À retenir
- Il était facile de sous-estimer Google, mais sa recherche, son infrastructure et sa gamme de produits n’ont jamais disparu.
- Le changement intéressant n’est pas la sortie d’un seul modèle. C’est la vitesse à laquelle Google a transformé des morceaux d’IA dispersés en un positionnement produit plus solide.
- Pour les builders, la question utile est de savoir quels outils Google méritent maintenant d’être testés de nouveau dans de vrais workflows.
Google a inventé le Transformer. Vous savez, l’architecture sur laquelle repose chaque grand modèle d’IA. ChatGPT, Claude, Llama, Gemini, tout ça est venu d’un seul papier de Google Brain en 2017. « Attention Is All You Need. » Et voici le point clé : Google avait tout. La recherche, l’infrastructure, le talent. C’était l’entreprise d’IA avant même que l’IA devienne une chose.
Mais OpenAI a ensuite pris cette architecture et livré ChatGPT le 30 novembre 2022. Et ça a complètement explosé. Google a été tellement pris au dépourvu que Sundar Pichai a déclaré un « Code Red » interne. Un pivot d’urgence de toute l’entreprise vers l’IA générative.
Ils se sont donc précipités et, deux mois après la sortie de ChatGPT, ont lancé leur chatbot Bard. Mais dès sa toute première démo publique, il s’est trompé sur un fait élémentaire au sujet du télescope spatial James-Webb. En direct à la télévision.
Mais avançons jusqu’à aujourd’hui, en avril 2026. Gemini compte 650 millions d’utilisateurs actifs mensuels. Apple a choisi Gemini pour propulser la prochaine génération de Siri. Le CEO de Salesforce a déclaré publiquement être passé de ChatGPT à Gemini et qu’il ne « reviendrait pas en arrière ». Et Sam Altman d’OpenAI aurait déclaré son propre « Code Red ». Mais cette fois, c’est à cause de Google.
p.-s. avant d’aller plus loin, je veux simplement mentionner que vous pouvez aussi regarder la version vidéo de cet article ici! Et si vous l’aimez, pensez à vous abonner à la chaîne pour voir d’autres vidéos comme celle-ci. Avec votre aide, nous sommes en route vers les 100 000 abonnés d’ici la fin de l’année!
LE CHOC CHATGPT
Avant ChatGPT, Google possédait les meilleurs laboratoires de recherche en IA au monde. DeepMind, Google Brain, Google Research. Pas seulement l’un d’eux. Ils appartenaient tous à Google. Tous innovaient constamment dans le domaine de l’IA. Avant 2022, j’ai couvert des dizaines de papiers et de nouvelles approches développés par ces équipes sur la chaîne, dont le papier sur lequel tous les autres se sont appuyés, Attention Is All You Need. Ils avaient LaMDA, PaLM, Meena. De puissants modèles conversationnels, tous développés à l’interne. Mais Google les gardait à l’interne, ou du moins ne les intégrait pas complètement dans ses suites de produits comme Gemini l’est aujourd’hui. Très certainement par crainte de problèmes d’exactitude et de sécurité, et honnêtement du risque de cannibaliser son activité Search de 175 milliards de dollars par année.
Puis OpenAI a livré une « version de recherche préliminaire » et toutes ces préoccupations ont cessé de compter. ChatGPT a atteint un million d’utilisateurs en cinq jours. Cent millions en deux mois. Et le 1er février 2023, OpenAI a lancé ChatGPT Plus à 20 $ par mois, prouvant que les gens paieraient réellement pour chatter avec une IA.
La réponse de Google a été très rapide. Mais ce fut un désastre.
LE DÉSASTRE BARD
Le 6 février 2023, seulement cinq jours après le lancement de ChatGPT Plus, Google a annoncé Bard, propulsé par LaMDA. Et ça semblait déjà être une très mauvaise décision marketing avec tous ces noms et toute cette confusion. Deux jours plus tard, pendant une démo publique, Bard a affirmé que le télescope spatial James-Webb avait pris la première photo d’une planète située à l’extérieur de notre système solaire. Des astronomes sur Twitter ont repéré l’erreur instantanément.
Maintenant, si vous avez utilisé n’importe quel modèle d’IA, vous savez que ça arrive. Les hallucinations sont normales. Mais pour obtenir ce genre de fait, il suffit d’une seule recherche Google et vous avez la réponse. Ici, l’IA très sophistiquée a échoué. Et c’est l’entreprise qui gère Search pour tout Internet. Les attentes en matière d’exactitude sont complètement différentes. Et elle a échoué sur un fait plutôt connu.
