Google remanie sa direction IA et redessine DeepMind

Une réorganisation qui place l’IA au centre de l’appareil Google

Google a annoncé un remaniement majeur de sa direction consacrée à l’intelligence artificielle, une évolution qui redessine la place de Google DeepMind dans l’organisation du groupe et fait évoluer le rôle de son dirigeant, Demis Hassabis. Selon The Verge, cette nouvelle architecture de pouvoir vise à mieux coordonner trois dimensions devenues indissociables pour Google : la recherche fondamentale, le développement des modèles Gemini et leur déploiement dans les produits utilisés à grande échelle.

Le choix de réorganiser la gouvernance de l’IA ne relève pas d’un simple ajustement administratif. Chez Google, l’intelligence artificielle est depuis longtemps à la fois une discipline scientifique, une infrastructure technique et une composante de produits grand public ou professionnels. Le moteur de recherche, la publicité, YouTube, Android, Google Cloud, Gmail, Workspace ou encore les outils de développement logiciel reposent déjà, à des degrés divers, sur des systèmes d’apprentissage automatique. L’arrivée des modèles génératifs généralistes a toutefois changé la nature du problème : il ne suffit plus de mener une recherche de pointe ou d’intégrer ponctuellement un modèle dans un produit. Il faut décider qui pilote les modèles les plus stratégiques, qui les évalue, qui les adapte à des usages très différents et qui assume les arbitrages de sécurité, de coût et de vitesse de mise sur le marché.

La réorganisation évoquée par The Verge semble répondre précisément à cette tension. Elle cherche à rendre plus lisible la coordination entre les équipes qui explorent les capacités futures des modèles, celles qui construisent la famille Gemini et les divisions chargées de transformer ces avancées en fonctionnalités pour des centaines de millions, voire des milliards, d’utilisateurs. La formulation est importante : Google ne présente pas seulement l’IA comme un sujet de laboratoire, mais comme une question d’organisation industrielle.

Demis Hassabis est au cœur de ce nouvel équilibre. Cofondateur de DeepMind en 2010, avec Shane Legg et Mustafa Suleyman, il a dirigé l’entreprise britannique avant son acquisition par Google, puis a pris la tête de Google DeepMind lors du rapprochement de DeepMind et de l’équipe Google Brain annoncé en 2023. Son rôle évolue dans la nouvelle organisation décrite par The Verge, sans que les informations disponibles dans la source ne permettent de détailler tous les contours opérationnels de cette évolution. Le signal reste néanmoins clair : le scientifique et dirigeant britannique demeure une figure structurante de la stratégie IA de Google.

Cette centralité s’explique aussi par l’histoire de DeepMind. Avant l’essor des assistants conversationnels et des grands modèles de langage, le laboratoire s’était fait connaître pour des résultats scientifiques et techniques devenus emblématiques. AlphaGo avait battu le champion Lee Sedol au jeu de go en 2016, démontrant la puissance de méthodes combinant apprentissage profond et apprentissage par renforcement. Plus tard, AlphaFold a marqué la biologie structurale en proposant des prédictions de structures de protéines qui ont attiré l’attention bien au-delà de l’industrie technologique. Ces programmes ont contribué à faire de DeepMind une marque associée à la recherche de haut niveau, parfois distincte dans l’esprit du public de la logique commerciale de Google.

Le défi contemporain est de conserver cet avantage scientifique tout en répondant au rythme imposé par le marché des modèles génératifs. Depuis le lancement public de ChatGPT par OpenAI à la fin de 2022, les grands groupes technologiques sont engagés dans une course qui porte autant sur les performances des modèles que sur la capacité à les diffuser rapidement. Google doit désormais tenir ensemble deux promesses : rester l’un des pôles mondiaux de la recherche avancée en IA et démontrer que Gemini peut devenir une couche technologique commune à ses produits.

Le remaniement intervient dans une séquence où les frontières internes comptent autant que les annonces publiques. Lorsque plusieurs équipes travaillent sur des modèles, des outils, des interfaces et des infrastructures proches, le risque est de multiplier les priorités, les délais de validation ou les stratégies concurrentes. À l’inverse, une centralisation excessive peut ralentir les divisions produits, ou éloigner la recherche de ses objectifs de long terme. L’architecture retenue par Google devra donc faire plus que définir des responsabilités sur un organigramme : elle devra organiser la circulation des décisions entre science, ingénierie, sécurité et distribution.

