IBM Watson est un système informatique de réponse aux questions développé par IBM dans le cadre de son projet DeepQA, dirigé par l'investigateur principal David Ferrucci. Nommé d'après le fondateur d'IBM, Thomas J. Watson, le système a été conçu pour répondre à des questions posées en langage naturel, sa réalisation la plus célèbre étant une victoire contre des champions humains dans le jeu télévisé Jeopardy! en 2011. Watson a représenté une étape importante dans l'application des techniques d'artificial-intelligence au question-réponse ouvert, bien qu'il reposât sur une combinaison d'algorithmes établis plutôt que sur les approches de deep-learning qui allaient dominer le domaine par la suite.
Le développement du système est issu du désir d'IBM de construire une machine capable de comprendre et de répondre aux indices nuancés et riches en jeux de mots typiques de Jeopardy!. Contrairement aux systèmes de questionnement antérieurs axés sur des domaines restreints, Watson visait à traiter des sujets arbitraires à l'aide d'un vaste corpus de documents de référence. Son succès à la télévision nationale a démontré des progrès pratiques en natural-language-processing et en machine-learning, influençant la recherche ultérieure et les applications commerciales dans la santé et d'autres industries.
Architecture technique
Le logiciel de Watson était fondé sur l'architecture DeepQA d'IBM et le cadre UIMA (Unstructured Information Management Architecture) d'Apache. Le système était écrit dans plusieurs langages de programmation, notamment Java, C++ et Prolog, et tournait sous SUSE Linux Enterprise Server 11 avec Apache Hadoop pour le calcul distribué. DeepQA employait plus de 100 techniques différentes pour analyser le langage naturel, identifier des sources, générer des hypothèses, trouver et scorer des preuves, et fusionner et classer les réponses potentielles.
Le matériel consistait en un groupe de quatre-vingt-dix serveurs IBM Power 750, chacun équipé d'un processeur à huit cœurs POWER7 à 3,5 GHz avec quatre threads par cœur. Au total, Watson utilisait 2 880 threads de processeur et 16 téraoctets de RAM. Selon John Rennie, le système pouvait traiter 500 gigaoctets (équivalant à environ un million de livres) par seconde. Le maître inventeur d'IBM Tony Pearson a estimé le coût du matériel à environ trois millions de dollars. Pour la compétition Jeopardy!, tout le contenu était stocké en RAM car l'accès au disque dur aurait été trop lent pour égaler les temps de réaction humains.
Compétition Jeopardy!
En février 2011, Watson a concouru à Jeopardy! contre deux des champions les plus titrés du show, Brad Rutter et Ken Jennings. Watson a remporté le premier prix d'un million de dollars américains. La stratégie du système comprenait des modules spécialisés : un calculait les mises du jeu final basé sur les scores de confiance et les classements en cours, tandis qu'un autre utilisait le théorème de Bayes pour estimer la probabilité qu'un indice non révélé soit une Daily Double, en s'appuyant sur des données historiques de l'archive J! comme a priori. Pour les mises de la Daily Double, un neural-network à deux couches similaire à ceux utilisés dans TD-Gammon, développé par Gerald Tesauro dans les années 1990, déterminait le montant de la mise.
La performance de Watson a révélé à la fois des forces et des faiblesses par rapport aux joueurs humains. Il manquait de compréhension contextuelle des indices et était plus lent à générer des réponses, en particulier pour les indices courts. Cependant, son circuit électronique semblable à un buzzer dans les jeux télévisés lui donnait un avantage constant de temps de réaction une fois qu'il avait décidé de répondre, et il était insensible aux tactiques psychologiques comme changer de catégorie. Lors de jeux d'essai, certains joueurs humains pouvaient exploiter les six à sept secondes dont Watson avait besoin pour traiter un indice, mais dans les matchs télévisés, la vitesse du buzzer de Watson s'est révélée décisive.
Applications commerciales et soins de santé
En février 2013, IBM a annoncé la première application commerciale de Watson : des décisions de gestion de l'utilisation pour le traitement du cancer du poumon au Memorial Sloan Kettering Cancer Center à New York, en partenariat avec WellPoint (aujourd'hui Elevance Health). Le système était conçu pour assister les médecins en analysant la littérature médicale et les dossiers des patients pour recommander des options de traitement. Cela marquait une première tentative pour appliquer le machine-learning et la technologie de questionnement au soutien à la décision clinique, bien que les résultats aient été mitigés.
Les capacités de Watson ont été ensuite étendues via un déploiement sur IBM Cloud, avec des fonctionnalités d'apprentissage automatique évoluées et un matériel optimisé. Cependant, la filiale santé a fait face à des défis significatifs. En 2022, IBM a cédé sa division Watson Health, la transformant en une entreprise appelée Merative, qui a été vendue à la société de capital-investissement Francisco Partners. La division avait coûté environ 4 milliards de dollars à développer mais a été vendue pour 1 milliard de dollars. En 2023, le projet Watson dans son ensemble avait contribué à une baisse de 10 % de la valeur de l'action d'IBM, coûté quatre fois plus qu'il n'avait généré de revenus et entraîné des licenciements massifs.
Héritage et influence
Malgré ses difficultés commerciales, la victoire de Watson à Jeopardy! a eu un impact durable sur la perception du public du artificial-intelligence. Elle a démontré que les machines pouvaient traiter langage ambigü et familier et des tâches complexes de raisonnement, inspirant une vague d'investissements dans la recherche en IA. L'approche de Watson - combinant de nombreux algorithmes en parallèle plutôt que de s'appuyer sur une percée unique - a influencé les systèmes ultérieurs, même si le ornement a évolué vers des architectures d'deep-learning et de neural-network. Le système a également souligné l'écart entre les démonstrations de recherche et les produits commerciaux viables, une recette essentielle qui a façonné les déploiements ultérieureures de l'IA dans les soins de santé et d'autres industries réglementées.
L'héritage de Watson est complexe : c'était une réussite technique qui a capturé l'imagination du monde, mais ses résultats commerciaux ont été moins à la hauteur des attentes. L'identification du système demeure associée au leadership précoce d'IBM en informatique cognitive, tandis que l'entreprise a ensuite opéré un pivot dans d'autres initiatives en IA. Pour les chercheurs, Watson a servi d'étude de cas dans les défis de vulgarisation de l'IA des compétitions contrôlées aux applications concrètes, particulièrement dans des domaines où les erreurs entraînent des coûts élevés.
Comparaison avec l'IA moderne
Watson est souvent mesuré avec des systèmes ultérieurs comme les modèles GPT d'openai et le Google DeepMind qui utilisaient des architectures transformer et des large-language-models. Contrairement à Watson, basé sur des bases de connaissance structurées et une évaluation explicite des preuves, les systèmes modernes apprennent des patterns à partir d'énormes corpus textuels grâce à des techniques d'deep-learning. Le système ne disposait pas de la deep-learning ou de neural-network dans sa chaîne de traitement cœur, malgré son nom faisant partie du projet DeepQA. Ses exigences en matériel - 90 serveurs et 16 téraoctets de RAM - étaient énormes par les normes de 2011, mais modeste comparées aux centres de données utilisés pour de l'entraînement IA contemporain. L'évolution de Watson vers l'IA moderne illustre un changement des systèmes programmés et interprétables au des systèmes opaques et statistiquement entraînés, soulevant d'autres questions sur la fiabilité, les biais et la responsabilité.