L’action a pris un coup. Une baisse de 7,7 % en une journée simplement à cause de quelques tokens générés.
Cette perte boursière de 144 milliards de dollars mérite qu’on s’y arrête un instant. Une mauvaise réponse, une poignée de mauvais tokens, dans une catégorie de produits sur laquelle Google travaillait depuis des années, a effacé davantage de valeur que la plupart des entreprises n’en valent. Même les employés de Google étaient déçus par le chatbot.
Et le timing a empiré la situation. Le 14 mars, OpenAI a sorti GPT-4. Le même jour, Google a annoncé PaLM API et MakerSuite en version préliminaire privée. Encore une fois, c’est quoi ces noms?! Je ne peux sincèrement pas comprendre pourquoi ils continuaient d’inventer de nouveaux noms au lieu d’avoir une seule suite de produits, mais comme nous allons le voir, ce n’est que le début de leur confusion. Une semaine plus tard, Bard a ouvert une liste d’attente publique. Nous avions donc maintenant toutes ces choses en parallèle chez Google, alors qu’OpenAI avait seulement les modèles GPT et ChatGPT comme produit. Le lendemain, OpenAI a lancé les plugins ChatGPT. Google réagissait simultanément sur tous les fronts, et ça se voyait. Honnêtement, on aurait dit que plusieurs entreprises à l’intérieur de Google travaillaient toutes en parallèle sans se parler.
Mais en coulisses, la décision structurelle la plus importante de toute cette histoire était déjà en cours, ce qui allait seulement tout empirer à partir de là.
LA FUSION QUI A RENDU LE RETOUR POSSIBLE
Pendant presque une décennie, Google a dirigé deux organisations de recherche en IA séparées. DeepMind à Londres, acquise en 2014 pour environ 500 millions de dollars. Très académique, très autonome, célèbre pour AlphaFold et AlphaGo. Presque tous les progrès en IA dont nous entendions parler auparavant venaient de cette équipe. Et il y avait Google Brain à Mountain View. Plus rapide, davantage orientée vers les produits. L’objectif de Google Brain était de tester rapidement de nouvelles idées et de les mettre à l’échelle encore plus rapidement. Elles coexistaient dans une rivalité productive, mais souvent dysfonctionnelle.
Le 20 avril 2023, Google a fusionné Google Brain avec Google DeepMind, avec Demis Hassabis comme CEO et Jeff Dean comme scientifique en chef. Ce n’était pas un changement de nom. C’était un choc culturel. La culture académique de Londres rencontrait la culture de livraison de Mountain View. Et ce fut douloureux. Pendant 2024 et 2025, au moins onze hauts dirigeants de l’IA et du cloud sont partis chez des concurrents, et Microsoft a recruté environ deux douzaines de chercheurs de DeepMind.
Mais même si le rattrapage a été lent, la fusion a créé un seul pipeline unifié de la recherche au produit. Sans elle, rien de ce qui a suivi n’aurait été possible. Ni Gemini 2.0, ni Gemini 3, ni l’entente avec Apple. Gardez ça en tête. La décision organisationnelle ennuyante est celle qui a le plus compté.
GEMINI 1.0 ET LA DÉMO QUI S’EST RETOURNÉE CONTRE GOOGLE
Pendant qu’OpenAI gérait son propre chaos, son propre conseil d’administration a congédié Sam Altman le 17 novembre. Presque tous les 800 employés ont menacé de partir chez Microsoft. Altman a été réintégré cinq jours plus tard avec un tout nouveau conseil. Google a profité de cette fenêtre.
Le 6 décembre 2023, Google a lancé Gemini 1.0 en trois niveaux : Ultra pour le raisonnement de pointe, Pro pour l’usage général et Nano pour l’exécution directement sur l’appareil. Finalement, un seul nom pour ses modèles de langage. Ultra a obtenu 90,0 % sur MMLU, battant les 86,4 % de GPT-4. Le rapport technique a été publié le même jour sur arXiv, ce qui a rendu plusieurs d’entre nous heureux de voir certains détails partagés.