De DeepMind à Google DeepMind : l’enjeu d’une continuité scientifique

Pour comprendre ce que révèle cette évolution, il faut revenir à la création de Google DeepMind. En avril 2023, Google a annoncé la fusion de DeepMind et de Google Brain, deux pôles qui avaient longtemps incarné des approches complémentaires de l’IA au sein de l’entreprise. DeepMind était particulièrement identifié à la recherche fondamentale et à des programmes ambitieux dans les jeux, les sciences et l’apprentissage par renforcement. Google Brain, né au sein de Google, avait joué un rôle central dans le développement et la diffusion de technologies d’apprentissage profond, notamment au contact des produits et de l’infrastructure du groupe.

La fusion de 2023 répondait déjà à un impératif de cohérence. Google expliquait alors vouloir accélérer ses progrès dans l’IA et rapprocher les capacités de recherche de son immense base de produits. Demis Hassabis avait été nommé à la direction de la nouvelle entité Google DeepMind. Cette décision reconnaissait son poids scientifique, mais aussi la nécessité pour Google de réunir sous une même bannière des équipes qui disposaient chacune d’une histoire, de méthodes et de relations différentes avec les autres divisions du groupe.

Le remaniement rapporté aujourd’hui par The Verge s’inscrit dans la continuité de cette logique, tout en allant plus loin sur le terrain du pilotage. La fusion de DeepMind et de Brain avait simplifié la carte des laboratoires. La nouvelle organisation cherche, elle, à rendre plus explicite le lien entre le centre de recherche, les modèles Gemini et les produits Google. Autrement dit, la question ne consiste plus uniquement à savoir où se fait la recherche, mais comment ses résultats deviennent des capacités disponibles dans une interface de recherche, un assistant, une suite bureautique, un téléphone ou une offre de cloud.

Cette articulation est délicate parce que les temporalités ne sont pas les mêmes. La recherche fondamentale peut nécessiter des années de travail, avec des résultats incertains et des applications qui ne sont pas toujours immédiates. Les équipes produits évoluent, elles, dans des cycles beaucoup plus courts : une fonctionnalité doit être testée, intégrée, localisée, sécurisée et maintenue. Les équipes chargées des modèles de fondation doivent encore gérer une autre temporalité, liée à l’entraînement, à l’accès aux données, au calcul, à l’évaluation et aux mises à jour des modèles.

Google a un intérêt évident à éviter que ces trois horizons se dissocient. Si la recherche reste trop éloignée des produits, le groupe peut produire des avancées impressionnantes sans les convertir suffisamment vite en usages. Si les produits pilotent seuls la feuille de route, ils peuvent privilégier les gains rapides au détriment des percées scientifiques et de la qualité des fondations techniques. Si les modèles Gemini deviennent une couche isolée, ils risquent enfin d’être perçus comme une offre parmi d’autres, plutôt que comme l’infrastructure commune qui rend cohérente la stratégie d’IA de Google.

C’est dans ce contexte que le rôle de Demis Hassabis prend une dimension particulière. Il est l’un des rares dirigeants du secteur à disposer à la fois d’une visibilité scientifique internationale et d’une expérience de direction dans un grand groupe technologique. Sa trajectoire est souvent associée aux paris de long terme de DeepMind, notamment dans les domaines scientifiques. Or Google ne peut pas se contenter de courir derrière les fonctionnalités concurrentes : l’entreprise a besoin de montrer que ses investissements dans l’IA lui permettent aussi de créer des capacités différenciantes, difficiles à reproduire par des acteurs plus jeunes ou moins intégrés.

La préservation de cette identité scientifique est également un enjeu de recrutement. Les chercheurs, ingénieurs et spécialistes de la sûreté de l’IA sont disputés par les laboratoires privés, les universités, les entreprises cloud et les jeunes pousses. Un laboratoire dont la mission apparaît réduite à l’optimisation d’un produit peut avoir plus de difficulté à retenir des profils attirés par la recherche fondamentale. À l’inverse, une structure qui affiche une capacité à transformer des avancées scientifiques en services utilisés à grande échelle peut offrir une combinaison rare : ressources de calcul, données, problèmes concrets et possibilités de publication ou d’impact sociétal.

Le cas d’AlphaFold illustre ce point. Son retentissement a montré que les travaux de DeepMind pouvaient dépasser le cadre des démonstrations techniques et toucher des disciplines scientifiques entières. Dans l’ère Gemini, Google devra démontrer que cette culture de recherche ne disparaît pas derrière la compétition pour les assistants, les agents et les fonctionnalités génératives. La nouvelle organisation peut être l’outil de cette continuité, à condition que le rapprochement avec les produits ne se traduise pas par une absorption totale de la recherche par les impératifs commerciaux immédiats.

