Par-delà l’innovation, une question d’orientation •

Les propos récents de Demis Hassabis, dirigeant de Google DeepMind, ne relèvent pas d’un simple débat technique sur l’intelligence artificielle. Ils posent une question beaucoup plus structurante : quelle finalité assignons-nous à cette technologie ?

À travers une déclaration inhabituelle dans un secteur souvent calibré par la communication, Hassabis reconnaît qu’un autre chemin était possible :

laisser l’intelligence artificielle évoluer plus longtemps dans le cadre de la recherche fondamentale, afin de résoudre des problèmes structurants — au premier rang desquels les maladies complexes.

Cette hypothèse n’est pas théorique. Elle s’appuie sur un précédent concret : AlphaFold, système développé par DeepMind, qui a permis de résoudre le problème du pliage des protéines, ouvrant des perspectives majeures en biologie structurale et en pharmacologie.

Ce succès incarne une IA orientée vers la connaissance, par opposition à une IA orientée vers l’usage.

1. Le basculement de 2022 : de la recherche à la compétition

Le lancement de ChatGPT en novembre 2022 constitue un point de rupture.

Cet événement a provoqué une reconfiguration immédiate des priorités industrielles, plaçant les grands acteurs technologiques dans une situation de concurrence accélérée. Google, historiquement positionné sur une IA de recherche, s’est retrouvé contraint d’entrer dans une logique de réaction rapide.

Ce basculement peut être analysé comme le passage :

d’un temps long scientifique, structuré mp par la validation, la reproductibilité et la prudence à un temps court industriel, dominé par les cycles produits, les parts de marché et la pression des investisseurs

À cela s’ajoute une dimension géopolitique croissante, notamment la rivalité entre États-Unis et Chine, qui transforme l’IA en enjeu de souveraineté stratégique.

L’intelligence artificielle n’est plus seulement une discipline scientifique : elle devient un instrument de puissance.

2. Une innovation redirigée : du fondamental vers le produit

Contrairement à une lecture simpliste, il ne s’agit pas d’un ralentissement du progrès, mais d’une réallocation des ressources cognitives et techniques.

Les capacités de recherche sont désormais massivement mobilisées pour : améliorer des interfaces conversationnelles, optimiser des modèles génératifs, accélérer la mise sur le marché de solutions exploitables.

Au détriment, potentiellement, de programmes plus longs, moins visibles, mais à impact systémique :

– compréhension des maladies complexes – découverte de nouveaux matériaux transition énergétique

Cette tension entre innovation de surface et innovation de rupture n’est pas nouvelle. Elle rappelle des débats historiques dans d’autres secteurs technologiques. Mais l’IA amplifie cette dynamique en raison de sa transversalité.

3. L’émergence de l’« ère agentique » : un changement de nature

L’un des points les plus structurants évoqués par Hassabis concerne l’entrée imminente dans une nouvelle phase : celle des systèmes dits « agentiques ».

Ces systèmes ne se contentent plus de répondre à des requêtes. Ils planifient, exécutent et prennent des initiatives dans des environnements complexes

Ce passage d’une IA outil à une IA acteur modifie profondément les équilibres.

La question centrale devient alors celle de l’alignement : comment garantir que ces systèmes poursuivent des objectifs strictement conformes aux intentions humaines ?

Ce problème, déjà identifié dans les cercles académiques, change d’échelle à mesure que les capacités des modèles augmentent.

4. Le défi de l’alignement : un problème technique et politique

Hassabis souligne un point essentiel : l’alignement n’est pas uniquement un enjeu éthique, mais un défi technique majeur.

Garantir qu’un système avancé : ne contourne pas ses contraintes, n’interprète pas de manière imprévue les instructions, reste contrôlable dans des contextes ouverts

Il représente une difficulté comparable, voire supérieure, aux défis scientifiques que l’IA permet de résoudre.

Ce constat implique une double responsabilité :

scientifique, pour développer des méthodes robustes de contrôle institutionnelle, pour organiser une gouvernance internationale adaptée

À cet égard, l’appel à une coopération globale évoque implicitement des modèles comme les grandes collaborations scientifiques du XXe siècle.

5. Une fenêtre temporelle critique

L’élément le plus préoccupant réside dans le calendrier.

Selon Hassabis, la fenêtre pour traiter efficacement ces enjeux se situe dans un horizon de deux à quatre ans.

Ce délai est extrêmement court à l’échelle :

des cycles de régulation des transformations institutionnelles des coopérations internationales

Il crée une tension entre la vitesse du progrès technologique et la lenteur des mécanismes de gouvernance.

6. Vers une re-politisation de l’intelligence artificielle •

En filigrane, ces déclarations traduisent un déplacement du débat :

L’intelligence artificielle ne peut plus être pensée uniquement comme une innovation technique ou économique.

Elle devient un objet politique majeur, au croisement de plusieurs enjeux : souveraineté, sécurité, santé publique, modèle de développement.

La question n’est plus seulement : que peut faire l’IA ?

Mais : que doit-elle faire, et selon quelles priorités collectives ?

Conclusion : une trajectoire encore réversible ?

L’analyse proposée par Demis Hassabis ne constitue pas un rejet du progrès technologique, mais une mise en garde sur sa direction.

Elle suggère que nous sommes à un moment charnière :

soit l’IA reste dominée par des logiques de marché à court terme soit elle est réorientée, au moins en partie, vers des objectifs de long terme à forte valeur collective

La véritable question n’est donc pas celle de la puissance de l’intelligence artificielle, mais celle de sa priorisation.

Et, en creux, celle de notre capacité collective à arbitrer entre vitesse et sens.