La réorganisation de l’IA chez Google met à l’épreuve la nouvelle chaîne de commandement de DeepMind

Google a modifié sa structure de commandement en matière d’IA après des mois de retards de modèles, de départs de cadres et d’une pression croissante d’OpenAI et Anthropic. La dernière actualité Google ne se résume pas au nouveau titre attribué à Demis Hassabis. L’autorité quotidienne sur Gemini se situe désormais plus près de Sundar Pichai, PDG d’Alphabet.

Koray Kavukcuoglu, auparavant directeur de la technologie de Google DeepMind, prend le contrôle opérationnel de l’unité en tant que vice-président senior. Hassabis devient président de Google DeepMind et scientifique en chef d’Alphabet. Il se concentrera sur la recherche à plus long terme, l’intelligence artificielle générale et les conséquences scientifiques de systèmes toujours plus performants.

Dans le même temps, le scientifique de longue date de Google Jeff Dean part avec Sanjay Ghemawat, Oriol Vinyals et Quoc Le pour créer Discovery Loop. Google prévoit d’investir dans la nouvelle entreprise et d’en rester un partenaire cloud. Cet accord atténue la séparation, mais n’efface pas la perte de quatre chercheurs ayant profondément marqué l’histoire technique de Google.

Le conflit central est désormais clair. Google veut toujours que DeepMind mène une science ambitieuse, mais Gemini doit aussi rivaliser dans le codage, les logiciels d’entreprise, la recherche et les assistants grand public. La réorganisation sépare plus explicitement ces missions et raccourcit la ligne hiérarchique entre l’exécution et Pichai.

Ce que Google a changé dans son organisation IA

Google a séparé la direction scientifique de la responsabilité de commercialiser ses produits d’IA les plus importants.

Hassabis dirigeait Google DeepMind depuis la fusion de DeepMind et Google Brain par Google en 2023. Cette fusion avait placé la recherche de pointe, le développement des modèles fondamentaux et une grande partie de la stratégie IA de l’entreprise sous une même organisation. Elle avait également rendu Hassabis responsable à la fois des objectifs scientifiques de long terme et des exigences immédiates liées à Gemini.

La nouvelle structure resserre ce rôle. Hassabis reste influent en tant que président de Google DeepMind et devient le premier scientifique en chef d’Alphabet. Toutefois, Kavukcuoglu supervise désormais les équipes responsables de la recherche IA, du développement de modèles, des produits Gemini et des services pour développeurs.

Kavukcuoglu conserve également son rôle plus large d’architecte en chef de l’IA chez Alphabet. Ce poste lui impose de coordonner l’infrastructure IA, les modèles et le déploiement entre les différentes unités opérationnelles. Son autorité s’étend donc au-delà des murs du laboratoire de recherche.

Selon la réorganisation des dirigeants rapportée par Reuters, le cofondateur de Google Sergey Brin s’était lui aussi davantage impliqué dans l’orientation IA de l’entreprise. Brin aurait promu l’auto-amélioration récursive, un processus dans lequel les systèmes d’IA contribuent à améliorer les outils, les expériences ou les modèles utilisés pour construire les systèmes ultérieurs.

Le concept semble spectaculaire, mais sa forme pratique est plus facile à comprendre. Un modèle peut proposer des modifications de code, concevoir des évaluations, analyser des expériences échouées ou aider les chercheurs à prioriser le prochain entraînement. Chaque tâche peut raccourcir le cycle de développement sans exiger qu’un système d’IA se redéfinisse lui-même sans contrôle humain.

Google a déjà exploré certains éléments de cette approche. Ses systèmes de recherche ont cherché de meilleurs algorithmes, optimisé des processus informatiques et soutenu des découvertes scientifiques. La question stratégique est de savoir si ces méthodes peuvent améliorer de façon constante le développement de Gemini dans des conditions de production.

Brin n’a pas besoin d’un titre opérationnel pour compter. Il reste cofondateur de Google, administrateur d’Alphabet et détenteur majeur de droits de vote. Sa participation peut déplacer l’attention et les ressources, même lorsque la gestion formelle reste assurée par Pichai.

La restructuration crée donc trois centres d’influence distincts. Pichai contrôle les priorités de l’entreprise et l’allocation des ressources. Kavukcuoglu est responsable de l’exécution pour les modèles et les produits. Hassabis se concentre sur la science à plus long terme et la voie vers l’intelligence artificielle générale, ou AGI, c’est-à-dire des systèmes dotés de capacités étendues dans de nombreuses tâches cognitives.