Gemini, point de jonction entre les modèles et les produits

La famille Gemini est au centre de l’équation. Google a présenté Gemini en décembre 2023 comme une nouvelle génération de modèles d’IA. En février 2024, l’entreprise a renommé Bard, son assistant conversationnel, Gemini. Cette convergence de marque a traduit une ambition plus large : faire de Gemini non seulement un modèle ou un chatbot, mais une référence commune pour les expériences génératives de Google.

Dans cette stratégie, le nom Gemini recouvre plusieurs réalités. Il désigne des modèles, des interfaces pour les utilisateurs, des capacités proposées aux développeurs et aux entreprises, ainsi que des intégrations progressives dans les services Google. Cette multiplicité rend la gouvernance particulièrement sensible. Un même socle technologique doit pouvoir répondre à des besoins très différents : rédiger ou résumer un texte, analyser du code, aider à rechercher une information, interpréter des contenus multimodaux, assister des employés dans une suite collaborative ou alimenter des outils professionnels dans le cloud.

Le problème n’est pas seulement technique. Chaque intégration fait émerger des contraintes spécifiques. Un assistant de productivité doit gérer les données des organisations et le contrôle des administrateurs. Une fonctionnalité destinée au grand public doit éviter de présenter comme certaines des informations erronées ou incomplètes. Un outil pour développeurs doit offrir une fiabilité suffisante pour ne pas introduire de défauts dans le code. Une expérience liée à la recherche sur le web doit conserver la confiance des internautes, des éditeurs et des annonceurs. Une entité qui pilote les modèles ne peut pas ignorer ces exigences ; une équipe produit ne peut pas non plus les résoudre seule sans comprendre les limites du modèle qu’elle emploie.

La clarification recherchée par Google concerne donc vraisemblablement autant les chaînes de responsabilité que la vitesse d’exécution. L’entraînement d’un grand modèle demande des investissements importants en calcul et en infrastructure. Son déploiement à grande échelle entraîne ensuite des coûts d’inférence, c’est-à-dire de calcul au moment où l’utilisateur formule une requête. Dans un groupe de la taille de Google, la différence entre une démonstration convaincante et un service quotidien peut représenter un défi industriel considérable : il faut assurer la disponibilité, surveiller les réponses, réduire les délais, adapter l’expérience aux langues et limiter les usages abusifs.

Gemini donne à Google une réponse technologique et commerciale à la percée d’OpenAI, mais il doit aussi constituer une réponse organisationnelle. OpenAI a développé une forte identification entre ses modèles et son produit ChatGPT, même si l’entreprise propose également des API et des offres destinées aux organisations. Anthropic s’est imposée avec la famille Claude et une communication fortement centrée sur la sûreté des modèles. Meta, de son côté, a misé sur les modèles Llama et sur une stratégie de diffusion qui a renforcé sa présence auprès des développeurs et de l’écosystème open source, même si les conditions d’utilisation de ses modèles restent définies par Meta.

Google possède une configuration différente. Son avantage potentiel ne repose pas seulement sur un assistant autonome, mais sur sa capacité à intégrer l’IA dans un ensemble de services déjà utilisés quotidiennement. Le moteur de recherche, Android, Chrome, Gmail, Docs, Sheets, Meet, YouTube et Google Cloud offrent autant de points de distribution possibles. Cette largeur de portefeuille peut devenir une force considérable, mais elle augmente aussi la complexité. Chaque produit a ses équipes, son historique, ses objectifs économiques, ses utilisateurs et parfois ses contraintes réglementaires propres.

Une organisation plus lisible autour de Google DeepMind et de Gemini peut réduire cette fragmentation. Elle peut aider à définir des modèles communs, des standards d’évaluation, des outils de sécurité et des mécanismes de déploiement réutilisables. Elle peut aussi limiter le risque de voir différentes divisions lancer des expériences incompatibles ou offrir des réponses divergentes aux mêmes usages. Pour les utilisateurs, la cohérence de l’expérience compte : si Gemini est présenté comme une technologie transversale, ses capacités, ses limites et ses modes de contrôle doivent être compréhensibles d’un produit à l’autre.

