CNBC a publié le 28 avril un inventaire des chercheurs en IA qui ont quitté Meta, Google et OpenAI au cours de l'année écoulée. La liste montre que les équipes IA centrales des grands groupes de la Silicon Valley perdent des profils clés.
Les données de Dealroom indiquent que l'argent suit ces talents. Depuis le début de 2026, les VC ont investi 18,8 milliards de dollars dans des startups IA fondées après 2025. Au rythme actuel, le total dépasserait les 27,9 milliards de dollars levés par l'ensemble des nouvelles entreprises créées en 2024.
Qui est parti
Les exemples les plus lourds sur le plan scientifique lèvent déjà des montants inhabituels pour des sociétés âgées de quelques mois.
- David Silver, ancien de Google DeepMind, a lancé Ineffable Intelligence avec un seed round de 1,1 milliard de dollars et une valorisation de 5,1 milliards, autour du reinforcement learning sans données humaines.
- Tim Rocktäschel, ancien principal research scientist de DeepMind, construit Recursive Superintelligence avec au moins 500 millions de dollars, possiblement jusqu'à 1 milliard. La valorisation pre-money est de 4 milliards de dollars, avec l'objectif de créer des systèmes d'IA capables de s'améliorer eux-mêmes.
- Yann LeCun, ancien chief AI scientist de Meta, a levé 1 milliard de dollars en mars pour AMI Labs.
- Anna Goldie et Azalia Mirhoseini, passées par Anthropic et DeepMind, ont levé 335 millions de dollars en deux tours pour Ricursive Intelligence.
- Humans&, formée par d'anciens cofondateurs d'Anthropic et de xAI, a levé 480 millions de dollars en janvier.
- Periodic Labs, créée par d'anciens employés d'OpenAI et de DeepMind, a levé 300 millions de dollars en septembre dernier.
Chacun de ces montants est exceptionnel pour une startup de quelques mois. En 2024, un seed round supérieur à 100 millions de dollars relevait encore de l'événement; pour certains spinouts IA d'élite, cela commence à ressembler à un prix de marché.
Pourquoi les VC acceptent de payer
Elise Stern, managing director chez Eurazeo, a résumé la logique en une phrase: "When you're in a race, you narrow focus. That creates a vacuum."
Les grands laboratoires sont absorbés par les courses aux benchmarks et à l'échelle. Cette concentration pousse la recherche vers quelques axes principaux et laisse des espaces adjacents aux nouvelles entreprises.
Parmi les zones moins servies figurent le reinforcement learning, l'interprétabilité de l'IA, les systèmes verticaux pour la pharmacie, les matériaux et la robotique, ainsi que les architectures hors Transformer ou modèles autorégressifs. Dans les grands groupes, la ligne dominante reste la taille des données de préentraînement et l'alignement après entraînement; les recherches au retour commercial moins lisible obtiennent plus difficilement du budget.
Ineffable Intelligence attaque la première catégorie. Periodic Labs se situe dans les verticaux. AMI Labs porte la thèse des nouvelles architectures. Chacun de ces sujets est difficile à défendre en interne chez Big Tech, mais devient plus lisible comme société indépendante.
Pourquoi Big Tech ne les retient pas
Ce n'est pas une question d'argent. Meta et Google offrent déjà aux meilleurs chercheurs IA des packages supérieurs à 10 millions de dollars, et les tender offers d'OpenAI pour les employés importants atteignent aussi plusieurs dizaines de millions.
Ce qui manque, c'est la liberté de recherche. Dans les plus grandes entreprises, la recherche IA ressemble de plus en plus au développement produit: le travail doit servir les KPI du prochain modèle phare, les publications peuvent être limitées pour des raisons de renseignement concurrentiel, et les directions de projet sont davantage verrouillées par les dirigeants.
Les VC ont aussi validé l'autre voie. LeCun a quitté Meta et levé 1 milliard de dollars en quelques mois. Rocktäschel a quitté DeepMind et atteint une valorisation de 4 milliards en quelques mois. Quand ce modèle circule parmi les chercheurs, créer une entreprise devient difficile à ignorer.
Combien de temps cette migration peut durer
À court terme, la tendance paraît solide. Big Tech doit encore afficher des dépenses de calcul et une avance dans les benchmarks lors des résultats financiers; ses portefeuilles de recherche ne devraient donc pas s'élargir rapidement. Les fonds de venture capital disposent aussi encore de capital à déployer.
À moyen terme, deux variables comptent. D'abord, la première vague d'entreprises devra montrer de vrais résultats en environ 18 mois. Si 18,8 milliards de dollars ne produisent que peu de produits commercialisables ou de percées scientifiques convaincantes, la vague suivante pourrait hésiter.
Ensuite, les grands groupes pourraient réagir en sens inverse: donner plus de liberté de recherche aux équipes clés, transformer des équipes internes en sociétés indépendantes ou recréer des structures semi-indépendantes comme le modèle initial de DeepMind.
Mais cela supposerait que Big Tech reconnaisse un échec dans la rétention des talents. À en juger par le ton actuel des appels de résultats, les entreprises ne semblent pas encore prêtes à l'admettre. L'an prochain, Recursive Superintelligence, Ineffable Intelligence et AMI Labs seront les trois noms à suivre. Leurs premiers résultats diront si cette expérience est une bulle ou une nouvelle division du travail dans la recherche en IA.
Sources: Meta, Google, OpenAI among Big Tech firms seeing top staff leaving to launch AI startups (CNBC, 2026-04-28), CocoLoop, Big Tech's Best Are Quitting Their Jobs to Form Startups (Autogpt.net, 2026-04-28)