Cette séparation peut réduire la surcharge managériale. Elle peut aussi introduire des différends sur la puissance de calcul, les priorités de recherche, les examens de sécurité et le calendrier des lancements. L’organisation ne fonctionnera que si ces trois centres s’accordent sur ce que Gemini doit livrer en premier.

Le départ de Jeff Dean rend la transition plus importante. Dean a rejoint Google en 1999 et a contribué à façonner des systèmes qui ont soutenu la recherche, la publicité, l’informatique distribuée et l’apprentissage automatique. Ghemawat a travaillé avec lui sur des infrastructures fondamentales, notamment des systèmes qui ont influencé le traitement moderne des données.

Vinyals a joué un rôle majeur dans les modèles de langage et Gemini, tandis que Le a contribué à établir Google Brain. Leur nouvelle entreprise, Discovery Loop, aurait l’intention d’utiliser l’apprentissage automatique pour automatiser certaines étapes de l’expérimentation scientifique.

La décision de Google d’investir dans Discovery Loop préserve une relation avec les chercheurs partants. Elle pourrait aussi permettre à Google Cloud de fournir l’infrastructure informatique nécessaire à leur startup. Toutefois, des droits de partenariat ne remplacent pas un accès quotidien à des responsables techniques expérimentés.

C’est pourquoi l’annonce compte au-delà des intitulés de poste. Google a redistribué l’autorité tout en perdant plusieurs personnes qui avaient contribué à créer son avantage technique. Ses nouveaux dirigeants doivent désormais démontrer qu’une organisation plus claire peut avancer plus vite que le groupe qu’elle a remplacé.

Pourquoi la réorganisation intervient maintenant

Le changement de direction est intervenu alors que les solides performances commerciales de Google ne protégeaient plus son organisation IA des questions d’exécution.

Google a passé des années à réunir des équipes de recherche et à rapprocher les groupes produits de DeepMind. En avril 2024, l’entreprise a transféré les équipes d’IA responsable de Google Research vers l’organisation de création de modèles. Plus tard cette année-là, elle a intégré l’équipe de l’application Gemini à DeepMind.

Ces réorganisations antérieures suivaient une logique constante. Les chercheurs, spécialistes de la sécurité, chefs de produit et ingénieurs en modèles progresseraient plus vite s’ils relevaient de moins de niveaux hiérarchiques. Une consolidation de 2024 a rapproché la responsabilité des modèles avancés et de leurs garde-fous.

Cette consolidation a donné davantage de contrôle à Hassabis, mais a aussi accru sa charge opérationnelle. Google DeepMind ne fonctionnait plus seulement comme un laboratoire de recherche. Il devait prendre en charge un chatbot grand public, des API pour développeurs, des produits d’entreprise, des expériences de recherche, des systèmes scientifiques et un portefeuille de modèles en expansion.

La pression s’est intensifiée lorsque le codage par IA est devenu un champ de bataille majeur. Anthropic a suscité un fort intérêt des développeurs autour de Claude et de ses outils de codage. OpenAI a continué d’étendre ChatGPT au développement logiciel, à la recherche et aux flux de travail d’entreprise. Google devait rivaliser avec les deux tout en protégeant Search et en développant Cloud.

Le calendrier des modèles a ajouté une autre source de pression. Reuters a rapporté que Wall Street s’inquiétait des retards d’un modèle phare de Google et de la position de l’entreprise dans le codage et le raisonnement de pointe. Ces préoccupations ont persisté alors même que Pichai défendait la stratégie IA globale.

Les pertes de talents ont accentué le problème. Le lauréat du prix Nobel John Jumper a annoncé en juin qu’il quitterait Google DeepMind pour Anthropic. Noam Shazeer est parti chez OpenAI, tandis que d’autres chercheurs de Gemini auraient envisagé ou achevé des départs vers des laboratoires concurrents.

Hassabis a contesté l’idée selon laquelle Google aurait perdu son attrait. Il a décrit le marché comme extrêmement concurrentiel et soutenu que les talents circulaient entre tous les principaux laboratoires. Sa position n’était pas dénuée de fondement, car OpenAI, Anthropic, Meta et les startups ont également connu des arrivées et des départs notables.