Le modèle était donc bon. Le branding était meilleur. Tout semblait très bien aller. Mais Google a ensuite fait ce qu’il continuait à faire à cette époque. Il s’est encore tiré dans le pied. Je me souviens que, ce jour-là, Google a publié une vidéo intitulée « Hands-on with Gemini » qui semblait montrer une interaction multimodale en temps réel. Beaucoup de gens ont eu l’impression que la démo était mise en scène, puis Bloomberg a rapporté le lendemain qu’elle l’était réellement. Des images fixes tirées d’une vidéo avec des prompts textuels écrits à l’avance, pas une interaction en direct. Le seul avertissement était caché dans la description YouTube, évidemment absent sur Twitter.
Un autre coup majeur à sa crédibilité en moins d’un an, simplement parce que Google voulait sembler supérieur aux autres. L’erreur du télescope avec Bard, maintenant la fausse démo. Et ça allait encore empirer.
LE FOND DU BARIL : FÉVRIER 2024
Le 8 février 2024, Google a finalement nettoyé son désordre de branding. Bard est devenu Gemini. Duet AI est devenu Gemini. MakerSuite est devenu Google AI Studio. Presque un seul nom pour tout. Il restait de la confusion entre AI Studio, l’application Gemini, les modèles Gemini et Vertex AI, ce qui n’a pas du tout aidé l’adoption, mais nous nous y sommes habitués. Des décisions étranges, mais hey, ça semble bien fonctionner maintenant!
Le rebranding a donc aidé. Mais deux semaines plus tard, le 21 février, la fonctionnalité de génération d’images de Gemini a fait scandale… encore une fois pour de mauvaises raisons. Les utilisateurs ont découvert que le modèle avait été ajusté si agressivement pour éviter les biais raciaux qu’il générait des images historiquement absurdes. Des soldats nazis non blancs, des pères fondateurs américains de diverses origines raciales, des Vikings d’apparence asiatique. Google a suspendu la fonctionnalité le lendemain. Sundar Pichai a qualifié les outputs de « complètement inacceptables ».
Alors, comptons-les, d’accord? L’erreur du télescope. La fausse démo. Et maintenant le fiasco de la génération d’images. Trois humiliations publiques majeures en douze mois. C’était le point le plus bas de Google dans la course à l’IA. Personne ne prenait Gemini au sérieux. Tout le monde utilisait OpenAI ou même Perplexity à la place.
Mais je pense qu’une décision a réellement compté pour le retour : Google a complètement supprimé la fonctionnalité plutôt que de la laisser continuer à détruire la confiance. Cette approche consistant à « arrêter la chaîne », couper une fonctionnalité avant qu’elle ne sape votre crédibilité, est devenue une partie de la manière dont l’entreprise a reconstruit toute la suite de produits Google AI.
L’EMBAUCHE QUI A CHANGÉ LA PLATEFORME
En avril 2024, Google a fait ce qui est peut-être, à ma connaissance, l’embauche tactique la plus importante de toute la course à l’IA. Logan Kilpatrick, responsable des relations avec les développeurs chez OpenAI, la personne qui gérait les forums, façonnait l’expérience API, interagissait quotidiennement avec les développeurs et un ami que j’avais invité sur mon podcast des années auparavant, a quitté OpenAI pour rejoindre Google comme responsable de produit pour AI Studio et l’API Gemini.
La personne la plus proche de la communauté de développeurs d’OpenAI a examiné les deux plateformes et choisi Google. Ça envoie un signal, surtout lorsqu’on considère la popularité de Logan sur Twitter auprès des ingénieurs IA.
Sous Kilpatrick, Google AI Studio est passé d’un playground renommé à une véritable plateforme pour développeurs. Un playground unifié qui combine Gemini, GenMedia, TTS et les modèles Live. Un « Build Mode » où vous décrivez une application en langage naturel et obtenez une application React fonctionnelle en moins d’une minute. Une intégration native de Google Maps. Stream Mode pour les interactions vocales et vidéo en temps réel. Un déploiement en un clic vers Cloud Run et GitHub.
Il a défendu ce qu’il appelait le « Vibe Coding » avant que le terme devienne populaire. Ce qui signifie essentiellement une boucle conversationnelle où vous décrivez ce que vous voulez, l’IA le construit et vous itérez. Coder avec le langage naturel. Il a fait la démo d’une application fonctionnelle avec interaction vocale créée en environ 90 secondes, simplement en lui parlant. Avant Kilpatrick, Google AI Studio était MakerSuite avec un nouveau nom. Après Kilpatrick, c’était un véritable concurrent de l’expérience pour développeurs d’OpenAI.
