza dans le domaine de la cryptographie ou de Web3, plutôt que de comparer ce cadre à d'autres cadres d'IA plus généraux ?
Dans cette optique, la section introduction et contexte du livre blanc apporte déjà une réponse claire :
Dans le domaine d’intersection entre l’IA et Web3, un vide évident persiste : l’absence d’un cadre d’agent capable d’intégrer parfaitement les applications Web3.
Plus précisément, le livre blanc identifie trois défis majeurs auxquels Web3 est confronté :
-
La complexité des transactions décentralisées : avec le développement rapide d’Ethereum, Solana, Base et d’autres blockchains publiques, gérer des actifs et exécuter des transactions sur différentes chaînes devient de plus en plus difficile. Bien qu’il existe déjà certaines plateformes d’échange, leurs fonctionnalités de base ne suffisent souvent pas pour les utilisateurs intermédiaires ou avancés ayant des besoins personnalisés.
-
L’exploitation de la valeur des données on-chain : la blockchain recèle une quantité massive d’informations précieuses, allant des indicateurs fondamentaux comme les changements d’adresses de détention, les prix des jetons et les capitalisations, à des métriques plus avancées telles que la proportion des comptes « baleines » ou les styles des market makers. Transformer efficacement ces données complexes en analyses exploitables reste un problème urgent.
-
La fragmentation de l’information sur les réseaux sociaux : pour l’industrie Web3, Twitter, Discord, Farcaster, etc., sont des canaux essentiels d’information. Mais avec la multiplication des influenceurs (KOL), l’information devient de plus en plus fragmentée. Trouver des insights pertinents au milieu de ce flot continu constitue un défi universel pour chaque trader.
C’est précisément face à ces besoins concrets qu’Eliza a vu le jour. En tant que premier système d’exploitation open source d’agents IA adapté à Web3, Eliza adopte une conception modulaire, permettant aux développeurs et utilisateurs de personnaliser des solutions selon leurs propres besoins.
Eliza cherche à abaisser le seuil d’accès aux fonctionnalités avancées d’IA pour les utilisateurs ordinaires, leur permettant de construire leurs propres agents sans nécessiter une expertise poussée en programmation.
Par ailleurs, le livre blanc compare également Eliza à d’autres cadres d’IA courants. Le tableau ci-dessous illustre clairement qu’Eliza affirme être le mieux adapté en matière de support Web3 — un point clé que le document entier souhaite transmettre.
2. Philosophie de conception et innovations technologiques d’Eliza
Trois principes fondateurs : simples mais puissants
Le succès d’Eliza n’est pas fortuit. Dès sa conception, l’équipe a établi trois principes fondamentaux :
-
Priorité aux développeurs Web3 : sachant que Web3 utilise principalement JavaScript/TypeScript, Eliza a choisi TypeScript comme langage principal. Cela permet aux développeurs d’utiliser des outils familiers et d’intégrer facilement des fonctionnalités blockchain dans leurs applications web existantes. Autrement dit, ils peuvent utiliser Eliza « immédiatement ».
-
Conception modulaire par plugins : Eliza décompose le système en un runtime central et quatre composants clés :
-
Adapter (adaptateur de données)
-
Character (personnalité de l’agent)
-
Client (interaction de messages)
-
Plugin (fonctionnalités générales)
Cette architecture permet aux développeurs d’ajouter librement leurs propres plugins, clients, personnages et adaptateurs sans avoir à s’occuper des détails du runtime central. Elle permet ainsi à Eliza de supporter un large éventail de fournisseurs de modèles (OpenAI, Llama, Qwen, etc.), d’intégrations de plateformes (Twitter, Discord, Telegram, etc.) et de compatibilités avec différentes blockchains (Solana, Ethereum, Ton, etc.).
-
Privilégier la simplicité à la complexité :
Avec des ressources d’ingénierie limitées, maintenir une implémentation interne simple permet d’économiser du temps pour développer de nouvelles fonctionnalités, s’adapter à de nouveaux cas d’usage et suivre le rythme effréné de l’évolution des domaines de l’IA et de Web3.
Innovations technologiques : progrès internes et externes
Sur le plan technique, les innovations d’Eliza se divisent en deux dimensions : renforcement interne et extension externe.