Pourtant, cette tendance comptait au sein de Google. La perte d’un chercheur peut refléter un turnover normal. La perte de contributeurs seniors dans l’architecture des modèles, l’IA scientifique et la direction crée un risque de coordination, en particulier durant un changement de management.

Les résultats financiers de Google ont rendu ce risque organisationnel plus difficile à écarter. L’entreprise ne se restructurait pas parce que ses produits d’IA manquaient de demande. Elle se restructurait alors que la demande s’accélérait.

Alphabet a indiqué que le chiffre d’affaires de Google Cloud avait progressé de 82 % au cours du trimestre précédant le récit de Reuters, bien au-delà de l’estimation moyenne des analystes citée dans ce rapport. L’entreprise a également défendu la hausse des dépenses d’investissement comme nécessaire pour l’infrastructure IA et la demande des clients.

Des communications antérieures allaient dans le même sens. Alphabet a déclaré que le chiffre d’affaires de Cloud avait atteint un rythme annualisé supérieur à 50 milliards de dollars en 2025, tandis que les produits d’IA contribuaient à l’expansion de l’activité client. L’entreprise a ensuite projeté des dépenses d’investissement pour 2026 comprises entre 175 et 185 milliards de dollars.

Ces chiffres créent une exigence opérationnelle stricte. Davantage de serveurs et de centres de données ne deviennent un avantage que lorsque les modèles, les logiciels et les équipes commerciales les transforment en produits utiles. La direction doit choisir quels efforts de recherche reçoivent une puissance de calcul limitée et quels produits atteignent les clients en premier.

Les perspectives d’investissement dans l’IA d’Alphabet montrent également pourquoi les responsabilités combinées de Kavukcuoglu comptent. Un peu plus de la moitié de la puissance de calcul dédiée à l’apprentissage automatique de l’entreprise devait soutenir Cloud en 2026. La recherche de pointe doit donc partager l’infrastructure avec les charges de travail génératrices de revenus des clients.

Il s’agit d’un problème d’allocation difficile. Une équipe de recherche peut souhaiter des séries d’expériences plus importantes aux résultats incertains. Un dirigeant de Cloud peut vouloir une capacité prévisible pour les clients sous contrat. Les équipes Search ont besoin d’une inférence fiable, c’est-à-dire des ressources informatiques utilisées pour générer des réponses pour les utilisateurs en direct.

La réorganisation place Kavukcuoglu plus près de ces trois choix. Elle le rend également responsable lorsque ces choix entrent en conflit. Pichai gagne un dirigeant opérationnel direct capable d’équilibrer la qualité des modèles, les échéances produits et la disponibilité de l’infrastructure.

Pour Hassabis, le nouveau rôle élimine une grande partie de cet arbitrage quotidien. Il peut se concentrer sur la direction scientifique, la sécurité de l’IA et les systèmes à plus long terme. La question de savoir s’il s’agit d’une promotion, d’une réduction de son rôle opérationnel, ou des deux, dépend de l’influence réelle que le poste de scientifique en chef exercera.

L’actualité Google porte en réalité sur la recherche face à l’exécution

Le principal affrontement n’oppose pas Google à un seul rival. Il oppose la culture de recherche de Google à la vitesse de lancement exigée par ses propres produits.

Google a contribué à créer une grande partie de la technologie à l’origine du marché actuel de l’IA. Ses chercheurs ont développé l’architecture transformer, devenue centrale pour les modèles de langage modernes. DeepMind a produit AlphaGo, AlphaFold et d’autres systèmes qui ont démontré l’ampleur scientifique de l’apprentissage automatique.

Ce bilan n’a pas automatiquement produit le principal chatbot grand public. OpenAI a transformé les grands modèles de langage en un produit largement adopté avec ChatGPT. Anthropic a ensuite construit une position distincte autour de Claude, de la sécurité, du contexte long et du codage.

Google a réagi en fusionnant des organisations, en accélérant les lancements de Gemini et en déployant l’IA générative dans Search, Workspace, Android et Cloud. L’entreprise disposait d’une distribution que la plupart de ses rivaux ne pouvaient égaler. Elle supportait aussi davantage de dépendances, de processus de revue et d’activités existantes que chaque lancement pouvait affecter.

Les organisations de recherche récompensent généralement l’originalité et les découvertes durables. Les organisations produits récompensent la fiabilité, la rapidité, la croissance des utilisateurs et les revenus. Un même projet peut sembler réussi selon un critère et décevant selon l’autre.