Bien sûr, Logan n’était pas le seul. À cette époque, Google a subi une importante restructuration interne et recruté beaucoup de gens talentueux. Et vous pouvez voir les résultats, non? Google a commencé à mieux livrer ses produits d’IA. Et je pense que ce changement, au milieu de 2024, dans l’équipe et sa manière de livrer les produits, a tout changé à partir de ce moment.
LES MODÈLES DEVIENNENT BONS
Pendant que la plateforme pour développeurs était reconstruite, les modèles devenaient réellement compétitifs. Finalement. Gemini 1.5 Pro est sorti en avril 2024. Gemini 1.5 Flash est sorti en mai. Ils avaient donc Pro lorsque vous aviez besoin de la meilleure qualité et Flash lorsque vous aviez besoin d’un modèle rapide et peu coûteux, établissant la stratégie de segmentation qui est devenue un véritable avantage. Les ingénieurs pouvaient faire des compromis explicites entre coût, latence et intelligence au lieu d’être coincés avec un seul modèle.
Le 27 juin 2024, Gemini 1.5 Pro a été lancé avec une fenêtre de contexte d’un million de tokens et l’exécution de code. Cette fenêtre de contexte représentait un vrai différenciateur technique. Vous pouviez téléverser des repos de code complets, des heures de vidéo et des milliers de pages de documents. Directement dans la mémoire de travail du modèle. Aucun pipeline RAG complexe nécessaire.
En juillet, Google a effectivement ramené les créateurs de LaMDA grâce à l’acquisition de Character.AI. Puis, le 31 octobre, l’entreprise a livré Google Search Grounding dans l’API Gemini, un ancrage web natif en temps réel qu’aucun concurrent ne pouvait reproduire puisqu’aucun concurrent ne possède le plus grand index de recherche au monde. Google intégrait enfin sa force dans Gemini. C’est là que les choses ont commencé à tourner en faveur de l’une des plus grandes entreprises au monde.
Et le 8 novembre, elle a fait le geste tactique le plus intelligent de toute la course : la compatibilité avec la librairie d’OpenAI. Si vous aviez une application construite sur OpenAI, vous pouviez passer à Gemini en changeant une seule ligne de code. L’URL de l’endpoint et la clé d’API. C’est tout. Google n’a pas demandé aux équipes de refaire leur architecture. L’entreprise a simplement accepté que tout le monde construisait sur les modèles d’OpenAI, mais qu’elle pouvait leur permettre de rediriger facilement nos appels d’API vers Gemini et de tester la différence. Réduisez presque à zéro le coût du changement et laissez la qualité du produit faire le reste. C’était peut-être la meilleure décision possible, alors que beaucoup d’autres entreprises auraient pu rester coincées dans leur propre approche et refuser de laisser l’opposition gagner.
L’ACCÉLÉRATION
À partir de décembre 2024, Google a commencé à livrer à un rythme qui a pris tout le monde au dépourvu. Gemini 2.0 en décembre avec l’agent Deep Research. Gemini 2.0 Flash en février 2025. Et le 25 mars 2025, Gemini 2.5 est arrivé, un modèle de réflexion avec un contexte d’un million de tokens, des résumés de raisonnement et des budgets de réflexion. À sa sortie, il a dominé LMArena et plusieurs autres classements.
À Google I/O en mai 2025, l’entreprise a présenté Gemini 2.5 avec Deep Think, Veo 3 pour la génération vidéo, Imagen 4, Jules comme agent de code autonome et la prise en charge des outils MCP. Elle ne rattrapait finalement plus les autres et ne créait plus de fausses démos. Elle commençait à dicter le rythme de l’IA.
L’INVERSION DU CODE RED
Mais Google ne s’est pas arrêté là. Le 18 novembre 2025, Gemini 3 Pro Preview est sorti et a été déployé dans tout l’écosystème Google en une seule journée : Search, YouTube, Workspace et l’application Gemini. Du développement agentique, des niveaux de réflexion, l’API File Search et l’agent Deep Research.
Cinq jours plus tard, le CEO de Salesforce a publié ceci : il utilisait ChatGPT chaque jour depuis trois ans, avait passé deux heures avec Gemini 3 et ne reviendrait pas en arrière. Ça comptait parce que Salesforce est partenaire d’OpenAI. C’était le CEO d’un partenaire d’OpenAI qui changeait publiquement de plateforme.