-
Renforcement interne : pour améliorer la capacité de raisonnement des modèles d’IA, Eliza intègre plusieurs technologies de pointe :
-
Chain-of-Thoughts (chaîne de pensée) :
-
Définition technique : introduire des explications étape par étape
-
Explication intuitive : comme lorsqu’on résout un problème de maths en détaillant les étapes, l’IA écrit aussi son processus de pensée plutôt que de donner directement la réponse. Cela rend les résultats plus précis et permet à l’humain de comprendre comment l’IA arrive à ses conclusions.
-
-
Tree-of-Thoughts (arbre de pensée) :
-
Définition technique : exploration parallèle de plusieurs solutions possibles
-
Explication intuitive : comme aux échecs où l’on envisage plusieurs coups possibles, l’IA explore simultanément plusieurs voies de solution avant de choisir la meilleure — comme emprunter la branche optimale d’un arbre mental.
-
-
Graph-of-Thoughts (graphe de pensée) :
-
Définition technique : relier les chemins de raisonnement entre eux
-
Explication intuitive : voir le problème comme un réseau où les idées sont interconnectées. Comme lorsqu’on crée une carte mentale en reliant divers concepts liés pour résoudre un problème complexe.
-
-
Layer-of-Thoughts (couches de pensée) :
-
Définition technique : raisonnement hiérarchisé de l’IA
-
Explication intuitive : diviser le processus de pensée en couches successives, comme un filtre. On commence par la vision d’ensemble, puis on affine progressivement vers les détails — un raisonnement progressif par strates.
-
-
Extension externe : pour renforcer la capacité de résolution de problèmes concrets, Eliza intègre plusieurs capacités externes :
-
RAG (génération augmentée par récupération) :
-
Définition technique : renforcer la génération via la récupération d’informations
-
Explication intuitive : comme un élève qui consulte son manuel pendant ses devoirs, l’IA peut consulter sa « bibliothèque » d’informations pour garantir des réponses plus précises.
-
-
Base de données vectorielle :
-
Définition technique : stocker et rechercher des données structurées
-
Explication intuitive : c’est la « bibliothèque » de l’IA, capable de retrouver rapidement des contenus similaires. Par exemple, si vous dites « je cherche un poème sur la lune », elle peut rapidement identifier tous les poèmes correspondants.
-
-
Recherche web :
-
Définition technique : accès en temps réel à l’information internet
-
Explication intuitive : permettre à l’IA de naviguer sur internet comme un humain, pour obtenir des informations actualisées, sans être limitée à une base de connaissances figée.
-
-
Conversion texte-en-image/vidéo/modèle 3D :
-
Définition technique : transformer une description textuelle en contenus multimédias
-
Explication intuitive : comme un artiste qui peint à partir d’une description écrite, l’IA peut générer des images, des vidéos ou même des modèles 3D selon vos instructions.
-
Comparaison avec d’autres cadres dans le domaine Web3
Dans l’écosystème actuel des cadres d’agents IA pour Web3, Eliza se distingue nettement. Selon les retours de plus de 50 chercheurs en IA et développeurs expérimentés en blockchain, Eliza surpasserait les autres cadres sur les critères clés suivants :
-
Support des fournisseurs de modèles
-
Compatibilité avec les blockchains
-
Complétude fonctionnelle
-
Intégration avec les réseaux sociaux
3. Eliza OS : un écosystème IA Web3 soigneusement conçu
Après avoir compris la philosophie d’Eliza, examinons maintenant comment ce cadre fonctionne concrètement. Imaginez Eliza comme un système de briques Lego méticuleusement conçu, où chaque pièce s’assemble parfaitement tout en offrant une grande flexibilité.
Composants centraux : cinq rôles clés
Dans l’univers d’Eliza, cinq composants fondamentaux interagissent pour former un système intelligent complet.
-
Agents : les protagonistes du système
Ils agissent comme des « assistants numériques » autonomes, chargés de gérer diverses interactions indépendantes. Chaque agent dispose de sa propre « mémoire » et « personnalité », capable d’engager des dialogues cohérents avec les utilisateurs via des canaux variés tels que Discord ou Twitter.
