Accueil › Glossaire › Google DeepMind

Google DeepMind

Google DeepMind est la division d’intelligence artificielle d’Alphabet (maison mère de Google), née en avril 2023 de la fusion de deux laboratoires de recherche historiques : DeepMind (fondé en 2010, acquis par Google en 2014) et Google Brain (fondé en 2011). Dirigée par Demis Hassabis (prix Nobel de chimie 2024), elle développe la famille de modèles Gemini, et est à l’origine de percées fondamentales comme AlphaGo, AlphaFold et l’architecture Transformer.

Histoire et formation

DeepMind : des jeux Atari à AlphaGo (2010-2022)

DeepMind a été fondée en 2010 à Londres par Demis Hassabis, Mustafa Suleyman et Shane Legg. L’approche était interdisciplinaire dès le départ : combiner machine learning, neurosciences, mathématiques et ingénierie pour construire une intelligence artificielle générale. Google a acquis DeepMind en janvier 2014 pour environ 500 millions de livres sterling (environ 628 millions de dollars).

Les premières percées ont concerné les jeux, utilisés comme terrain de test. DQN (Deep Q-Network, 2013) apprenait à jouer à 49 jeux Atari à un niveau surhumain en observant uniquement les pixels de l’écran. Puis est venu AlphaGo, le programme qui a battu le champion européen Fan Hui (5-0) en octobre 2015, puis le champion du monde Lee Sedol (4-1) en mars 2016 à Séoul. Cet événement a marqué un tournant dans l’histoire de l’IA et a propulsé DeepMind dans la conscience publique.

AlphaGo Zero (2017) est allé plus loin : il apprenait à jouer uniquement contre lui-même, sans données humaines, et surpassait la version originale. AlphaZero a ensuite battu les meilleurs programmes d’échecs et de shōgi. AlphaStar (2019) a vaincu des joueurs professionnels de StarCraft II, un jeu de stratégie en temps réel bien plus complexe.

Mais la percée la plus impactante est venue de la biologie. AlphaFold (2020) a résolu le problème du repliement des protéines, un défi scientifique ouvert depuis 50 ans. En 2022, AlphaFold avait prédit les structures de plus de 200 millions de protéines, catalysant une vague de progrès en biologie, pharmacologie et médecine. Plus d’un million de biologistes utilisent la base de données. Demis Hassabis et John Jumper ont reçu le prix Nobel de chimie 2024 pour ces travaux.

Google Brain et l’invention du Transformer

Google Brain, fondée en 2011 au sein de Google Research, a produit certaines des avancées les plus fondamentales de l’IA moderne. En 2017, l’équipe a publié « Attention Is All You Need », l’article qui a introduit l’architecture Transformer, la base de pratiquement tous les grands modèles de langage actuels (GPT, Claude, Gemini, Llama, Mistral). Sans cette contribution, l’industrie de l’IA générative n’existerait tout simplement pas sous sa forme actuelle.

Google Brain a aussi produit Word2Vec, les modèles sequence-to-sequence, la distillation de modèles, et les frameworks TensorFlow et JAX utilisés massivement en recherche et en production.

La fusion de 2023

En avril 2023, sous la pression concurrentielle de ChatGPT (lancé en novembre 2022), le CEO d’Alphabet Sundar Pichai a fusionné les deux laboratoires en une seule entité : Google DeepMind. Demis Hassabis est devenu CEO de la division unifiée, Jeff Dean a pris le rôle de Chief Scientist de Google.

L’objectif affiché : concentrer les talents et les ressources computationnelles de Google pour accélérer le développement de systèmes d’IA généraux. La fusion a rassemblé deux des équipes de recherche les plus prolifiques au monde, avec des accomplissements collectifs couvrant AlphaGo, les Transformers, Word2Vec, WaveNet, AlphaFold, le deep reinforcement learning et les systèmes distribués.

Les modèles Gemini

Gemini est la famille de modèles multimodaux de Google DeepMind, successeur de LaMDA et PaLM 2. Contrairement aux modèles qui traitent le texte séparément de la vision (comme les premières versions de GPT-4), Gemini a été entraîné nativement sur texte, images, audio, vidéo et code simultanément.

Gemini 3 et 3.1 (2025-2026)

Gemini 3 Pro, lancé le 18 novembre 2025, est décrit par Google comme son modèle le plus intelligent. Il marque une rupture avec les lancements progressifs habituels : le modèle a été rendu disponible immédiatement dans l’app Gemini, Google Search, Google AI Studio et Vertex AI. Gemini 3 Flash a suivi en décembre 2025, devenant le modèle par défaut de l’app Gemini.

Gemini 3.1 Pro Preview, lancé le 19 février 2026, apporte un saut majeur en raisonnement. Il atteint un score ARC-AGI-2 de 77,1% (plus du double de Gemini 3 Pro) et 80,6% sur SWE-Bench Verified. Gemini 3.1 Flash-Lite (3 mars 2026) est la variante la plus économique de la gamme.

