Jeff Dean crée une startup d'IA pour automatiser la recherche scientifique

Présentation

Jeff Dean, 30ᵉ employé de Google et figure centrale du développement de l’infrastructure de recherche, a annoncé son départ du groupe pour fonder Discovery Loop. Le nouveau cabinet se présente comme une public benefit corporation et réunit parmi ses co‑fondateurs Sanjay Ghemawat, Quoc Le et Oriol Vinyals, tous issus de l’écosystème Google Brain et DeepMind. L’annonce, publiée le 5 août 2026, précise que Dean assumera le rôle de CEO et que la société vise à exploiter l’intelligence artificielle pour transformer le processus expérimental scientifique.

Le communiqué indique que la société a reçu un premier financement d’Alphabet, la maison mère de Google, ainsi que des capitaux de Radical Ventures, Khosla Ventures, Kleiner Perkins, Lightspeed et Doerr Capital. Cette combinaison de soutien interne et de capital-risque montre une volonté d’ancrer le projet à la fois dans l’expertise technique de Google et dans une dynamique de marché indépendante.

Objectifs technologiques

Discovery Loop promet d’utiliser des « algorithmes haute intensité » capables de lancer et d’itérer des milliers d’expériences en parallèle. L’objectif déclaré est de réduire le goulot d’étranglement humain qui, selon la société, limite la vitesse d’innovation scientifique. En pratique, cela implique la génération automatisée d’hypothèses, la conception de protocoles expérimentaux, la collecte de données et l’interprétation des résultats sans intervention humaine directe.

Le projet mentionne également la recherche de « recursive self‑improvement », c’est‑à‑dire la création d’IA capables d’améliorer leurs propres capacités de conception d’expériences. Cette approche vise à éliminer la boucle d’itération humaine, mais elle soulève immédiatement des questions de contrôle et de validation, notamment la capacité à garantir que les améliorations restent alignées avec les objectifs scientifiques définis.

Architecture et défis

Pour atteindre le volume d’expériences annoncé, la startup devra mobiliser une infrastructure de calcul massive, comparable aux clusters utilisés pour l’entraînement de grands modèles de langage. La gestion simultanée de milliers d’expériences requiert des systèmes de planification de tâches hautement parallélisables, ainsi qu’une orchestration robuste des ressources GPU/TPU. La latence de transfert de données et la cohérence des bases de résultats constituent des contraintes matérielles majeures.

Sur le plan algorithmique, la génération d’hypothèses automatisées repose sur des modèles de type transformer capables de raisonner sur des espaces de paramètres très larges. La validation des résultats impose des protocoles de vérification statistique stricts afin d’éviter les faux positifs générés par des itérations massives. Enfin, le recours à l’auto‑amélioration récursive introduit un risque de dérive non contrôlée, ce qui impose la mise en place de garde‑fous de type « human‑in‑the‑loop » ou de contraintes formelles sur les objectifs d’apprentissage.

Financement et perspectives

Le tour de table initial, co‑mené par Radical Ventures et Khosla Ventures, place le capital levé dans la catégorie des dizaines de millions de dollars, bien que le montant exact ne soit pas divulgué. La participation d’Alphabet indique un intérêt stratégique à surveiller les avancées hors du cadre strict de Google, tout en conservant un accès potentiel aux innovations développées.

Le passé de Dean, qui a contribué aux systèmes de crawling, d’indexation et de requêtage de Google ainsi qu’aux modèles multimodaux Gemini, fournit une base technique solide pour le projet. Si les défis d’échelle, de validation et de sécurité sont maîtrisés, Discovery Loop pourrait établir un nouveau paradigme pour la conduite automatisée de la recherche, en ouvrant la voie à des cycles d’innovation plus courts et à une production accrue de connaissances scientifiques.