Il faut néanmoins distinguer cohérence et uniformité. Les besoins d’un utilisateur de Workspace ne sont pas ceux d’un créateur sur YouTube, d’un développeur sur Google Cloud ou d’un propriétaire de smartphone Android. L’objectif d’une gouvernance centralisée ne peut donc pas être d’imposer une seule interface à tous les usages. Elle est plutôt de fournir des fondations communes tout en laissant aux produits la possibilité de concevoir des expériences adaptées. C’est précisément ce point d’équilibre que la réorganisation annoncée par Google devra prouver dans les mois à venir.

Une réponse à une concurrence devenue multidimensionnelle

Le contexte concurrentiel explique largement l’urgence du mouvement. La compétition en IA ne se joue plus sur un unique classement de modèles. Elle se déroule simultanément sur la qualité des réponses, le raisonnement, la multimodalité, la génération de code, les outils pour entreprises, les agents capables d’enchaîner des tâches, la disponibilité des infrastructures cloud, la sécurité, les coûts et la distribution auprès du public. Google affronte OpenAI, Anthropic et Meta, mais aussi un ensemble plus vaste de fournisseurs de modèles, d’entreprises de cloud et de jeunes pousses spécialisées.

OpenAI a imposé ChatGPT comme une référence culturelle et grand public après son lancement public en 2022. Son partenariat avec Microsoft a également renforcé la place des modèles génératifs dans l’écosystème Microsoft, notamment dans les outils de productivité et les services cloud. Google ne peut ignorer cette pression sur un terrain où il est historiquement très présent : la recherche d’information et les logiciels de travail. L’enjeu n’est pas seulement de proposer un assistant similaire, mais de préserver la pertinence des services existants dans un monde où les utilisateurs attendent des réponses synthétiques, interactives et contextualisées.

Anthropic représente un autre type de pression. Créée par d’anciens membres d’OpenAI, l’entreprise s’est développée autour de Claude et d’un discours insistant sur la sûreté et l’alignement des systèmes d’IA. Cette orientation a trouvé un écho auprès des entreprises et des développeurs soucieux de gouvernance. Pour Google, qui déploie des services à une échelle très large, la question de la confiance est centrale. Une erreur spectaculaire, un comportement imprévisible ou une intégration mal contrôlée peut affecter l’image d’un produit, mais aussi la perception globale de la fiabilité du groupe.

Meta, enfin, a contribué à déplacer le débat par sa stratégie autour de Llama. La diffusion de modèles utilisables par une communauté large de chercheurs et de développeurs a accéléré l’innovation dans l’écosystème des modèles accessibles. Google ne suit pas exactement la même approche, mais il doit tenir compte d’un marché où les organisations ont davantage de choix : elles peuvent utiliser des modèles propriétaires hébergés dans le cloud, des modèles ouverts ou des systèmes combinant plusieurs fournisseurs. Dans ce paysage, l’intégration de Gemini aux produits Google est un avantage potentiel, mais les capacités offertes aux développeurs et aux entreprises restent déterminantes.

La réorganisation de la direction IA doit donc être comprise comme une réponse à une compétition qui est aussi une compétition de coordination. Les modèles progressent rapidement, mais l’avantage durable dépend de la capacité à les transformer en services fiables. Un laboratoire peut annoncer une performance remarquable ; un concurrent peut ensuite l’intégrer plus vite à une application largement distribuée. À l’inverse, un groupe disposant d’une distribution massive peut perdre du temps si ses décisions sont dispersées entre trop de niveaux hiérarchiques ou trop de structures indépendantes.

Google a déjà connu ce type de tension dans d’autres domaines. Son histoire est celle d’une entreprise née de la recherche sur le web, devenue progressivement un groupe mondial de produits et d’infrastructures. L’IA générative réunit ces deux dimensions de manière plus directe que les vagues technologiques précédentes. Elle touche à la fois le cœur du moteur de recherche, les outils de communication, le cloud, les smartphones et les interfaces de création. Le pilotage de l’IA ne peut donc plus être conçu comme celui d’une activité périphérique, même si les équipes de recherche conservent une mission propre.

La nouvelle place de Demis Hassabis doit être lue dans cette perspective. Google ne confie pas seulement un domaine technologique à un dirigeant reconnu ; il cherche à créer un point de gravité crédible entre la science et les produits. La crédibilité scientifique de DeepMind est un actif dans la compétition avec OpenAI et Anthropic. La capacité de Google à déployer Gemini à travers son portefeuille est son actif industriel. La question stratégique est de savoir si l’organisation permettra à ces deux forces de se renforcer mutuellement plutôt que de se concurrencer en interne.

