IBM Watson est un système d'intelligence artificielle initialement développé par IBM pour participer au jeu télévisé américain Jeopardy!, puis étendu en une large gamme de produits commerciaux appliquant le traitement du langage naturel et le apprentissage automatique à des problèmes commerciaux et scientifiques. Les débuts publics de Watson ont eu lieu en février 2011, lorsqu'il a affronté les deux champions humains les plus titrés de Jeopardy!, Ken Jennings et Brad Rutter, lors d'un match d'exhibition télévisé et a gagné de manière décisive, un résultat largement couvert comme une démonstration marquante de la capacité de l'IA à analyser des questions ambiguës en langage naturel et à récupérer des réponses précises sous pression temporelle.
Le match Jeopardy!
Watson a été conçu pour répondre au format d'indice distinctif de Jeopardy!, qui présente une réponse que le candidat doit formuler sous forme de question, reposant souvent sur des jeux de mots, des calembours et des formulations indirectes, ce qui posait un défi substantiel de traitement du langage naturel par rapport à un question-réponse direct. Watson combinait plusieurs techniques de recherche d'information et de NLP plutôt qu'un seul modèle d'apprentissage profond, car il précédait l'ère du apprentissage profond qui allait dominer la recherche en NLP plus tard dans les années 2010 ; il recherchait dans un vaste corpus de textes stockés, y compris du contenu encyclopédique, et utilisait un score de confiance statistique pour décider à la fois quoi répondre et s'il devait ou non sonner. Watson a battu Jennings et Rutter sur un match en deux manches, remportant plus d'un million de dollars de prix, qu'IBM a reversés à des œuvres de charité.
Commercialisation
Après la victoire à Jeopardy!, IBM a créé une unité commerciale, notamment IBM Watson Health, autour de la commercialisation de la technologie sous-jacente pour des applications d'entreprise et scientifiques, principalement le soutien à la décision en oncologie, où Watson for Oncology a été commercialisé auprès des hôpitaux comme un outil pour aider à recommander des options de traitement du cancer en analysant les données des patients par rapport à la littérature médicale. IBM a également commercialisé des outils d'IA de marque Watson dans d'autres domaines, notamment le service client, des partenariats marketing d'IBM (comme avec le tournoi de golf Masters) et l'analyse commerciale à usage général, positionnant Watson comme une plateforme d'IA large.
Revers dans le secteur de la santé et réception
Watson for Oncology a suscité des critiques substantielles à partir du milieu des années 2010, notamment après des documents internes d'IBM rapportés par STAT News en 2018 qui décrivaient des cas où le système avait recommandé des traitements que les examinateurs internes jugeaient dangereux ou incorrects, et des cliniciens d'hôpitaux partenaires, y compris le MD Anderson Cancer Center, ont signalé que le système était en deçà des promesses marketing d'IBM, contribuant à ce que MD Anderson mette fin à son partenariat Watson for Oncology en 2017 après une mise en œuvre coûteuse et infructueuse. IBM a vendu sa division Watson Health à une société de capital-investissement en 2022 pour une fraction des quelque 4 milliards de dollars qu'IBM avait investis dans les acquisitions pour la constituer. Cet épisode est devenu un exemple largement cité dans l'industrie de l'IA et dans les discussions sur l'éthique de l'IA concernant les risques de promettre trop de capacités de l'IA dans des domaines à enjeux élevés comme la santé avant que la technologie sous-jacente, ainsi que le travail d'intégration et de validation environnant, ne soit suffisamment mature pour la soutenir.
Héritage
La victoire de Watson à Jeopardy! en 2011 reste citée comme une étape importante dans l'histoire de l'IA, précédant la révolution de l'apprentissage profond qui allait bientôt transformer le traitement du langage naturel après des percées comme Word2vec et plus tard l'architecture transformeur. Ses difficultés commerciales ultérieures sont fréquemment évoquées comme un contrepoint de mise en garde à des systèmes d'IA appliqués plus directement réussis comme AlphaFold, illustrant qu'un résultat de démonstration fort ne se traduit pas automatiquement par un déploiement fiable dans le monde réel, en particulier dans des domaines à enjeux élevés et avec des données complexes et mal structurées.