Jeff Dean, l'ingénieur légendaire de Google, quitte le géant de la recherche pour fonder Discovery Loop, une entreprise qui tentera de réécrire la manière dont la science est pratiquée en injectant une puissance de calcul massive dans les expérimentations.
Une équipe de choc issue de Google et DeepMind
Dean était le 30e employé de Google et a contribué à construire son infrastructure de recherche ainsi que les modèles multimodaux de Gemini. Il en sera le PDG.
Il apporte une « dream team » de chercheurs : Sanjay Ghemawat, senior fellow et ingénieur de renom ; Quoc Le, membre fondateur de Google Brain ; et Oriol Vinyals, chercheur principal chez DeepMind. Leurs parcours couvrent les systèmes distribués, les réseaux de neurones et l'apprentissage par renforcement, signalant que Discovery Loop s'attaquera à des problèmes techniquement complexes.
Accélérer la science grâce à l'expérimentation automatisée
Discovery Loop est organisée en tant que « public-benefit corporation » (société à vocation d'intérêt public) visant à briser le « goulot d'étranglement humain » dans la recherche. Les laboratoires traditionnels suivent un cycle lent et séquentiel : hypothèse, expérience, analyse et décision. La startup souhaite remplacer ce processus par des « algorithmes à haut indice d'octane » capables de lancer des milliers d'expériences simultanément.
Sa thèse centrale repose sur deux objectifs audacieux :
- Automatiser les boucles expérimentales – utiliser l'IA pour gérer la génération d'hypothèses, les tests et l'affinement, augmentant ainsi la quantité et la qualité des données.
- L'auto-amélioration récursive – construire une IA capable d'aider à concevoir des IA encore plus puissantes, éliminant l'intervention humaine de la boucle et accélérant l'innovation de manière exponentielle.
Un soutien massif pour la prochaine frontière de l'IA
Alphabet soutient le tour de table d'amorçage, co-dirigé par Radical Ventures et Khosla Ventures. Kleiner Perkins, Lightspeed et Doerr Capital ont également participé.
Ces investissements reflètent une conviction croissante : la prochaine vague d'IA dépassera les grands modèles de langage pour s'orienter vers des systèmes « agentiques » capables de mener des recherches et de provoquer des percées physiques et numériques.
Pourquoi cela est crucial pour le paysage de l'IA
Le départ de Dean marque un passage de « l'IA pour le contenu » à « l'IA pour la découverte ». Alors que l'IA générative a dominé ces deux dernières années, Discovery Loop se positionne à l'intersection de l'IA et des sciences dures. Si elle réussit, la découverte de médicaments, la science des matériaux et la recherche énergétique pourraient s'accélérer de manière spectaculaire, remodelant la façon dont l'humanité relève ses défis techniques les plus difficiles.
Points clés
- Exode de talents d'élite – Jeff Dean, Sanjay Ghemawat, Quoc Le et Oriol Vinyals quittent Google pour former Discovery Loop.
- Science automatisée – la startup exécutera des milliers d'expériences pilotées par l'IA en parallèle pour contourner les goulots d'étranglement humains.
- Capitaux massifs – Alphabet et une série de fonds de capital-risque de premier plan, dont Khosla Ventures et Radical Ventures, ont engagé des fonds.
Le talent derrière le pari
Dean emmène avec lui trois des ingénieurs les plus célèbres de Google : Sanjay Ghemawat, senior fellow qui a conçu les systèmes distribués alimentant une grande partie du web ; Quoc Le, membre fondateur de Google Brain et pionnier des techniques de deep learning ; et Oriol Vinyals, chercheur principal chez DeepMind avec une expertise reconnue en apprentissage par renforcement. Ensemble, ils ont construit le paradigme MapReduce qui sous-tend le traitement de données à grande échelle, ainsi que les réseaux de neurones qui alimentent les modèles de langage actuels.
Ce que la startup prévoit de faire
La charte de « public-benefit corporation » de Discovery Loop l'oblige à peser l'impact sociétal au même titre que le profit. Sa mission est d'éliminer le « goulot d'étranglement humain » dans la recherche. Dans un laboratoire classique, un scientifique passe des semaines ou des mois à passer de l'hypothèse à l'expérience, puis à l'analyse et à l'étape suivante. L'équipe de Dean veut que l'IA génère des hypothèses, conçoive et mène des milliers d'expériences en parallèle, et affine ses propres modèles en fonction des résultats.
La feuille de route se concentre sur deux objectifs étroitement liés. Premièrement, construire une plateforme qui automatise l'ensemble du pipeline expérimental — de la génération d'hypothèses à la collecte et l'analyse de données. Deuxièmement, développer une IA capable d'améliorer sa propre conception, créant ainsi une boucle de rétroaction où chaque génération aide à construire un successeur plus performant. Si la plateforme fonctionne, les domaines reposant sur des essais et erreurs massifs — découverte de médicaments, science des matériaux, recherche énergétique — pourraient s'accélérer de façon spectaculaire.
L'argent derrière la vision
La participation d'Alphabet au tour d'amorçage témoigne de l'intérêt stratégique de la société mère. Radical Ventures et Khosla Ventures co-dirigent le tour, avec des investissements supplémentaires de Kleiner Perkins, Lightspeed et Doerr Capital. La liste des investisseurs témoigne de la conviction que la prochaine vague de valeur de l'IA proviendra de logiciels « agentiques » capables d'agir de manière autonome, et pas seulement des grands modèles de langage.
Pourquoi cela importe pour l'écosystème de l'IA au sens large
Si Discovery Loop tient ses promesses, l'impact pourrait s'étendre bien au-delà de ses propres produits. Réduire le temps nécessaire à l'identification d'un candidat-médicament viable pourrait permettre d'économiser des milliards dans les pipelines pharmaceutiques et d'apporter plus rapidement des traitements vitaux aux patients. Une itération rapide dans la science des matériaux pourrait produire des composites plus légers, plus résistants et plus durables pour l'aérospatiale et l'électronique grand public. En faisant passer l'IA d'un outil qui aide l'humain à réfléchir à un système capable de réfléchir par lui-même, la startup pourrait déplacer le pouvoir de recherche vers les organisations capables de s'offrir une puissance de calcul massive.
L'essentiel
Le départ de Jeff Dean de Google pour diriger Discovery Loop réunit une expertise technique rare, des connexions industrielles profondes et un capital substantiel. L'entreprise vise à automatiser la boucle d'expérimentation scientifique et à créer une IA auto-améliorée, capable de compresser potentiellement des années de recherche en quelques semaines. Pourtant, elle devra franchir d'importants obstacles techniques, logistiques et culturels avant de prouver que l'IA peut véritablement devenir un partenaire de laboratoire plutôt qu'un simple outil ingénieux. Les mois à venir révéleront si la « découverte automatisée » est une étape réaliste pour l'IA ou un sprint visionnaire qui s'essouffle avant la ligne d'arrivée.