Aller au contenu
Hacktion Wiki IA

Échecs Historiques de l'IA

Ce que vous saurez dans 3 minutes

Vous découvrirez que le doute actuel sur la rentabilité de l’IA Générative a des précédents historiques effrayants. Nous analyserons l’effondrement du Projet 5ème Génération japonais (1982) et la vente à la casse de Watson Health (2022), démontrant qu’en IA, la complexité des “derniers 10%” est toujours sous-estimée d’un facteur 1000.

1. Comprendre

La Mécanique du Cycle de Hype

L’IA suit un cycle quasi-biologique d’euphorie et de dépression. Chaque génération croit avoir trouvé le “Graal” (Réseaux de neurones en 50, Systèmes Experts en 80, Deep Learning en 2010), déclenchant une pluie d’investissements, avant de se heurter au Mur de la Complexité.

Ce phénomène est illustré par cette chronologie des attentes vs réalité :

timeline
    title Les Cycles Euphorie / Hiver
    1956 : Euphorie (Dartmouth) : "Résolu en 20 ans"
    1966 : Rapport ALPAC : Traduction impossible
    1974 : Ier Hiver de l'IA : Coupes budgétaires
    1980 : Systèmes Experts : "L'IA vendue aux entreprises"
    1987 : IIème Hiver de l'IA : crash du marché LISP
    1997 : Deep Blue bat Kasparov : "L'IA est de retour"
    2011 : Watson Jeopardy : "L'IA cognitive"
    2022 : Crash Watson Health : Vente à perte
    2023 : ChatGPT : Nouvelle Euphorie...

Pourquoi ça casse ?

Le schéma est toujours le même :

  1. La Démo : Un prototype marche parfaitement sur un cas Toy Problem (ex: traduire 60 phrases choisies).
  2. L’Extrapolation : Les consultants prédisent que “tout sera traduit dans 3 ans”.
  3. Le Mur du Réel : On découvre que le monde réel est ambigu, bruyant et contradictoire.
  4. La Chute : Les investisseurs se retirent.

2. Appliquer

Analyse de Cas N°1 : Le Projet 5ème Génération (FGCS)

Japon, 1982-1992

Dans les années 80, le Ministère du Commerce International et de l’Industrie (MITI) japonais lance une offensive pour dominer l’informatique mondiale.

  • L’Ambition : Créer un “ordinateur pensant” capable de converser, traduire et raisonner comme un humain, basé non pas sur le calcul classique, mais sur la programmation logique (Prolog).
  • Le Budget : Environ 54 Milliards de Yens (soit ~400aˋ400 à 800 Millions de dollars de l’époque, équivalent à plusieurs milliards aujourd’hui).
  • La Stratégie Technique : Construire des machines massivement parallèles (“Parallel Inference Machines”) optimisées pour exécuter des millions d’inférences logiques par seconde (LIPS).
  • L’Échec :
    1. Mauvais Pari Hardware : Pendant que le Japon construisait ces machines complexes, Intel sortait les processeurs x86 (80286, 386, 486) dont la puissance doublait tous les 18 mois (Loi de Moore), rendant les machines spécialisées obsolètes.
    2. Mauvais Pari Software : La logique pure (Prolog) s’embourbe dès qu’il y a de l’ambiguïté. Le monde n’est pas logique.

Bilan : Le projet a été discrètement arrêté en 1992. Aucune machine de 5ème génération n’a jamais atteint le grand public.

Analyse de Cas N°2 : IBM Watson Health

États-Unis, 2011-2022

Après sa victoire spectaculaire à Jeopardy! en 2011, IBM cherche a rentabiliser sa star. Le PDG Ginni Rometty déclare que Watson est le “Moonshot” de l’entreprise.

  • La Promesse : “Watson va guérir le cancer”. L’idée est que l’IA va lire les millions de papiers de recherche médicale (que les médecins n’ont pas le temps de lire) pour suggérer des traitements personnalisés.
  • L’Investissement Massif : IBM dépense plus de 4 Milliards de dollars en acquisitions pour nourrir la bête :
    • Phytel (Gestion population): $230M
    • Merge Healthcare (Imagerie): $1B
    • Truven Health Analytics (Données): $2.6B
  • La Réalité Terrain :
    • Incompatibilité des Données : Les dossiers médicaux réels sont un chaos de notes manuscrites, de PDF mal scannés et d’abréviations non standard. Watson passait plus de temps à “ingérer” qu’à analyser.
    • L’Échec MD Anderson : Le partenariat phare avec le centre de cancérologie s’effondre. Un audit révèle que le système a coûté 62 Millions de dollars sans jamais être utilisé sur un vrai patient. Watson recommandait parfois des traitements dangereux car il avait appris sur des cas théoriques et pas réels.
  • La Chute : En 2022, IBM vend les actifs de Watson Health à la firme d’investissement Francisco Partners pour une somme estimée à ~1 milliard (une perte sèche massive).

3. Aller plus loin

Le Syndrome de la “Démo Magique”

Pourquoi des experts se font-ils avoir ? Parce que l’IA est performative. L’expérience de Georgetown (1954) avait traduit 60 phrases du russe à l’anglais. C’était impressionnant. Mais le dictionnaire ne contenait que… 250 mots et 6 règles de grammaire ! Les chercheurs avaient soigneusement sélectionné des phrases qui marchaient.

Comparaison : Hype 1980 vs Hype 2020

CritèreSystèmes Experts (1980)LLM Génératifs (2020s)
ApprocheRègles explicites (Code)Apprentissage statistique (Data)
FaiblesseTrop rigide (casse si règle manquante)Trop créatif (hallucine si info manquante)
AdoptionB2B uniquement (Coûteux)B2C massif (ChatGPT)
RisqueInutilité (ne marche pas)Toxicité (marche trop bien mais ment)

Questions Fréquentes

L’IA Actuelle va-t-elle subir le même sort ? C’est le débat du moment. Certains pensent que les LLM vont atteindre un plateau (rendement décroissant des données) et que la bulle boursière va éclater comme en 2001. D’autres pensent que l’intégration dans les logiciels existants (Microsoft Copilot) va “lisser” l’attente et éviter un hiver brutal.

Qu’est devenu Watson ? La marque Watson existe toujours chez IBM (Watsonx), mais elle désigne désormais une suite d’outils d’IA pour entreprise, bien plus modestes et réalistes. Le rêve du “Docteur omniscient” a été abandonné pour des outils d’aide à la décision plus ciblés.

Notions Liées (Spider Web)

Ressources Externes