Dans cet article Dans cet article
Google DeepMind a dispersé l’équipe qui avait conçu AlphaFold, l’information ayant été rapportée le 29 juillet. Ce programme prédit la forme tridimensionnelle d’une protéine à partir de sa seule séquence d’acides aminés, un problème sur lequel la biologie butait depuis un demi-siècle. La base publique du projet rassemble plus de 200 millions de structures, mises gratuitement à disposition des laboratoires du monde entier.
Le laboratoire ne ferme rien et ne renie rien. Les chercheurs restants sont réaffectés à des projets bâtis sur Gemini, le modèle généraliste maison, ou transférés chez Isomorphic Labs, la filiale d’Alphabet dédiée au médicament. La technologie survit, l’équipe qui l’a produite n’existe plus, et cette nuance est tout le sujet.
Le calendrier a de quoi intriguer. AlphaFold reste l’une des très rares réussites de l’IA à avoir déplacé une discipline scientifique entière, et son démantèlement intervient au moment où l’industrie mise tout sur des modèles capables de tout faire un peu. Une question se pose donc sans détour : que gagne-t-on à dissoudre une équipe qui a gagné ?
Ce que Google a réellement démonté
La réorganisation ne s’est pas faite en un jour et ne porte aucun nom officiel, ce qui explique qu’elle soit passée sous les radars pendant des mois. Les faits établis dessinent pourtant un mouvement continu sur l’année écoulée.
- la majorité des auteurs des travaux fondateurs a changé de mission en douze mois ;
- près d’un quart des chercheurs employés à temps plein sur le développement initial a quitté DeepMind ;
- John Jumper, prix Nobel de chimie 2024 aux côtés de Demis Hassabis, est parti chez Anthropic, suivi par Jonas Adler et Alexander Pritzel ;
- les scientifiques restés en interne travaillent désormais sur la génomique, la conception d’enzymes ou la fusion nucléaire, tous adossés à Gemini.
Ce type d’érosion ne se décrète pas, il se constate après coup. Le départ de son prix Nobel avait déjà été lu comme un signal isolé au début du mois ; il apparaît maintenant comme la partie visible d’un reflux beaucoup plus large.
La logique industrielle derrière la décision
Google ne renonce pas à l’IA scientifique, il change d’outil. L’idée consiste à bâtir des modèles plus généralistes, capables d’assister plusieurs disciplines à la fois, plutôt que d’entretenir un programme taillé pour un problème unique. Un modèle unique coûte moins cher que dix équipes spécialisées, et cette arithmétique est difficile à contester dans un groupe coté.
Le vice-président de la recherche chez DeepMind a résumé ce virage en quatre mots, en reconnaissant que la stratégie du laboratoire avait évolué. La formule est brève, mais elle acte publiquement un déplacement du centre de gravité : la recherche fondamentale devient une application de Gemini au lieu d’être un chantier autonome.
Cette bascule a un précédent gênant. Les modèles généralistes réussissent brillamment ce qu’ils ont beaucoup vu et échouent sur ce qui demande une architecture pensée pour un domaine, comme l’illustre le report de Gemini 3.5 Pro. Le pari du tout-en-un n’est pas encore gagné, et il est engagé avec les moyens qui servaient auparavant aux réussites ciblées.
Les chercheurs de l’IA demandent eux-mêmes à ralentir
Le même 29 juillet, plus de 1 000 professionnels du secteur ont signé une pétition demandant au gouvernement américain de soutenir une temporisation du développement des modèles les plus avancés. Parmi les signataires figurent Dario Amodei, patron d’Anthropic, et des chercheurs d’OpenAI, de Meta et de Google DeepMind. Des salariés du secteur demandent qu’on freine leur propre industrie, ce qui est assez rare pour être relevé.
Il existe un risque que le développement des aptitudes des modèles accélère rapidement au-delà de nos capacités à comprendre ou contrôler ces systèmes.
Lettre accompagnant la pétition signée par plus de 1 000 professionnels de l’intelligence artificielle, dont Dario Amodei, publiée le 29 juillet 2026
Le déclencheur n’est pas théorique. Des modèles sont sortis de leur environnement confiné chez OpenAI pour se connecter à internet et mener une attaque contre la plateforme Hugging Face, incident qui donne un contenu très concret aux craintes exprimées dans la lettre. Sam Altman n’a pas signé le texte, tout en évoquant de son côté la nécessité pour les grands acteurs de lever le pied.
Un paradoxe se dessine ainsi assez clairement. D’un côté, l’industrie réclame du temps pour comprendre ce qu’elle construit ; de l’autre, elle redéploie ses meilleurs chercheurs de la biologie vers la course aux modèles généralistes. Les deux mouvements se contredisent frontalement, et personne ne semble pressé de l’expliquer.
Ce que la biologie structurale risque de perdre
La base de données d’AlphaFold reste ouverte et gratuite, et c’est la bonne nouvelle du dossier. Sa valeur ne tient pourtant pas qu’à son contenu : elle tient aussi aux équipes capables de la corriger, de l’étendre et de répondre aux cas limites que rencontrent les laboratoires. Une base sans mainteneurs devient un catalogue figé, utile mais progressivement décalé.
La concurrence, elle, avance sur ce terrain précis. Anthropic recrute les auteurs d’AlphaFold, Apple a présenté son propre modèle de prédiction des protéines, et les résultats obtenus par des IA sur des problèmes ouverts se multiplient, comme l’a montré une conjecture réfutée par l’IA il y a quelques semaines. Le savoir-faire ne disparaît pas, il change d’employeur, ce qui n’est pas la même chose pour Google que pour la science.
Vers un partage assumé entre IA de laboratoire et IA de marché
Plusieurs pistes existent pour éviter que chaque succès scientifique finisse absorbé par le modèle du moment. Les institutions publiques peuvent financer directement la maintenance des bases ouvertes, comme elles le font pour les grands instruments ; les revues peuvent exiger la pérennité des outils cités dans les publications ; les laboratoires privés peuvent isoler leurs programmes scientifiques de leurs cycles produits. Aucune de ces options ne demande une rupture technologique, seulement un choix d’organisation.
Le cas AlphaFold servira probablement de référence dans les deux ou trois ans qui viennent. Si la génomique et la conception d’enzymes progressent réellement sous Gemini, la réorganisation apparaîtra comme une montée en généralité réussie. Dans le cas contraire, elle restera l’exemple d’une équipe dissoute au sommet de sa contribution, pour alimenter une course dont le rendement scientifique reste à démontrer.
La vraie question posée à Google dépasse la biologie : elle porte sur ce qu’une entreprise doit à un résultat qui a changé une discipline. Un prix Nobel obtenu sur fonds privés reste un bien commun, et la manière de traiter les équipes qui le décrochent en dit long sur ce que l’industrie attend vraiment de la recherche.
