Google ne court plus après OpenAI et Anthropic vers la même ligne d'arrivée. Ses rivaux veulent une IA qui s'améliore elle-même. Google veut une IA qui comprend le monde réel.
La séparation est facile à manquer, car Google continue de livrer des modèles et de gagner de l'argent. Mais sa dernière version s'est classée 10ème dans un classement indépendant.
Ce que Google a dit et n'a pas dit sur la course à l'IA
Google a lancé Gemini 3.6 Flash le 21 juillet. L'argument était la vitesse et le coût, pas la puissance brute.
Suivez-nous sur X pour obtenir les dernières nouvelles au fur et à mesure qu'elles arrivent
Le modèle produit 17 % de tokens en moins que la version précédente, a déclaré le blog de Google. Les tokens sont les petits morceaux de texte qu'une IA écrit. Moins de tokens signifie une réponse moins chère.
La puissance est une autre affaire. Une lecture publiée de l'indice d'Analyse Artificielle a placé le modèle 10ème. Tous les autres grands laboratoires étaient classés au-dessus.
Google ne reste pas inactif. Il a commencé sa plus grande session d'entraînement à ce jour, pour Gemini 4. Un modèle plus grand, Gemini 3.5 Pro, est toujours en test avec des partenaires.
Sundar Pichai a pointé vers un prix différent. Il a lié la feuille de route à des agents personnalisés plutôt qu'à des victoires au classement.
Les investisseurs sont moins détendus. Les actions d'Alphabet ont chuté de 6 % en juin après le départ de deux chercheurs seniors pour des rivaux.
À l'intérieur du pari de DeepMind sur les modèles mondiaux
Un modèle du monde est une IA qui apprend comment les choses physiques se comportent. Gravité, mouvement, cause et effet. Elle prédit ce qui se passe ensuite dans une pièce, pas le prochain mot dans une phrase.
Le propre site de DeepMind montre le pari. Il classe Genie 3 et Gemini Robotics sous un titre pour les modèles du monde et l'IA incarnée, ce qui signifie des logiciels qui contrôlent des machines.
En mai, le laboratoire a étendu le Projet Genie à Street View. Il a également publié SIMA 2, un agent qui apprend en jouant dans des mondes 3D virtuels.
OpenAI et Anthropic visent quelque chose de complètement différent. Ils veulent une auto-amélioration récursive, abrégée en RSI.
En termes simples, cela signifie une IA suffisamment intelligente pour construire la prochaine IA, meilleure. Ensuite, celle-ci construit la suivante.
L'écrivain Alberto Romero a soutenu mardi que Google avait quitté cette course intentionnellement.
« Hassabis parie sur autre chose : les modèles du monde. Des modèles qui peuvent comprendre et simuler le monde réel, pas seulement prédire le prochain token », a écrit Alberto Romero dans une analyse récente.
Google n'a jamais dit une telle chose. Demis Hassabis, qui dirige Google DeepMind, n'a jamais écarté le RSI en public.
Pourquoi un co-fondateur rival dit que DeepMind est l'exception
La lecture extérieure la plus aiguë est venue d'un rival, des mois plus tôt.
Jack Clark a cofondé Anthropic. Le 4 mai, il a publié un essai sur la direction que prend l'IA.
Il a donné 60 % de chances que l'IA puisse mener ses propres recherches d'ici la fin de 2028. Il a estimé 30 % pour 2027.
Clark a ensuite demandé quels laboratoires poursuivent cet objectif. DeepMind, a-t-il écrit, « semble être le plus prudent des trois grands ». Prudent signifie prudent.
Ses preuves provenaient de DeepMind lui-même. Il a cité son article de 2025 sur la sécurité de l'IA, coécrit par le cofondateur Shane Legg.
Anthropic est beaucoup plus audacieux. Il a rapporté dans une étude sur l'amélioration auto-récursive que Claude a écrit plus de 80 % du code qu'il expédie d'ici mai 2026.
Avant février 2025, cette part était proche de zéro.
L'entreprise a documenté que l'IA construit une meilleure IA. Lors d'un test de vitesse, ses modèles ont enregistré un gain de 52 fois en avril, contre 2,9 fois un an plus tôt.
Un ingénieur qualifié a besoin de quatre à huit heures pour gérer un gain quadruple sur la même tâche.
Pourquoi Google n'a peut-être pas du tout quitté la course à l'IA
Deux faits vont à l'encontre de toute l'idée :
- Google est en tête du test qui se rapproche le plus de la mesure des compétences en recherche sur l'IA.
MLE-Bench demande à un modèle de construire des systèmes d'apprentissage automatique par lui-même. Un modèle Gemini 3 a obtenu 64,4 % en février. C'était le meilleur résultat à l'époque. Google a mis 3,6 Flash à 63,9 % en juillet.
Les laboratoires qui abandonnent un domaine ne figurent que rarement en tête de son tableau de classement.
- Google n'est en aucun cas absent du marché.
Pichai a dit aux investisseurs que l'application Gemini compte 950 millions d'utilisateurs mensuels. Google a cependant ignoré l'alliance ouverte de l'IA de NVIDIA ce mois-ci. OpenAI et Anthropic aussi.
Google peut-il se permettre d'attendre ?
L'argument en faveur de la patience est simple. Les annonces de recherche financent tout le reste, donc DeepMind peut prendre son temps.
Le dossier d'Alphabet montre que cette marge devient de plus en plus mince.
Les revenus ont atteint 119,8 milliards de dollars au trimestre de juin, en hausse de 24 %, selon les résultats déposés le 22 juillet. La recherche à elle seule a rapporté 63,3 milliards de dollars.
Puis vient les dépenses. Alphabet a investi 44,9 milliards de dollars dans des centres de données et des équipements en trois mois. C'est à peu près le double par rapport à l'année précédente.
Le résultat était un flux de trésorerie libre négatif de 5,86 milliards de dollars. Le flux de trésorerie libre est ce qui reste après le paiement des factures de construction.
Ce chiffre était positif de 10,1 milliards de dollars en mars. En décembre, il était positif de 24,6 milliards de dollars.
Alphabet a comblé le déficit en vendant 49,6 milliards de dollars de nouvelles actions en juin. Elle a emprunté 20,3 milliards de dollars supplémentaires.
La dette à long terme a doublé en six mois, passant de 46,5 milliards de dollars à 98,2 milliards de dollars.
Une ligne dans les comptes couvrant la recherche en IA partagée a perdu 5,79 milliards de dollars, contre 3,37 milliards de dollars auparavant. La patience a désormais un prix.
À surveiller au cours des 30 prochains jours
- Que Gemini 3.5 Pro soit expédié, et comment il se classe
- Que DeepMind montre des résultats de modèle mondial liés à Gemini 4
- Que le flux de trésorerie d'Alphabet redevienne positif en septembre
- Que Hassabis réponde directement à la question de l'auto-amélioration
Gemini 4 est le véritable test. Si les modèles mondiaux fonctionnent là où les agents de codage échouent, le rythme lent semblera intelligent plutôt que craintif.
Le prochain rapport sur les bénéfices montrera combien de temps Alphabet peut continuer à payer pour le découvrir.
Source : BeInCrypto