Il serait toutefois prématuré de mesurer le succès de ce remaniement à l’aune de son seul organigramme. Dans l’IA, les structures changent fréquemment, notamment parce que les priorités techniques évoluent vite et que les équipes doivent être capables de répondre à des cycles d’innovation courts. Les indicateurs concrets seront ailleurs : qualité des modèles, rapidité d’intégration, transparence sur les limites, adoption par les développeurs, capacité à répondre aux besoins des entreprises et maintien d’une recherche reconnue sur la scène internationale.

Les conséquences pour l’Europe et le marché francophone

Pour les utilisateurs et les entreprises francophones, une réorganisation interne à Google peut sembler lointaine. Elle peut pourtant avoir des effets directs sur les outils disponibles, la qualité des services en français, les conditions d’accès pour les organisations et les choix technologiques des développeurs. Google est déjà très présent dans les usages numériques en France et en Europe, qu’il s’agisse de recherche, de messagerie, de navigation, de vidéo, de systèmes mobiles ou de services cloud. La manière dont Gemini est intégré à cet écosystème pèsera nécessairement sur le marché local de l’IA générative.

La langue est un premier enjeu. L’anglais demeure la langue dominante dans l’entraînement, l’évaluation et la communication de nombreux modèles, mais les utilisateurs français attendent des résultats fiables dans leur langue, y compris pour des requêtes administratives, juridiques, professionnelles ou éducatives. La qualité ne se limite pas à une traduction grammaticale correcte. Elle implique la compréhension des références culturelles, des nuances, des formats de documents et des contraintes propres aux différents secteurs. Une gouvernance plus étroite entre modèles et produits peut, en théorie, aider Google à faire remonter ces besoins vers les équipes qui conçoivent les capacités de Gemini. Mais cette promesse devra être vérifiée par les expériences effectivement proposées.

Les entreprises européennes regarderont également la question sous l’angle de la protection des données, de l’hébergement, de la sécurité et de la conformité. Le règlement européen sur l’intelligence artificielle, couramment appelé AI Act, est entré en vigueur le 1er août 2024. Sa mise en œuvre s’échelonne selon les catégories de règles et de systèmes concernés. Pour les fournisseurs de modèles et les entreprises qui les intègrent, l’Europe impose un cadre qui renforce l’importance de la documentation, de la gestion des risques et de la transparence. Dans ce contexte, la coordination entre la recherche, les équipes modèles et les produits n’est pas seulement un enjeu de performance : elle devient un enjeu de conformité.

Pour Google, l’Europe ne constitue pas un marché secondaire. Le groupe y opère auprès de consommateurs, de PME, de grandes entreprises, d’administrations, d’établissements d’enseignement et de développeurs. Or les décisions prises au siège ou dans les laboratoires peuvent se répercuter sur la disponibilité territoriale de certaines fonctions, sur les modalités contractuelles des offres cloud, sur les contrôles administrateurs ou sur les informations fournies concernant le traitement des données. Une organisation capable de coordonner plus efficacement les équipes peut réduire les frictions entre une annonce mondiale et une disponibilité réellement adaptée aux exigences européennes.

La France présente un intérêt particulier dans cette équation. Le pays dispose d’un écosystème académique en IA, de laboratoires de recherche, de jeunes pousses spécialisées et d’acteurs publics très attentifs aux enjeux de souveraineté technologique. L’essor des modèles génératifs a intensifié les débats sur la dépendance aux grands fournisseurs américains, sur l’accès au calcul et sur la capacité des entreprises locales à bâtir des applications sans perdre la maîtrise de leurs données ou de leurs chaînes de valeur. La stratégie de Google autour de Gemini sera observée à l’aune de ces préoccupations.

Elle ne remplace pas, pour autant, les initiatives européennes ou françaises. Les entreprises du continent disposent de plusieurs options : utiliser les services de grands fournisseurs mondiaux, recourir à des modèles plus ouverts, construire des solutions spécialisées ou combiner plusieurs approches. La concurrence entre Google, OpenAI, Anthropic, Meta et d’autres acteurs peut élargir cet éventail. Elle peut aussi accentuer la concentration si les fournisseurs les mieux dotés en calcul, en données et en distribution parviennent à imposer leurs interfaces comme standards de fait.

