AlphaFold n'est plus : comment Google DeepMind a démantelé son équipe Nobel pour faire de la place à Gemini

L'essor des LLM et des agents d'IA

Le Financial Times a rapporté que l'essor des grands modèles de langage et des agents d'IA a poussé DeepMind à revoir en profondeur son organisation et sa stratégie de recherche . La conviction est qu'une IA généraliste peut avoir un impact scientifique plus large que des outils dédiés comme AlphaFold.

Comment le démantèlement a été mené (l'année écoulée)

Réaffectation de la plupart des chercheurs

La majorité des auteurs originaux des articles sur AlphaFold ont été réaffectés à d'autres départements au cours de l'année écoulée . Ils ont été mutés vers des projets construits autour du LLM Gemini, ainsi que vers des travaux sur la conception d'enzymes, la fusion nucléaire, la génomique et le codage en IA .

Mutations au sein d'Alphabet

Certains membres de l'équipe ont été transférés chez Isomorphic Labs, la société de découverte de médicaments d'Alphabet .

Départs très médiatisés

En juin 2026, John Jumper — qui a remporté le prix Nobel de chimie 2024 pour AlphaFold — a annoncé son départ de DeepMind après près de neuf ans pour rejoindre Anthropic . Peu après, deux autres co-auteurs d'AlphaFold, Jonas Adler et Alexander Pritzel, l'ont suivi chez Anthropic . Au total, près d'un quart des auteurs originaux à temps plein de l'article de DeepMind sur AlphaFold ont désormais quitté l'entreprise .

Ce que le pivot vers Gemini signifie pour la mission scientifique de DeepMind

Du spécialisé au général

DeepMind parie que les agents d'IA propulsés par Gemini peuvent automatiser et accélérer la découverte scientifique en biologie, chimie, physique et science des matériaux plus efficacement que des modèles uniques comme AlphaFold .

AlphaFold continue d'exister

La base de données des structures protéiques AlphaFold (qui couvre plus de 200 millions de protéines) et la technologie elle-même restent disponibles. Cette décision ne retire pas le produit — elle met fin à l'équipe dédiée qui l'a construit .

Risque pour l'excellence de domaine

Les critiques estiment que le démantèlement d'une équipe lauréate du prix Nobel signale une volonté de sacrifier la spécialisation scientifique approfondie au profit de la course à la construction du système d'IA généraliste le plus performant, ce qui pourrait ralentir les progrès dans des domaines comme la découverte de médicaments qui reposaient sur l'expertise pointue d'AlphaFold .

Une tendance industrielle plus large

Les talents affluent vers les laboratoires d'IA de pointe

Le départ des meilleurs scientifiques d'AlphaFold pour Anthropic — et la perte parallèle du co-responsable de Gemini, Noam Shazeer, au profit d'OpenAI — illustre une tendance plus large. La concurrence la plus intense dans l'IA aujourd'hui porte sur les agents généralistes et les modèles de fondation, et les chercheurs ayant une expertise approfondie dans un sous-domaine sont attirés pour travailler sur ces défis centraux.

Réallocation des ressources dans tout le secteur

La décision de DeepMind reflète les choix d'autres laboratoires : les outils spécialisés (repliement des protéines, prédiction météorologique, IA de jeu) sont dépriorisés alors que les entreprises concentrent la puissance de calcul, les talents et le financement sur la course à la construction des agents d'IA générale les plus performants. Une seule « IA scientifique » généraliste est considérée comme offrant un gain concurrentiel plus important que le maintien de nombreux systèmes experts restreints.