Koray Kavukcuoglu prend la tête de DeepMind et remplace Demis Hassabis
Le 12 août 2026, Google annonce que Koray Kavukcuoglu, ancien CTO de DeepMind, remplace Demis Hassabis à la direction de l’unité IA, avec un mandat recentré sur le frontier et le code. Ce changement acte un virage : moins de recherche académique, plus de produits, pour rattraper OpenAI et Anthropic.
12 août 2026. Google annonce que Koray Kavukcuoglu devient le patron de DeepMind, remplaçant le cofondateur et PDG Demis Hassabis, qui prend le rôle de président. L’ancien CTO de l’unité et chief AI architect du groupe reportera désormais directement à Sundar Pichai. Le même jour, l’action Alphabet recule — signe que le marché lit ce remaniement comme l’aveu d’un retard au frontier que Google veut combler vite.
Le sous-texte est limpide : Google n’a pas livré de modèle frontier depuis le début de 2026, pendant qu’OpenAI et Anthropic enchaînaient les sorties saluées. Changer de capitaine, c’est choisir l’exécution contre la recherche.
Cette passation n’est pas un simple jeu de chaises. Elle survient après des mois de départs de cadres et le report d’un modèle phare, au moment où la course s’est resserrée autour d’un enjeu unique : livrer des modèles frontier compétitifs en code. Le choix de Kavukcuoglu dit une chose simple — Google veut gagner cette course-là, et vite.
Le constat : Google décroche au frontier
Depuis ChatGPT en 2022, OpenAI dicte le rythme. Google avait repris la main en novembre 2025 avec Gemini 3, un modèle salué pour avoir « déplacé la frontière ». Mais en 2026, la dynamique s’est inversée : Anthropic a lancé Mythos, OpenAI a sorti GPT-5.6, et Google n’a aligné, après Gemini 3.1 Pro en février, aucun modèle capable de rivaliser au sommet.
Le retard se concentre sur un terrain précis : le code. Les analystes sont sévères : Google reste « loin derrière » OpenAI et Anthropic sur le codage, juge Malik Ahmed Khan (Morningstar), parce qu’il a priorisé des usages monétisables comme la recherche et le multimodal plutôt que le premier killer use case du LLM.
Le signal le plus tangible est le report de Gemini 3.5 Pro : en juillet, Bloomberg rapportait que Google avait repoussé la sortie pour tenter d’améliorer ses performances, notamment en programmation. Quand un géant retarde son modèle phare pour le rendre meilleur au code, c’est que la pression est devenue concrète.
Pourquoi le code est devenu le champ de bataille
Le retard de Google se mesure d’abord en code pour une raison simple : c’est là que l’IA générative rapporte. Les assistants de programmation et les agents de codage sont le premier usage pour lequel les entreprises paient massivement — un marché qu’OpenAI et Anthropic dominent aujourd’hui avec des outils directement adossés à leurs modèles frontier. Un modèle en tête sur le code entraîne tout le reste : les développeurs adoptent l’API, l’entreprise achète les sièges, et l’éditeur engrange la donnée d’usage qui alimente le modèle suivant.
C’est ce cercle vertueux que Google cherche à rejoindre avec Code Strike, l’équipe interne montée pour renforcer les capacités de programmation. Le report de Gemini 3.5 Pro s’explique par la même logique : sortir un modèle encore distancé au code serait pire que d’attendre, car un lancement décevant sur ce terrain se traduit immédiatement en parts de marché perdues auprès des développeurs. En 2026, la course au frontier n’est plus une affaire de benchmarks généraux — c’est une affaire de code compilé, de tests et de diff que l’agent produit correctement.
Le code a aussi une vertu que les autres usages n’ont pas : il est vérifiable. Un modèle qui écrit un programme peut être jugé à l’exécution — le test passe ou il échoue — là où une réponse conversationnelle se juge à l’à-peu-près. C’est ce terrain d’évaluation objective qui fait du codage, aux yeux des labos, le chemin le plus court vers une AGI capable de raisonner.