Hassabis est devenu le dirigeant chargé de maintenir la cohérence de ces exigences. Sa réputation scientifique a apporté de la crédibilité à Google DeepMind, en particulier auprès des communautés de recherche. Toutefois, la gestion de Gemini impliquait également de prendre des décisions concernant les dates de lancement, les outils pour développeurs, le support aux entreprises et l’intégration avec les produits publicitaires.

La nomination de Kavukcuoglu laisse penser que Google souhaite un dirigeant dont le mandat est davantage centré sur l’exécution. Ses responsabilités précédentes reliaient déjà la recherche de DeepMind au développement produit et à l’infrastructure. Ce remaniement officialise ce lien.

Le contraste ne doit pas être réduit à l’opposition entre scientifique et gestionnaire d’entreprise. Kavukcuoglu est un chercheur en apprentissage automatique qui a travaillé sur des systèmes à grande échelle. Hassabis dirige lui aussi des organisations et des partenariats commerciaux depuis des années.

La différence réside dans les objectifs qui leur sont assignés. Hassabis peut désormais poursuivre des questions dont la valeur pourrait mettre des années à se confirmer. Kavukcuoglu doit transformer la feuille de route de Gemini en lancements capables de rivaliser au cours des prochains trimestres.

Cette distinction compte pour les développeurs. Ils évaluent Gemini à travers le comportement des modèles, la stabilité des API, les performances de programmation, la gestion du contexte, la latence et l’intégration des outils. L’élégance organisationnelle importe peu si ces indicateurs ne s’améliorent pas.

Les acheteurs en entreprise appliquent un autre critère. Ils ont besoin de contrôles de sécurité, de performances prévisibles, de gouvernance des données et d’un support pour les systèmes existants. La distribution de Google Cloud donne à Gemini accès à ces clients, mais les concurrents peuvent tout de même remporter des charges de travail lorsque leurs modèles sont plus performants pour une tâche précise.

Les travailleurs du savoir vivent cette concurrence à travers Search, Workspace et les assistants autonomes. Un modèle capable de bien résumer des documents peut néanmoins échouer s’il perd le contexte d’un projet à l’autre. Les équipes construisent alors leurs propres archives ou utilisent une base de connaissances personnelle pour préserver les sources et les décisions.

L’avantage de Google est qu’il intervient déjà dans les e-mails, les documents, les réunions, les requêtes de recherche, les appareils mobiles et les données d’entreprise. Son désavantage est que l’intégration sûre de ces surfaces exige une coordination entre de nombreuses organisations produit.

La nouvelle chaîne de commandement cherche à réduire ce coût de coordination. Kavukcuoglu peut aligner le développement des modèles sur les besoins de Search, Cloud et des applications Gemini. Pichai peut trancher les différends sans les faire passer par une hiérarchie de recherche distincte.

Toutefois, la centralisation a ses limites. Un seul dirigeant ne peut pas éliminer l’incertitude technique. Des équipes plus importantes peuvent créer davantage de dépendances, et des échéances produit plus serrées peuvent décourager les expérimentations sans valeur commerciale immédiate.

Google a déjà rencontré cette tension. L’entreprise a fusionné Brain et DeepMind en partie pour réduire les doublons internes. Elle a ensuite intégré l’équipe grand public de Gemini à la même unité. Chaque réorganisation promettait une collaboration plus étroite, mais chacune a également accru le nombre d’objectifs confiés à une seule organisation.

Ce remaniement adopte une approche différente. Il préserve une unité IA tout en séparant la vision scientifique de l’exécution quotidienne. Cette conception est plus explicite, mais son succès dépendra de limites que Google n’a pas encore pleinement décrites publiquement.

OpenAI et Anthropic transforment les talents en pression produit

Les rivaux de Google l’obligent à concurrencer simultanément pour les chercheurs et les clients.

La pression la plus visible vient d’OpenAI. ChatGPT a établi la référence grand public pour l’IA conversationnelle, tandis qu’OpenAI s’est étendu à la programmation, aux agents, aux outils de recherche et aux services d’entreprise. Son partenariat avec Microsoft apporte distribution et infrastructure, même si cette relation crée aussi des dépendances stratégiques.

Anthropic exerce une pression depuis une autre direction. Claude a été adopté par des développeurs et des entreprises qui accordent de l’importance aux performances en programmation, aux documents longs et à un comportement maîtrisé des modèles. L’entreprise a recruté des chercheurs de Google DeepMind, dont Jumper et d’autres contributeurs seniors.