Puis l’inversion complète est arrivée. Sam Altman d’OpenAI aurait déclaré un « Code Red ». L’entreprise aurait dû retarder ses initiatives de publicité et d’agents de magasinage pour améliorer l’expérience quotidienne de ChatGPT, qui semblait empirer par rapport à des solutions comme Gemini et Claude. Elle a même commencé à livrer trop rapidement des produits inachevés. La boucle était bouclée. Et les chiffres le confirmaient. L’application d’IA de Google a ajouté 250 millions d’utilisateurs actifs mensuels entre mai et octobre 2025, atteignant 650 millions au total. La part de marché de ChatGPT est passée de 86 % à environ 64 %. Celle de Gemini a quadruplé pour dépasser 21 %.
Le 12 janvier 2026, Apple et Google ont annoncé que la prochaine génération d’Apple Foundation Models serait construite sur Gemini et propulserait les futures fonctionnalités d’Apple Intelligence, dont un Siri revu. Le tout s’exécutera dans l’infrastructure de confidentialité d’Apple. Cette entente, qui vaudrait environ un milliard de dollars, signifie que Gemini propulsera l’intelligence de la majorité des téléphones intelligents du monde à partir de ce printemps.
S’il y a une leçon à tirer des montagnes russes de l’évolution de l’IA chez Google, c’est que la course à l’IA ne se gagne pas seulement avec des benchmarks et des annonces publiques. Elle se gagne avec l’écosystème, la distribution, l’expérience des développeurs, l’expérience utilisateur et la structure de coûts. Google possédait la plupart de ces avantages laissés en sommeil et a décidé de mettre fortement l’accent sur ces aspects lors de son pivot avec DeepMind et les nouvelles embauches. L’entreprise devait simplement unifier ses efforts et passer à l’exécution. C’est à cela qu’ont servi les dernières années.
CE QUI N’EST TOUJOURS PAS RÉSOLU
Maintenant, je veux être clair. Google ne « gagne » pas la course à l’IA de manière nette. OpenAI compte encore une plus grande base d’utilisateurs. Claude d’Anthropic est préféré pour beaucoup de tâches de code et de création, et pour quelques autres raisons « clin d’œil »… Les modèles à poids ouverts prennent très rapidement de l’ampleur, et nous voyons de plus en plus de modèles intéressants et d’innovations venir de Chine. En ce moment, aucun modèle ne domine tous les benchmarks. Les équipes d’ingénierie les plus sophistiquées utilisent maintenant des stratégies multi-LLMs. GPT pour le raisonnement général complexe, Claude pour le travail créatif de longue haleine, Gemini pour tout ce qui exige un ancrage web en temps réel, l’analyse de gros contextes ou l’intégration à Workspace. Ou n’importe quelle combinaison qu’elles préfèrent.
Et honnêtement, le plus gros problème qui reste à Google est toujours son manque de focus. Même après tout le rebranding, essayez de chercher « Gemini » aujourd’hui. Vous trouverez le chatbot Gemini, l’application mobile Gemini, Gemini pour Workspace, Google AI Studio, l’API Gemini Developer et Vertex AI. La plupart des développeurs choisissent encore le mauvais. AI Studio sert au prototypage, Vertex AI à la production en entreprise et l’application Gemini aux consommateurs. Gemini est un modèle disponible dans tous ces produits, mais Google n’a jamais rendu ça assez évident. Et étrangement, AI Studio est souvent meilleur que la véritable application Gemini pour des tâches comme le contrôle de la génération d’images, puisqu’il donne accès à davantage de paramètres, notamment des dimensions et des résolutions précises, et permet de générer des images sans le logo Gemini.
Même chose pour ses outils de code. Google offre maintenant Jules pour le code autonome en arrière-plan, Antigravity comme IDE complet, Gemini CLI pour le terminal et Gemini Code Assist pour les entreprises. Quatre produits de code séparés, tous actifs en même temps. Même Deep Think, son mode de raisonnement le plus avancé, a été lancé avec cinq requêtes par jour pour les abonnés Ultra qui paient 250 $ par mois. Google a doublé ce nombre à dix après le tollé, mais quand même. L’entreprise continue de livrer plus vite qu’elle ne peut consolider ses produits. Ça vous rappelle quelque chose?
