L’essentiel
- Google DeepMind a dispersé l’équipe qui a conçu AlphaFold : la majorité des auteurs des papiers d’origine ont été réaffectés en interne sur l’année écoulée, et près d’un quart a quitté l’entreprise.
- John Jumper, Nobel de chimie 2024 pour ce travail, avait rejoint une équipe interne dédiée aux capacités de programmation de Gemini avant d’annoncer son départ chez Anthropic, avec Jonas Adler et Alexander Pritzel.
- Pushmeet Kohli, vice-président de la recherche, assume le virage : la stratégie des « grands défis » scientifiques menée depuis neuf ans a « évolué » vers des systèmes propulsés par Gemini.
John Jumper a reçu le prix Nobel de chimie 2024 pour AlphaFold, le système qui prédit la structure en trois dimensions des protéines. Cette année, il a été affecté à une équipe interne chargée d’améliorer les capacités de programmation de Google, avant d’annoncer son départ chez Anthropic. Entre ces deux lignes de CV tient un arbitrage industriel que personne, chez Alphabet, n’avait envie d’énoncer aussi crûment.
Un Nobel redéployé sur l’assistance à la programmation
La réorganisation, révélée par l’enquête du Financial Times et confirmée par DeepMind, ne laisse pas grand-chose de l’équipe d’origine. La majorité des auteurs des papiers AlphaFold ont changé de projet au cours de l’année. Certains travaillent désormais sur des systèmes bâtis autour de Gemini, le grand modèle de langage (LLM) maison, d’autres sur la conception d’enzymes, la fusion nucléaire ou la génomique. Une partie a migré vers Isomorphic Labs, la filiale d’Alphabet consacrée à la découverte de médicaments, essaimée en 2021 et associée à Novartis et Eli Lilly. Près d’un quart des auteurs salariés à temps plein a purement et simplement quitté Google DeepMind.
Le volume compte moins que la destination. Jumper et son collègue Jonas Adler ont d’abord rejoint « Code Strike », un commando monté en interne pour combler le retard de Google sur la programmation assistée face à Anthropic et OpenAI. Le mois dernier, Jumper a annoncé son arrivée chez Anthropic, où Adler et Alexander Pritzel le suivent. Un salarié de DeepMind, cité anonymement, parle de trois « membres essentiels » de la maison, et raconte la surprise que leur départ a provoquée en interne.
Neuf ans de grands défis, soldés en une phrase
Le pilotage de ce virage est revendiqué. « Notre stratégie sur les neuf dernières années a consisté à nous concentrer sur de grands défis, avec un objectif concret pour chaque projet », explique Pushmeet Kohli, vice-président de la recherche chez Google DeepMind et fondateur de l’équipe AI for Science. Puis vient la suite : « La stratégie a évolué. »
Traduit en organigramme, cela signifie que le laboratoire n’assemble plus ses équipes autour d’un problème scientifique unique. Il construit des systèmes adossés à Gemini, censés assister les chercheurs, puis automatiser des pans du travail scientifique. Le même mouvement libère des cerveaux pour la bataille des agents, celle que DeepMind livre au corps à corps avec OpenAI et Anthropic. Les protéines ne rapportent aucune part de marché sur le développement logiciel.
La découverte scientifique passe sous la coupe de Gemini
La logique économique se défend. Un modèle généraliste s’amortit sur tous les domaines à la fois, quand une équipe dédiée à un seul problème produit un résultat magnifique et non réutilisable. Google ne manque d’ailleurs pas d’arguments : AlphaFold a nourri Isomorphic Labs, et le laboratoire se dit « incroyablement fier » de cet héritage scientifique.
Le pari, lui, n’est démontré nulle part. AlphaFold n’est pas né d’un assistant conversationnel branché sur de la littérature : il est né d’années passées par une équipe stable à modéliser sur mesure un problème biologique précis. Rien, dans les résultats publics des agents scientifiques actuels, ne prouve qu’un généraliste outillé produise un saut de cette ampleur. OpenAI a fait le même pari : sa cellule OpenAI for Science a lancé en janvier Prism, un espace de travail scientifique adossé à GPT-5.2, plutôt qu’un modèle dédié à un domaine. Google choisit l’échelle contre la spécialisation, au moment précis où sa spécialisation restait son seul actif inimitable.
Anthropic achète de la crédibilité scientifique
En face, l’opération est presque trop propre. Anthropic a lancé fin juin Claude Science, destiné à la biologie et à la découverte de médicaments. Recruter trois auteurs d’AlphaFold, dont un lauréat du Nobel, revient à s’offrir d’un coup la légitimité que Google avait mis neuf ans à bâtir, et surtout la méthode : savoir comment on plie un problème scientifique dur pour qu’un modèle le résolve.
Le croisement est saisissant. Le laboratoire qui s’était fait un nom dans la science pousse ses meilleurs éléments vers l’assistance à la programmation pour rattraper ses concurrents ; l’un de ces concurrents, lui, embauche ses scientifiques. Chacun court vers le terrain de l’autre, mais l’un s’appuie sur des chercheurs devenus disponibles quand l’autre est allé les chercher. Dans ce rapport de force, le second garde l’initiative.
Adosser un produit à un modèle vertical devient risqué
Pour quiconque construit sur des modèles spécialisés fournis par un grand laboratoire, l’épisode a valeur d’avertissement pratique. Un produit peut rester debout et documenté alors que l’équipe qui l’a conçu n’existe plus : les prochaines versions, les cas limites, les corrections deviennent une question de bonne volonté, pas de feuille de route. Avant d’adosser une brique métier à un modèle vertical, regardez qui l’entretient encore et quels engagements de support existent noir sur blanc.
L’autre conséquence est plus large. Si les laboratoires réaffectent leurs meilleurs scientifiques vers les grands modèles généralistes, l’offre outillée pour la recherche se déplacera vers des assistants plutôt que vers des modèles taillés par domaine. Nous en verrons vite les effets sur les tarifs, sur les intégrations disponibles, et sur les domaines qui n’intéressent personne parce qu’ils ne débouchent sur aucun produit vendable. AlphaFold a existé parce qu’un laboratoire acceptait de financer une question sans marché immédiat. Cette poche de financement vient de se refermer chez celui qui l’avait ouverte.
Mon avis
Google vient d’échanger un avantage que personne ne pouvait copier contre un retard que tout le monde peut combler. Les capacités de programmation d’un modèle se rattrapent en quelques cycles de post-training ; une équipe capable de transformer un problème biologique en architecture qui gagne un Nobel ne se reconstitue pas sur décision d’un comité. Je considère que la décision est mauvaise et que son coût se lira ailleurs que dans les benchmarks : dans les cinq prochaines années, les percées scientifiques signées Anthropic porteront des noms d’anciens de DeepMind.