Ces départs ne prouvent pas que le programme de recherche de Google échoue. Les principaux laboratoires recrutent régulièrement les uns chez les autres, et les rémunérations des spécialistes ont fortement augmenté. Les chercheurs quittent aussi les entreprises établies pour poursuivre des projets plus ciblés ou obtenir davantage d’autonomie.

Néanmoins, les mouvements de talents deviennent stratégiquement importants lorsqu’ils coïncident avec une faiblesse produit. Google a fait face à des interrogations sur l’IA pour la programmation tandis que des chercheurs rejoignaient un concurrent réputé dans ce domaine. Cette séquence peut affecter le moral des employés, la perception des clients et les futurs recrutements.

Hassabis a publiquement rejeté l’idée que Google ne pouvait plus attirer les meilleurs chercheurs. Dans une réponse sur les talents, il a décrit le marché comme l’environnement de recrutement technologique le plus férocement concurrentiel qu’il ait connu.

Cette explication rend compte du contexte du secteur, mais ne supprime pas le défi opérationnel. Google doit remplacer l’expertise qui part tout en respectant les calendriers de lancement. Les nouveaux chercheurs ont besoin de temps pour comprendre les systèmes internes d’entraînement, les méthodes d’évaluation et les contraintes produit.

Discovery Loop ajoute une autre dimension concurrentielle. La startup ne se positionne pas initialement comme un rival direct de Gemini. Son objectif porterait sur des systèmes d’apprentissage automatique destinés à l’expérimentation scientifique, un domaine qui recoupe l’intérêt de longue date de Hassabis pour l’IA appliquée à la science.

L’investissement de Google rend cette relation collaborative. L’entreprise peut bénéficier de l’infrastructure de recherche utile que Discovery Loop développerait et déploierait via Google Cloud. Les fondateurs gagnent en indépendance sans rompre tous les liens avec leur ancien employeur.

Toutefois, cet arrangement démontre aussi pourquoi des chercheurs seniors quittent les grandes entreprises. Une startup peut se concentrer sur une seule mission sans devoir arbitrer entre Search, la publicité, les contrats cloud, les examens de sécurité et les lancements grand public. L’échelle de Google fournit des ressources, mais elle crée aussi des obligations concurrentes.

OpenAI et Anthropic font face à leurs propres compromis. OpenAI doit financer d’énormes besoins en infrastructure tout en gérant ses relations avec les investisseurs et les partenaires. Anthropic doit transformer son adoption technique en une activité durable tout en prenant en charge une utilisation en forte croissance.

Google possède des actifs qu’aucun de ses deux rivaux ne peut facilement reproduire. L’entreprise conçoit des unités de traitement tensoriel, exploite des centres de données mondiaux, détient d’importantes plateformes grand public et maintient des activités rentables qui financent le développement de l’IA. Ses modèles peuvent atteindre des milliards d’utilisateurs via des produits existants.

Ces actifs rendent la question organisationnelle plus importante, et non moins. Une entreprise disposant d’une distribution supérieure peut tout de même avancer lentement lorsque les équipes divergent sur la propriété des responsabilités. Un laboratoire doté d’une recherche solide peut tout de même manquer un marché lorsque l’intégration produit arrive trop tard.

Kavukcuoglu est désormais chargé de combler cet écart. Son succès ne se mesurera pas uniquement aux classements des benchmarks. Il se manifestera dans l’adoption par les développeurs, les contrats d’entreprise, les flux de travail de programmation, l’engagement sur Search et la vitesse des lancements produit.

C’est aussi pourquoi les dernières google news revêtent une importance pour les acheteurs. Un changement de direction peut modifier les priorités de la feuille de route avant de transformer un quelconque modèle public. Les clients qui construisent autour de Gemini devraient surveiller si la documentation, les API, les quotas et les engagements de lancement deviennent plus prévisibles.

Les développeurs devraient également observer vers quels domaines Google oriente ses meilleurs chercheurs. Davantage d’investissements dans la recherche automatisée pourraient améliorer l’efficacité de l’entraînement et la qualité des modèles. Ils pourraient aussi détourner l’attention des lacunes produit immédiates si ces travaux restent expérimentaux.

La nouvelle structure ne résout pas les plus grands risques de Google

Une chaîne de commandement plus courte peut améliorer les décisions, mais elle ne peut pas garantir de meilleurs modèles ni empêcher de nouveaux départs.