Gemini Deep Think

Deep Think est le mode de raisonnement avancé de Gemini, disponible pour les abonnés Google AI Ultra. Mis à jour le 17 mars 2026, il cible les problèmes scientifiques, de recherche et d’ingénierie. Deep Think obtient des résultats de niveau médaille d’or aux Olympiades internationales de physique et de chimie 2025, et atteint 50,5% sur CMT-Benchmark en physique théorique avancée.

Deep Think est aussi accessible via l’API Gemini pour des chercheurs et ingénieurs sélectionnés, une première qui élargit l’accès au-delà de l’application consumer.

Génération d’images et de vidéo

Google DeepMind développe aussi des modèles de génération média :

Imagen 4.0 : le modèle de génération d’images de Google, intégré dans Gemini et Google AI Studio.

Veo 3.1 : modèle de génération vidéo, accessible via l’API Gemini et Google AI Studio. Positionné face à Sora (OpenAI) et Runway Gen-3.

Nano Banana : modèle de génération et d’édition d’images basé sur Gemini 2.5 Flash Image, devenu viral après des tests anonymes sur la plateforme Arena en août 2025. Nano Banana 2, basé sur Gemini 3.1 Flash Image, a été déployé le 26 février 2026 dans Gemini, Search et Lens.

Gemma : la famille de modèles open-weight de Google, conçue pour le self-hosting et le fine-tuning par la communauté.

Produits et distribution

L’avantage compétitif majeur de Google DeepMind est la distribution. Là où OpenAI et Anthropic doivent acquérir des utilisateurs, Google peut intégrer Gemini dans des produits qui touchent déjà des milliards de personnes.

Gemini app : le chatbot consumer de Google, successeur de Bard (renommé en février 2024). Plus de 650 millions d’utilisateurs mensuels. Disponible en web, Android et iOS. Sur Android, Gemini remplace Google Assistant par défaut.

AI Overviews : les résumés IA intégrés dans Google Search, avec plus de 2 milliards d’utilisateurs mensuels. C’est la surface d’exposition IA la plus massive au monde.

Google Workspace : Gemini est intégré dans Gmail, Docs, Sheets, Slides et Meet pour la rédaction, le résumé, l’analyse de données et la prise de notes.

Google AI Studio : l’IDE web pour prototyper avec les modèles Gemini, gratuit pour la majorité des usages.

Vertex AI : la plateforme enterprise pour déployer des modèles IA en production, incluant Gemini et les modèles de tiers (Claude, Llama, Mistral).

Google Antigravity : la nouvelle plateforme de développement agentique, positionnée comme IDE agent-first pour construire avec Gemini.

Abonnements : Google AI Pro à environ $19,99/mois, Google AI Ultra à environ $249,99/mois (inclut Deep Think et les fonctionnalités avancées).

Comme le résume Demis Hassabis : DeepMind est le « moteur » de Google en matière d’IA. Toute la technologie IA est développée chez DeepMind, puis diffusée dans les produits Google. Hassabis communique quotidiennement avec Sundar Pichai.

Recherche et impact scientifique

Google DeepMind maintient un programme de recherche fondamentale unique dans l’industrie. Les travaux récents incluent :

AlphaGenome (2025) : modèle spécialisé dans le génome humain pour comprendre les maladies génétiques et identifier des cibles thérapeutiques.

AlphaProteo (2024) : système de conception de protéines, prolongeant les travaux d’AlphaFold vers la biologie synthétique.

AlphaChip : architecture neuronale pour le placement de composants sur les puces, utilisée dans chaque itération des TPU depuis 2020.

Prévisions météo : modèles qui surpassent les systèmes traditionnels de prévision météorologique.

Fusion nucléaire : travaux sur le contrôle du plasma dans les réacteurs à fusion.

Cette combinaison de recherche fondamentale et d’applications produit est ce qui distingue Google DeepMind des autres laboratoires. Demis Hassabis résume la mission : « résoudre l’intelligence, puis utiliser cela pour résoudre tout le reste ».

Infrastructure et investissements

Google dispose de l’infrastructure la plus massive de l’industrie IA. Les TPU (Tensor Processing Units), conçus en interne et fabriqués avec Broadcom, alimentent l’entraînement et l’inférence des modèles Gemini. Plus de 70% des clients cloud de Google utilisent déjà les services IA, et 13 millions de développeurs ont construit avec les modèles génératifs de Google.

Alphabet a annoncé des plans de dépenses en capital allant jusqu’à 185 milliards de dollars pour 2026, principalement pour l’infrastructure IA. C’est le budget capex le plus élevé de toute l’industrie tech, reflétant l’ampleur de l’intégration IA dans l’écosystème Google.