-
Fichiers de personnage (Character Files) : le « profil » de l’agent
Pour doter ces agents d’une personnalité, les fichiers de personnage sont indispensables. Ils constituent en quelque sorte le « CV » de l’agent, définissant non seulement son identité et ses traits de caractère, mais aussi les modèles qu’il peut utiliser (comme OpenAI ou Anthropic), ainsi que les actions autorisées (transactions blockchain, minting de NFT, etc.). Grâce à ces configurations fines, chaque agent peut exprimer une expertise et un comportement unique.
-
Fournisseurs (Providers) : le « système sensoriel » de l’agent
Pour interagir avec l’environnement extérieur, l’agent dépend des Providers comme de son « système sensoriel ». À l’instar des sens humains, ces fournisseurs lui transmettent en temps réel des données sur le marché, les détails de portefeuille, l’analyse des sentiments, etc., l’aidant ainsi à mieux comprendre le contexte ambiant.
-
Actions : la « boîte à outils » de l’agent
Lorsqu’une action concrète est requise, les Actions forment la « boîte à outils » de l’agent. Des ordres simples d’achat/vente aux générations complexes de NFT, chaque opération fait l’objet d’une validation de sécurité rigoureuse, assurant une fiabilité absolue dans les tâches financières. Ces compétences permettent à l’agent de jouer un rôle effectif dans le monde Web3.
-
Évaluateurs (Evaluators) : le « système de décision » de l’agent
Enfin, les Evaluators jouent le rôle de « système de décision » de l’agent, en charge d’analyser les contenus des dialogues, d’extraire les informations clés et d’aider l’agent à construire une mémoire à long terme. Ils surveillent l’avancement des objectifs et garantissent la cohérence globale du dialogue.
Interaction intelligente : bien plus qu’un simple échange verbal
Sur le plan de l’interaction, Eliza utilise un système de compréhension multicouche, comparable à un traducteur expérimenté qui, au-delà du sens littéral, perçoit aussi le contexte et l’intention derrière les mots. Ce système comprend avec précision les besoins réels de l’utilisateur, assure une expérience homogène sur différentes plateformes de communication, et adapte habilement ses réponses selon le contexte.
Système de plugins : des possibilités d’extension infinies
Le système de plugins d’Eliza est essentiellement une boîte à outils qui confère une puissante extensibilité au cadre. Cette extension s’exprime dans trois directions : génération multimédia, intégration Web3 et infrastructure :
-
En matière de génération multimédia : création d’images, vidéos, modèles 3D, génération automatique de séries de NFT, analyse et description d’images.
-
En matière d’intégration Web3 : prise en charge des opérations multi-chaînes (Ethereum, Solana, etc.), suite complète d’outils de transaction, intégration des principales fonctions DeFi.
-
En matière d’infrastructure : services de navigation, traitement de documents, conversion vocale-texte, etc.
Grâce à cette conception modulaire, Eliza préserve la stabilité du système tout en offrant aux développeurs des possibilités d’extension quasi illimitées. Cela lui permet de s’adapter aux nouveaux besoins et scénarios qui émergent continuellement dans l’univers Web3.
4. Quelle est la performance réelle d’Eliza ? Les chiffres parlent
Lorsqu’un nouveau cadre technologique apparaît, la question centrale est toujours celle de sa performance pratique. Sur ce point, Eliza fournit une réponse honnête.
Lors du test de référence GAIA (une plateforme spécialisée dans l’évaluation de la capacité des agents IA à résoudre des problèmes réels), Eliza a montré des performances remarquables. Ce test ne mesure pas une simple capacité de réponse, mais exige des agents IA des compétences en raisonnement logique, traitement multimodal, navigation web et utilisation d’outils.
Bien que le score d’Eliza (19,42 %) soit encore en deçà des meilleures solutions actuelles, ce résultat est impressionnant compte tenu de sa spécialisation dans le domaine Web3. En particulier, sur les tâches de base (niveau 1), Eliza atteint un taux d’achèvement de 32,21 %, démontrant une solide maîtrise des compétences fondamentales.