La première incertitude concerne l’autorité réelle de Hassabis. Alphabet lui a créé un poste scientifique prestigieux, et il reste président de Google DeepMind. Pourtant, Kavukcuoglu contrôle le travail quotidien de l’organisation et relève de Pichai.

Si Hassabis peut façonner les priorités de recherche et obtenir des ressources, cet arrangement pourrait préserver son influence scientifique. Si son rôle devient principalement consultatif, Google pourrait perdre le style de leadership qui a attiré de nombreux chercheurs de DeepMind.

Les employés auraient exprimé des interprétations divergentes de cette décision. Certains y voyaient un moyen pour Hassabis de revenir au travail scientifique qu’il préférait. D’autres se demandaient si le poste de président l’éloignerait progressivement des décisions internes.

Google a présenté cette transition de manière positive. Hassabis a déclaré vouloir se concentrer sur l’AGI et ses implications. Kavukcuoglu a souligné l’existence d’un chemin clair pour la feuille de route de Gemini. Pichai a salué les talents de l’entreprise, ses ressources de calcul et sa portée produit.

Ces déclarations expliquent la structure visée, non son résultat. Les transitions de direction paraissent souvent ordonnées dans les notes d’annonce, car les désaccords non résolus restent privés.

Un deuxième risque concerne la rétention des chercheurs. Le groupe de Dean a reçu un investissement et un partenariat, mais d’autres employés pourraient considérer ce départ comme la preuve que des vétérans respectés peuvent poursuivre un travail ambitieux plus librement ailleurs. Les concurrents exploiteront cette perception lors de leurs recrutements.

Google peut répondre par la rémunération, l’accès au calcul et une plus grande autonomie de projet. L’entreprise peut aussi démontrer que les chercheurs continuent d’influencer des produits qui atteignent des audiences immenses. L’efficacité de ces réponses apparaîtra à travers les futurs départs et recrutements.

Le troisième risque concerne l’auto-amélioration récursive. L’automatisation de certaines parties de la recherche en IA peut accélérer les expériences, mais les affirmations concernant des systèmes qui s’améliorent eux-mêmes exigent un examen attentif. Les gains de performance peuvent dépendre de tâches étroites, d’objectifs choisis par des humains ou d’importantes quantités de calcul supplémentaires.

La recherche automatisée peut également amplifier des mesures défaillantes. Si un modèle optimise un benchmark incomplet, il peut produire des changements mieux notés sans devenir plus utile. Les chercheurs humains doivent toujours examiner la sécurité, la généralisation et les modes de défaillance cachés.

Google DeepMind possède une expérience dans la conception de systèmes qui recherchent des algorithmes et des solutions scientifiques. Cet historique rend plausible l’intérêt que Brin aurait manifesté pour cette direction de recherche. Il n’établit pas qu’une boucle d’amélioration autonome soit prête à transformer le développement de Gemini.

La sécurité crée un autre compromis. Une expérimentation plus rapide peut accroître le nombre de changements de modèle que les équipes doivent évaluer. Google a rapproché le personnel chargé de l’IA responsable de DeepMind en 2024, en partie pour intégrer le travail de sécurité à la construction des modèles.

La nouvelle organisation doit préserver ce lien tout en accélérant les lancements. Si les examens de sécurité deviennent un obstacle à contourner, Google risque de proposer des produits peu fiables et de s’exposer à un contrôle réglementaire. Si ces examens restent déconnectés de l’ingénierie, ils peuvent retarder les lancements sans traiter les problèmes suffisamment tôt.

Un dernier risque concerne la complexité produit. Gemini n’est pas une seule application. Il prend en charge le chat grand public, les API développeurs, les fonctionnalités Workspace, les services Cloud, Android, Search et des outils de recherche spécialisés.

Une modification du modèle qui améliore la programmation peut augmenter la latence ou les coûts ailleurs. Une politique de sécurité adaptée à un assistant grand public peut frustrer les développeurs d’entreprise. Une réponse Search doit respecter des contraintes de précision et de publicité qui ne s’appliquent pas à un chatbot autonome.

Aucune structure de direction n’élimine ces conflits. Le mieux qu’elle puisse faire est de clarifier les responsabilités et d’accélérer les compromis. La prochaine phase révélera si les nouveaux dirigeants de Google peuvent y parvenir sans affaiblir la culture de recherche qui a forgé la réputation de DeepMind.

