L’essentiel
- John Jumper, colauréat du prix Nobel de chimie 2024 pour AlphaFold, quitte Google DeepMind pour Anthropic après près de neuf ans.
- Il rejoint une liste d’exodes récents : Noam Shazeer parti chez OpenAI, David Silver (AlphaGo, AlphaZero) parti monter sa propre structure.
- Le départ intervient alors que Gemini 3.5 Pro, attendu fin juin, peine selon des bruits internes à rivaliser avec les derniers modèles d’Anthropic et d’OpenAI.
Quand le directeur général d’un laboratoire remercie publiquement un collaborateur pour leur « partenariat extraordinaire » le jour où celui-ci part chez le concurrent, le message dépasse la politesse. Demis Hassabis vient de saluer John Jumper, son colauréat du prix Nobel de chimie 2024, qui quitte Google DeepMind pour Anthropic après près de neuf ans. Les deux hommes avaient bâti AlphaFold ensemble, ce système qui a résolu le problème du repliement des protéines. Aujourd’hui, l’un reste, l’autre passe à l’adversaire.
Un départ qui en dit long sur la table de jeu
Sur l’échiquier des laboratoires d’IA, ce coup n’est pas isolé. Peu avant Jumper, Noam Shazeer, codirecteur de Gemini et l’un des architectes de l’approche de raisonnement qui irrigue les derniers modèles de Google, est parti chez OpenAI. En quelques semaines, les deux principaux rivaux de DeepMind ont donc débauché deux de ses cerveaux les plus précieux. Et avant eux, David Silver, figure derrière AlphaGo et AlphaZero, avait quitté la maison pour lancer sa propre aventure autour des world models et de l’apprentissage par renforcement.
Pris isolément, chaque départ relève de la trajectoire individuelle. Empilés sur quelques mois, ils dessinent un sens unique. Ce n’est pas une guerre de salaires qui se joue ici, c’est une migration de la matière grise vers l’endroit où la capacité de pointe se concentre. Et cet endroit, manifestement, n’est plus toujours Mountain View.
Pourquoi maintenant, et contre qui
Le calendrier aggrave la lecture. Gemini 3.5 Pro est annoncé pour fin juin, mais des remontées internes laissent entendre qu’il ne tiendrait pas la comparaison avec les sorties récentes d’Anthropic et d’OpenAI. Un chercheur de premier plan ne raisonne pas autrement qu’un investisseur : il place son temps là où il anticipe le rendement scientifique le plus fort. Quand un laboratoire donne le sentiment de courir derrière, ses meilleurs éléments sentent le vent avant tout le monde.
Anthropic, de son côté, joue une partition limpide. La maison de Claude ne se contente pas d’aligner des chèques : elle capitalise sur une image de laboratoire où la recherche reste au centre, où l’ambition scientifique prime sur la course au produit. Recruter un Nobel, c’est gagner un cerveau et, surtout, envoyer un signal au marché des talents : voici où l’on fait la science qui compte. Dans une discipline où la réputation circule par bouche-à-oreille entre une poignée de laboratoires, ce signal vaut de l’or.
L’effet boule de neige des départs
Le danger, pour DeepMind, n’est pas tant la perte d’un individu, aussi brillant soit-il, que la dynamique qu’elle enclenche. Chaque sortie médiatisée abaisse le coût psychologique de la suivante. Le premier qui part essuie les regards ; le cinquième s’inscrit dans un mouvement. Une équipe de recherche tient autant par ses liens internes que par ses contrats, et ces liens se dénouent vite quand les figures tutélaires changent de camp.
Il y a là une ironie structurelle. DeepMind a formé, financé et propulsé des chercheurs au sommet de leur art, jusqu’au Nobel. Et ces mêmes chercheurs vont désormais armer Anthropic et OpenAI. Le laboratoire risque de devenir le centre de formation involontaire de ses propres rivaux : il paie l’apprentissage, les concurrents récoltent l’expertise mûrie. Pour un acteur dont la force historique tenait précisément à sa capacité à attirer et retenir les meilleurs, le retournement pique.
Ce que ça change pour ceux qui orchestrent l’IA
Pour un praticien qui assemble des modèles au quotidien, ce ballet de talents dépasse la chronique mondaine de la Silicon Valley. Là où partent les chercheurs finissent par migrer les idées, les architectures, les intuitions sur la prochaine génération de modèles. Suivre ces mouvements, c’est lire en avance la carte des capacités à venir : un laboratoire qui aspire les cerveaux de la concurrence prépare souvent ses prochains sauts.
Concrètement, cela invite à ne pas figer ses choix d’outillage. Le classement des modèles les plus performants se redistribue au rythme de ces transferts. Miser tout sur un fournisseur unique parce qu’il domine aujourd’hui revient à parier que la concentration des talents ne bougera plus, ce que cette série de départs contredit frontalement. Garder une architecture capable de basculer d’un modèle à l’autre, c’est se couvrir contre l’instabilité du haut du classement.
Une partie loin d’être jouée
Reste que DeepMind conserve des atouts massifs : l’infrastructure de Google, des données, une profondeur de recherche que peu peuvent égaler, et Hassabis lui-même, toujours aux commandes. Un laboratoire ne s’effondre pas parce que des stars s’en vont ; il vacille s’il cesse de produire les percées qui les retiennent. Le vrai test arrivera avec les prochains modèles : s’ils impressionnent, l’hémorragie se tarira d’elle-même.
La question, désormais, est de savoir si Google saura transformer sa puissance de feu en résultats assez éclatants pour inverser le sens du courant. Tant que la capacité de pointe semblera se concentrer ailleurs, les meilleurs continueront de voter avec leurs pieds.
Mon avis
Je parie que Google va répondre par l’argent, et que ça ne suffira pas. Les chercheurs de ce calibre ne courent pas après un salaire, ils courent après l’endroit où se fabrique la science qui marquera la décennie. Anthropic et OpenAI ont compris que la rareté n’est pas le talent mais la conviction qu’on est au bon endroit. Tant que DeepMind n’aura pas reconquis cette conviction par des modèles qui dominent, chaque chèque signé ressemblera à une rançon, pas à une stratégie.