La guerre des plateformes d’IA continue. Honnêtement, elles sont toutes très similaires aujourd’hui, et vous pouvez très bien utiliser le fournisseur que vous préférez. Elles ont toutes un gros modèle de réflexion et un modèle ultra léger et rapide. De mon côté, je les utilise toutes. ChatGPT pour les tâches rapides, Claude pour la plupart des tâches intensives, le code, l’écriture ou beaucoup d’automatisations variées avec Claude Code et Claude Cowork, puis Google pour ses excellents modèles de génération d’images, ses intégrations Gemini avec YouTube et Search, et sa performance sur les longs contextes.
Mais voici ce que la plupart des gens ratent, selon moi, à propos de la position future de Google. Demis Hassabis affirme depuis plus d’un an que les world models sont le chemin vers l’AGI. Des opinions très semblables à celles de Yann LeCun. Pas seulement de meilleurs modèles de langage. Des modèles qui comprennent la physique, l’espace, la cause et l’effet. Et Google est peut-être l’entreprise la mieux placée pour les créer.
Elle possède Genie 3, son world model qui génère des environnements 3D entièrement interactifs simplement en regardant une vidéo. Aucun moteur physique codé à la main. Il apprend le fonctionnement du monde en l’observant. Et Google l’utilise déjà à l’interne comme terrain d’entraînement pour les agents robotiques, essentiellement un camp d’entraînement infini où l’IA s’exerce à accomplir des millions de tâches dans des mondes générés avant de toucher un vrai robot. L’entreprise a livré Gemini Robotics plus tôt cette année, un modèle vision-langage-action qui contrôle directement des robots physiques. Elle s’est associée à Agile Robots pour la fabrication et a même retrouvé Boston Dynamics au CES 2026 pour rendre Atlas plus intelligent avec Gemini.
Et puis il y a Waymo, qui effectue déjà plus de 450 000 trajets payants par semaine et appartient aussi à Google. L’entreprise teste maintenant Gemini comme assistant IA dans ses voitures pour contrôler la climatisation, l’éclairage et la musique, et utilise un modèle vision-langage de conduite entraîné sur Gemini pour gérer des scénarios routiers rares. Google possède YouTube pour les données de compréhension vidéo. Google Maps pour les données spatiales. Search pour les connaissances sur le monde. La quantité de données d’entraînement multimodales dont Google dispose est inégalée.
Alors, Google gagne-t-il la course à l’IA? Non, pas clairement. Du moins, pas encore. Mais lorsque je cherche l’entreprise qui a les meilleures chances de passer des modèles de langage à des modèles qui comprennent réellement le monde physique, Google a de très, très bonnes cartes en main.
Alors oui, c’était l’histoire du retour de Gemini. Du Code Red et des noms étranges partout aux 650 millions d’utilisateurs, à l’entente avec Apple, à la robotique, aux world models et à OpenAI qui panique à son sujet. Il y a trois ans, personne n’aurait prédit ça, non?
Je suis curieux : avez-vous changé de fournisseur pendant la dernière année? Utilisez-vous plusieurs modèles ou êtes-vous lié à un seul? Dites-le-moi!
FAQ
Pourquoi les gens ont-ils sous-estimé Google en IA?
Google semblait lent à lancer des produits, même si l’entreprise conservait une solide expertise en recherche, son infrastructure, ses talents et sa distribution.
Qu’est-ce qui a changé pour l’IA de Google?
Google a commencé à relier la qualité de ses modèles, les produits Gemini, son infrastructure et ses outils pour développeurs dans une stratégie plus cohérente en IA.
Que devraient en retenir les builders?
Ne jugez pas un laboratoire seulement selon un cycle de lancements. Testez les outils actuels par rapport à votre workflow et à vos contraintes.
Pourquoi AI Studio peut-il être plus utile que l’application Gemini grand public?
Il expose des contrôles pour développeurs comme les réglages du modèle, les dimensions de l’image et la résolution qu’une interface de chat simplifiée peut cacher.
Pourquoi Google hésitait-il à livrer de l’IA générative dans Search?
L’exactitude et la sécurité comptaient, tandis qu’une nouvelle interface de réponses risquait aussi de perturber son activité de recherche extrêmement rentable.
Pourquoi la fusion de Google Brain et de DeepMind comptait-elle?
Elle a créé un pipeline unique de la recherche au produit en combinant la profondeur académique de DeepMind avec la culture de livraison de Google Brain.