Pour les développeurs francophones, la cohérence de l’offre Google comptera beaucoup. Les modèles ne sont pas utilisés isolément : ils sont intégrés à des chaînes de développement, à des services cloud, à des outils de sécurité, à des bases de données et à des applications métiers. Si Google DeepMind, Gemini et les divisions produits travaillent selon des règles plus claires, les clients pourraient bénéficier d’une feuille de route plus prévisible. À l’inverse, une multiplication de noms, d’interfaces et de niveaux de service peut compliquer les choix techniques, notamment pour les équipes qui ne disposent pas de ressources importantes pour tester chaque nouveauté.

Le débat européen ajoutera une pression spécifique sur les mécanismes de contrôle. Les organisations demanderont non seulement ce que les modèles peuvent produire, mais aussi dans quelles conditions ils peuvent être utilisés, quelles données sont mobilisées, comment les résultats sont évalués et quels recours existent en cas de problème. Une direction IA rapprochant recherche et produits peut faciliter la création de standards communs. Elle peut aussi rendre plus visible la responsabilité du groupe lorsque ses systèmes sont intégrés à des usages sensibles.

Le véritable test : convertir l’avantage scientifique en avantage durable

La réorganisation annoncée par Google ne garantit pas à elle seule une accélération de Gemini ni une domination durable de Google DeepMind. Elle révèle cependant une conviction stratégique : dans l’IA générative, la séparation traditionnelle entre laboratoire, plateforme de modèles et équipe produit devient de moins en moins tenable. Les décisions sur l’architecture d’un modèle influencent les fonctionnalités possibles. Les retours des produits révèlent les faiblesses et les usages inattendus. Les exigences de sécurité et de conformité doivent être prises en compte dès la conception, non ajoutées à la fin du processus.

Google dispose d’atouts considérables pour mener cette intégration. L’entreprise possède une expertise ancienne en apprentissage automatique, des équipes de recherche reconnues, des infrastructures cloud, des puces conçues pour les charges de travail d’IA et un portefeuille de produits d’une ampleur rare. DeepMind apporte une réputation scientifique forgée par des programmes qui ont marqué les jeux et les sciences. Gemini fournit le nom et la couche de modèles autour desquels Google peut organiser ses offres génératives. La question est désormais celle de l’exécution collective.

Le rôle évolutif de Demis Hassabis est révélateur de cette ambition. Son parcours associe l’identité historique de DeepMind à la nouvelle phase industrielle de l’IA chez Google. Si la nouvelle structure lui permet de défendre les investissements de long terme tout en accélérant le transfert de capacités vers Gemini et les produits, Google pourra présenter son organisation comme un moyen de concilier deux impératifs souvent opposés. Si elle réduit au contraire la recherche à une fonction de soutien aux lancements à court terme, le groupe risquerait d’affaiblir l’une de ses principales différences face à des concurrents déjà très agressifs.

Les mois à venir permettront de juger cette transformation sur des éléments plus concrets que l’annonce elle-même. Il faudra observer la cohérence des expériences Gemini dans les différents services, la manière dont Google distingue les fonctions expérimentales des usages plus stabilisés, les capacités proposées aux entreprises et aux développeurs, ainsi que la transparence accordée aux limites des modèles. La réponse de Google aux enjeux de sécurité, de droits d’auteur, de désinformation et de confidentialité comptera tout autant que les démonstrations de performance.

À plus long terme, le marché ne sera probablement pas gagné par l’entreprise qui publie ponctuellement le modèle le mieux classé. Les modèles tendent à devenir des composants d’infrastructures plus vastes, où l’avantage se construit par l’intégration, les données, le coût, les outils, la confiance et la distribution. Google semble vouloir adapter sa direction à cette réalité. L’objectif n’est pas seulement de faire de Gemini une vitrine technologique, mais de l’inscrire dans le fonctionnement quotidien de ses produits sans diluer la capacité de DeepMind à ouvrir de nouveaux champs de recherche.

Pour la France et l’Europe, cette évolution confirme que les choix organisationnels des grandes plateformes auront des effets sur la concurrence, la conformité et les usages locaux de l’IA. La valeur ne résidera pas uniquement dans le modèle retenu par une entreprise, mais dans les garanties, l’interopérabilité et les conditions de déploiement qui l’accompagnent. En reliant plus étroitement Google DeepMind, Gemini et ses produits, Google tente de se donner les moyens de répondre à cette nouvelle phase. Reste à voir si cette concentration de responsabilités produira des systèmes plus cohérents et plus fiables, ou si la vitesse de la compétition imposera de nouveaux remaniements avant que cette architecture ne trouve son équilibre.