Qui est Koray Kavukcuoglu
Kavukcuoglu n’est pas un nouveau venu : il a rejoint DeepMind en 2012, avant le rachat par Google en 2014. C’est un membre de la « vieille garde », qui occupait déjà les fonctions de CTO de l’unité et de chief AI architect de la maison mère. Depuis un an, il absorbait déjà les responsabilités de Hassabis, dirigeant le développement des modèles et présentant les grandes sorties Gemini.
Le contraste avec Hassabis est volontaire. Là où le cofondateur « était bien plus intéressé par la construction d’une AGI au-delà des LLM », selon Malik Ahmed Khan, Kavukcuoglu est décrit comme un profil d’exécution. Ray Wang (Constellation Research) résume : sa promotion « montre que Google privilégie l’exécution sur la recherche profonde ». La conséquence attendue est un rythme de sortie plus rapide, plus d’expérimentation et une feuille de route produit.
Ce qui change structurellement
Au-delà des personnes, c’est l’organigramme qui raconte le virage. Kavukcuoglu supervisera à la fois le développement des modèles Gemini, la recherche frontier et les équipes de l’application Gemini et des développeurs — le tout en reportant directement à Sundar Pichai.
Cette concentration est un choix de structure, pas de cosmétique. « Modèles, application et équipes développeurs sous un seul dirigeant, c’est ainsi qu’on organise un groupe produit plutôt qu’un laboratoire », analyse Brian Hopkins (Forrester). C’est exactement la mécanique inverse de celle qu’Hassabis incarnait : une recherche fondamentalement tournée vers l’AGI, avec des travaux en santé (Isomorphic Labs) et en world models.
Le changement a aussi une géographie. Kavukcuoglu, installé à Mountain View, symbolise le déplacement du centre de gravité de l’IA de Google hors de Londres, où Hassabis était resté. « Google consolide discrètement sa direction IA en dehors de Londres », note Nick Patience (Futurum Group) — un détail qui compte pour l’écosystème IA britannique, dont DeepMind fut longtemps le phare.
Le pari : exécuter, et vite
La feuille de route implicite de Kavukcuoglu tient en deux missions. D’abord livrer Gemini 3.5 Pro, puis « prouver que ce n’était pas un coup isolé en maintenant une cadence de sortie prévisible », résume Nick Patience. Ensuite, reconstruire l’expertise en codage et en pré-entraînement qui « est partie par la porte » — une allusion aux départs de cadres qui ont marqué Google ces derniers mois.
Il faut toutefois se garder du tableau d’une crise générale. « C’est une grosse équipe, plusieurs milliers de personnes sur Gemini », tempère Sebastian Mallaby, auteur d’une biographie de Hassabis. Surtout, la monétisation va bien : près de 90 % des entreprises du Fortune 100 utilisent Gemini Enterprise, et l’IA de Google tourne sur des Android et dans Apple Intelligence. Google vend très bien ce qu’il a ; c’est le sommet de gamme qui lui manque.
Le risque du virage est symétrique : en recentrant DeepMind sur le produit, Google peut regagner du terrain au frontier — ou diluer précisément la culture de recherche longue qui a produit AlphaGo puis Gemini 3. C’est le dilemme classique d’un laboratoire transformé en groupe produit.
Verdict
La nomination de Koray Kavukcuoglu est un aveu stratégique assumé : Google se réorganise pour rattraper OpenAI et Anthropic sur le frontier, et en particulier sur le code, avec un profil d’exécution plutôt que de recherche.
La recommandation est conditionnelle. Si vous développez sur l’écosystème Gemini, attendez-vous à un rythme de sortie accéléré et à des APIs plus orientées produit — le mandat de Kavukcuoglu est précisément de rapprocher les modèles des développeurs. Si vous pariez sur qui gagnera la course au frontier, regardez le prochain trimestre : un Gemini 3.5 Pro compétitif en codage referait de Google un prétendant crédible ; un nouveau report confirmerait au contraire que le problème n’était pas seulement une affaire de capitaine. Et si vous êtes un client entreprise de Gemini, vous êtes la partie saine de l’équation : la monétisation va bien, et le recentrage produit ne peut que renforcer le support et la feuille de route dont vous dépendez.