Le talent est le vrai avantage dans l'IA — et Google est en train de le perdre

Google a inventé une partie des bases mathématiques de l'IA moderne. L'article de 2017 "Attention Is All You Need," rédigé par des chercheurs de Google, est le fondement sur lequel presque tous les grands systèmes d'IA d'aujourd'hui sont construits. Pourtant, le propre modèle phare de Google, Gemini 3.5 Pro, a maintenant manqué trois délais de lancement consécutifs — d'abord juin 2026, puis le 17 juillet, et maintenant sans nouvelle date annoncée. L'entreprise qui a inventé la technologie peine à livrer le produit.

Les problèmes techniques s'accumulent. Google a complètement mis de côté la première version de Gemini 3.5 Pro et l'a reconstruite de zéro après qu'elle ait continué à échouer aux tests de génération de code et aux instructions complexes à plusieurs étapes. La version reconstruite a passé ces tests mais en a rencontré de nouveaux : trop de mauvaises réponses et des résultats qui changeaient de manière imprévisible. Pendant ce temps, GPT-5.6 d'OpenAI et Fable 5 d'Anthropic sont déjà entre les mains des clients. Chaque semaine que Gemini rate son objectif, les rivaux prennent de l'avance.

Pendant que le modèle prenait du retard, l'équipe a commencé à partir. En une seule semaine fin juin, quatre chercheurs seniors de Gemini ont annoncé leur départ. Noam Shazeer — coresponsable de Gemini et coauteur du papier Transformer original — a rejoint OpenAI. John Jumper — dont les travaux sur AlphaFold ont valu un prix Nobel de chimie — a rejoint Anthropic avec deux autres membres seniors de l'équipe. Le jour où le départ de Shazeer est devenu public, le cours d'Alphabet a chuté d'environ 5%, effaçant 225 milliards de dollars de valeur en une seule journée.

La leçon ne concerne pas seulement Google. Il s'agit de ce qui détermine vraiment qui gagne dans l'IA. Plus de puissance de calcul, plus de données, un nom de marque plus grand — rien de tout cela n'empêche les personnes talentueuses de choisir un autre employeur. Les chercheurs qui comprennent pourquoi un modèle fonctionne, et comment le réparer quand il ne fonctionne pas, sont très difficiles à remplacer. Si vous construisez des produits d'IA ou choisissez avec quelle entreprise d'IA vous associer, l'équipe derrière le modèle compte plus que le nom sur la porte.