Web3 : un standard pionnier
Encore plus important, Eliza joue un rôle de « norme » dans le domaine Web3. Étant donné que les systèmes IA orientés Web3 en sont encore à leurs balbutiements, Eliza est le premier à proposer un système complet d’évaluation, traçant ainsi une voie claire pour tout le secteur.
Ce système d’évaluation comporte trois niveaux, qualifiés dans le livre blanc de « test de Turing » pour l’IA Web3 :
-
Compétences de base : création de portefeuille, échange de jetons, interaction avec des contrats intelligents, etc.
-
Fonctionnalités avancées : intégration des dernières technologies IA, comme la conversion texte-en-vidéo/3D ou le support RAG.
-
Caractéristiques avancées : capacité à planifier et raisonner de façon autonome selon les instructions utilisateur, réalisant ainsi une prise de décision véritablement intelligente.
À ce jour, Eliza a réussi à implémenter toutes les fonctionnalités du niveau de base et progresse vers le niveau avancé. L’équipe affirme croire fermement qu’un système d’agents IA entièrement autonome sera réalisé dans les prochaines années.
5. Applications pratiques : le marché vote avec son argent
Le livre blanc original inclut une section sur des exemples de code illustrant les applications concrètes réalisables avec ce cadre ; étant donné leur complexité technique, nous omettrons ces détails pour nous concentrer sur les cas d’usage macroscopiques.
Selon le livre blanc, au 14 janvier 2025, plusieurs projets Web3 majeurs avaient déjà construit leurs systèmes d’agents IA sur Eliza, représentant une capitalisation totale dépassant 20 milliards de dollars.
Ce chiffre en soi constitue probablement la meilleure reconnaissance du marché pour la robustesse technique d’Eliza.
Plus important encore, l’équipe d’Eliza est pleine de confiance en l’avenir. Elle estime que, avec l’évolution continue de ces « agents intelligents », nous entrerons dans une ère nouvelle où de multiples unités d’IA coopéreront ensemble. Comme l’a évoqué Dario Amodei, PDG d’Anthropic, avec sa vision du « data center de génies », Eliza ouvre justement la voie vers ce futur.
6. Limites actuelles et perspectives : une auto-analyse sincère
Aucun cadre technologique n’est parfait, et l’équipe d’Eliza reconnaît franchement les limites actuelles de son système dans le livre blanc.
Trois défis à relever
-
Absence d’un système de flux de travail : tout comme un assistant expérimenté a besoin de procédures normalisées, lorsqu’un développeur souhaite automatiser des tâches récurrentes (par exemple, compiler périodiquement des données provenant de multiples sources), le cadre Eliza actuel ne propose pas encore de solution prête à l’emploi. Pour cela, il faudrait encore s’appuyer sur des systèmes comme Dify ou Coze, qui offrent des interfaces graphiques pour concevoir des workflows.
-
Problèmes de performance dans les systèmes multi-agents : avec l’augmentation du nombre d’agents, la quantité de contexte et de mémoire à traiter croît de façon exponentielle. En particulier lors de tâches intensives d’entrée-sortie, trouver un bon compromis entre coût computationnel et efficacité opérationnelle reste un défi technique ouvert.
-
Besoin d’étendre le support multilingue : actuellement basé principalement sur TypeScript, Eliza devra élargir son support à d’autres langages comme Python ou Rust pour attirer davantage de développeurs issus de divers domaines.
Perspectives : ouvrir une nouvelle ère de l’IA décentralisée
Malgré ces limitations, l’importance d’Eliza dépasse largement celle d’un simple cadre technique. Il incarne une tentative pionnière d’intégration profonde entre l’IA et les applications Web3.
En concevant chaque module fonctionnel comme un programme TypeScript standard, Eliza garantit un contrôle total de l’utilisateur sur le système. Par ailleurs, il offre une intégration transparente avec les données blockchain et les contrats intelligents. Cette conception assure à la fois sécurité et grande extensibilité.
Comme le souligne la conclusion du livre blanc, les possibilités d’Eliza ne sont limitées que par l’imagination de ses utilisateurs. Avec l’évolution continue des technologies IA et Web3, Eliza continuera de se développer, restant à la pointe du mouvement vers une IA décentralisée.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
深潮TechFlow