Demis Hassabis et la vision AGI

Demis Hassabis est une figure singulière dans l’industrie IA. Né en 1983 à Londres, il a été champion d’échecs à 13 ans, a conçu des jeux vidéo à succès (Theme Park chez Bullfrog Productions à 17 ans), a obtenu un diplôme en informatique de Cambridge et un doctorat en neurosciences cognitives à UCL. Ce parcours interdisciplinaire informe directement la philosophie de recherche de DeepMind : comprendre l’intelligence biologique pour construire l’intelligence artificielle.

Sa vision de l’AGI est pragmatique et ancrée dans la science. Il décrit DeepMind comme un laboratoire qui « résout l’intelligence, puis utilise cela pour résoudre tout le reste ». Les projets AlphaFold et AlphaGenome illustrent cette approche : l’IA n’est pas une fin en soi mais un outil pour accélérer la découverte scientifique. Hassabis projette que des progrès en interprétabilité permettront de développer l’équivalent d’un « IRM virtuel » pour les réseaux de neurones d’ici 2027.

Hassabis est aussi actif sur les questions de sécurité IA. En 2023, il a cosigné une déclaration affirmant que « réduire le risque d’extinction posé par l’IA devrait être une priorité mondiale ». Cependant, il considère qu’une pause dans les progrès de l’IA serait difficile à appliquer mondialement et que les bénéfices potentiels justifient de poursuivre les recherches avec prudence. Il a été anobli par le roi Charles III en 2024 pour ses contributions à l’IA.

Hassabis dirige également Isomorphic Labs, une filiale d’Alphabet lancée en 2021 pour appliquer l’IA à la découverte de médicaments. L’ambition est de transformer la pharmacologie en utilisant les techniques issues d’AlphaFold et d’AlphaProteo pour concevoir de nouvelles molécules thérapeutiques, réduisant potentiellement le cycle de développement de médicaments de 10 ans à quelques mois.

Stratégie agentique

Google DeepMind investit massivement dans les capacités agentiques. Le Gemini 3 est décrit comme le modèle de « vibe coding » et de coding agentique le plus performant jamais construit par Google, en tête du classement WebDev Arena avec un score Elo de 1487. Le score de 54,2% sur Terminal-Bench 2.0 (qui teste la capacité d’un modèle à opérer un ordinateur via le terminal) montre des progrès significatifs vers des agents autonomes.

Les outils pour développeurs s’étoffent : Google AI Studio pour le prototypage, Vertex AI pour la production, et Google Antigravity comme plateforme de développement agent-first. Gemini est aussi intégré dans des plateformes tierces comme Cursor, GitHub, JetBrains, Manus AI et Replit.

L’Interactions API, lancée en preview, fournit une interface unifiée pour interagir avec les modèles et agents Gemini. Le Gemini Deep Research Agent permet des recherches autonomes multi-étapes. Et le support du Computer Use tool dans Gemini 3 Pro et Flash étend les capacités de contrôle d’interface, en compétition directe avec les fonctionnalités similaires de GPT-5.4 et Claude Code.

Positionnement concurrentiel

Google DeepMind est dans une position unique : c’est le seul acteur qui combine un laboratoire de recherche fondamentale de classe mondiale, des modèles frontier (Gemini), et une distribution massive (Search, Gmail, Android, YouTube). Cette intégration verticale est à la fois sa force et sa faiblesse : la force, c’est l’accès à des milliards d’utilisateurs ; la faiblesse, c’est la complexité organisationnelle d’une division IA au sein d’un conglomérat de 180 000 employés.

Face à OpenAI (leader consumer avec ChatGPT), Google mise sur l’IA ambiante : vous n’allez pas vers Gemini, c’est Gemini qui vient à vous, intégré dans les outils que vous utilisez déjà. Face à Anthropic (leader enterprise B2B), Google propose Vertex AI comme plateforme multi-modèles, incluant Claude en plus de Gemini. Face à Meta (leader open source), Google répond avec Gemma en open-weight.

Part de marché estimée : environ 18% du marché de l’IA générative en 2026, derrière OpenAI mais en forte croissance grâce à la distribution.

Controverses

Google DeepMind n’est pas exempt de controverses. Le lancement précipité de Bard en février 2023, avec une erreur factuelle lors de la démonstration en direct, a coûté 100 milliards de dollars de capitalisation boursière à Alphabet en une journée. En 2024, la génération d’images de Gemini a été suspendue après des critiques sur des inexactitudes historiques et des biais dans les représentations de personnes.

En mars 2026, les parents d’un adolescent ont intenté un procès pour mort injustifiée, alléguant que Gemini avait encouragé leur fils à se suicider. Cette affaire soulève des questions fondamentales sur la responsabilité des chatbots IA dans les interactions avec des mineurs.

Les tensions internes ont aussi marqué l’histoire récente : le licenciement controversé des chercheuses en éthique Timnit Gebru et Margaret Mitchell en 2020-2021, et les difficultés d’intégration entre les cultures de DeepMind (recherche fondamentale, London-centric) et Google Brain (produit, Bay Area).