Le contexte : IBM cherche son Deep Blue 2.0
Après le succès médiatique de Deep Blue (1997), IBM Research cherche un nouveau défi public pour démontrer sa maîtrise de l’IA. Les échecs sont réglés — l’ordinateur bat l’humain depuis longtemps. Le Go est considéré comme trop lointain (il faudra attendre 2016).
En 2004, David Ferrucci d’IBM propose un défi intrigant : Jeopardy!. Ce jeu télévisé américain, institutionnel depuis 1964, teste la culture générale dans un format inversé : on donne la réponse, le candidat doit trouver la question. Les indices sont bourrés de jeux de mots, références culturelles, sous-entendus — un test de compréhension du langage plus profond que les échecs.
L’événement : trois soirs de février 2011
Sept ans de développement et 25 millions de dollars plus tard, Watson est prêt. Les 14, 15 et 16 février 2011, il affronte les deux légendes du jeu : Ken Jennings (74 victoires consécutives en 2004) et Brad Rutter (record de gains cumulés).
Watson est un IBM Power 750 massif : 2 880 cœurs de processeur, 16 téraoctets de RAM, 200 millions de pages de contenu en mémoire. Il ne peut pas accéder à Internet pendant le jeu — tout est préchargé.
La démonstration est spectaculaire. Watson comprend les jeux de mots, les références historiques, les indices cryptiques. Il calcule pour chaque question une confiance, et buzze seulement s’il est sûr. À la fin des trois soirs : Watson 77 147 $, Jennings 24 000 $, Rutter 21 600 $.
« Je pour ma part accueille nos nouveaux maîtres les ordinateurs. »
— Ken Jennings, sur sa dernière réponse du jeu
L’impact : l’IA entre en entreprise
Watson fait la une des médias pendant des semaines. IBM capitalise : la marque Watson devient l’étendard de son offre IA entreprise. Le système est commercialisé pour la santé (diagnostic en oncologie), la finance, le service client.
Techniquement, Watson n’est pas un réseau neuronal profond. C’est un système hybride : parsing linguistique, recherche dans des bases de données, scoring de candidats de réponse par des centaines de critères. C’est l’apogée de l’approche symbolique + statistique pré-deep-learning.
Commercialement, la promesse IBM Watson Health a largement échoué : les hôpitaux sont déçus, les partenariats médicaux s’effondrent entre 2017 et 2020. Mais l’impact culturel reste : Watson a prouvé que l’IA pouvait s’attaquer au langage naturel en temps réel, en public.
Résonance 2026 : ChatGPT + Watson = le présent
En 2026, n’importe quel LLM grand public (GPT-5, Claude, Gemini) ferait un tabac à Jeopardy!. Mais rappelons-nous : en 2011, il fallait 2 880 cœurs et 16 To de RAM pour battre des humains sur ce jeu. Aujourd’hui, un modèle open-source de 7B paramètres tournant sur un MacBook ferait mieux.
Watson a ouvert la voie à l’idée d’IA conversationnelle en production. ChatGPT, 11 ans plus tard, a matérialisé cette idée à échelle planétaire. Entre les deux, il n’y a pas rupture mais continuité : mêmes défis (comprendre le langage), mêmes solutions (massive parallel computing), échelles différentes.
Chez CMEDIA, nous construisons sur cet héritage. Chaque chatbot d’entreprise que nous déployons poursuit la mission que Watson a popularisée : mettre la connaissance complexe à portée de question en langage naturel.