Ce que révéleront les trois prochains mois

Trois signaux montreront si le remaniement a amélioré l’exécution ou s’est contenté de réorganiser les lignes hiérarchiques de Google.

Le premier signal est la feuille de route de Gemini. Google doit livrer son prochain modèle majeur et démontrer des progrès mesurables en matière de programmation, de raisonnement, de fiabilité et d’efficacité. Une sortie dans les délais, assortie d’un accès stable pour les développeurs, renforcerait la justification du mandat opérationnel de Kavukcuoglu.

Un nouveau retard l’affaiblirait. Les retards peuvent avoir des causes techniques ou de sécurité légitimes, mais des modifications répétées du calendrier laisseraient penser que le principal goulot d’étranglement ne relevait pas de la structure de management.

Le deuxième signal concerne la rétention des cadres expérimentés. Google n’a pas besoin d’empêcher tous les départs. L’entreprise doit en revanche conserver suffisamment de chercheurs chevronnés pour assurer la continuité des modèles tout en recrutant des spécialistes pour ses nouvelles priorités.

De nouveaux départs au sein des équipes centrales de Gemini chargées de l’entraînement, du raisonnement ou de la programmation suggéreraient que l’incertitude persiste chez DeepMind. Des recrutements de haut niveau ou le retour de chercheurs conforteraient l’argument de Hassabis selon lequel Google demeure une destination pour les talents d’élite.

Le troisième signal est l’adoption des produits. Les prochains résultats d’Alphabet devraient indiquer si la demande pour l’IA continue de se traduire par la croissance de Cloud, des contrats plus importants et un engagement durable sur Search et Gemini.

Les revenus à eux seuls ne trancheront pas la compétition entre les modèles. Google Cloud peut croître grâce à la demande d’infrastructure, même lorsque les clients utilisent les modèles d’autres fournisseurs. Les investisseurs devraient distinguer la vente de capacité de calcul de la conquête de charges de travail pour Gemini lui-même.

Les développeurs peuvent établir la même distinction au moyen de tests pratiques. Les API Gemini restent-elles stables sous un trafic de production ? Les agents de programmation terminent-ils des tâches complexes avec moins de corrections ? Les équipes peuvent-elles passer d’une version de modèle à une autre sans devoir reconstruire leurs prompts et leurs évaluations ?

Les acheteurs en entreprise devraient surveiller si Google transforme sa consolidation organisationnelle en un accompagnement plus clair. Les feuilles de route produit, les engagements de sécurité, les garanties de capacité et les outils de migration comptent autant que la domination des benchmarks lorsque les logiciels passent en production.

Les travailleurs du savoir devraient se concentrer sur la manière dont Gemini gère le contexte dans de vrais projets. De meilleures réponses exigent un accès à des sources précises, aux autorisations et à la mémoire institutionnelle. Une mise à niveau de modèle ne peut compenser des documents dispersés ou une provenance incertaine.

L’impulsion que Sergey Brin aurait donnée à la recherche assistée par l’IA mérite attention, mais les sorties concrètes comptent davantage que l’enthousiasme interne. Les preuves pourraient prendre la forme de méthodes publiées, d’évaluations reproductibles ou d’améliorations documentées de l’efficacité de l’entraînement.

Le rôle de Hassabis a également besoin d’une définition visible. Des publications scientifiques, des cadres de sécurité ou de grands programmes de recherche menés sous sa direction montreraient que le poste de scientifique en chef d’Alphabet s’accompagne d’une véritable autorité. Le silence susciterait des questions sur la possibilité que ce titre ait surtout facilité une transition difficile.

Les dernières actualités de Google laissent donc les lecteurs face à une proposition vérifiable. Google estime pouvoir séparer le leadership scientifique de long terme de l’exécution produit sans scinder sa mission en matière d’IA.

Cette structure donne à Kavukcuoglu un contrôle plus clair, à Pichai une supervision plus directe et à Hassabis la marge nécessaire pour poursuivre des recherches plus approfondies. Elle place également la responsabilité là où les clients et les employés peuvent la constater.

Au cours du prochain trimestre, ignorez les titres cérémoniels et observez les résultats. Suivez les sorties de Gemini, les départs de cadres techniques expérimentés et les signes montrant que les clients choisissent les modèles de Google plutôt que sa seule infrastructure. Ces signaux montreront si Google a simplifié son organisation de l’IA, ou s’il a simplement déplacé les mêmes tensions vers de nouveaux bureaux.