Gemini 3.5 Pro en proie à des retards de plusieurs mois : les luttes internes au sein des factions politiques de Google laissent les employés profondément frustrés

Le dernier modèle phare de Google, Gemini 3.5 Pro, connaît des retards et des difficultés de mise au point. Ce qui se révèle n’est pas seulement un goulot d’étranglement technique, mais aussi une bataille d’usure politique en interne. Citant 10 cadres actuels et anciens, Bloomberg indique que ce modèle a pris plusieurs mois de retard en raison du fait que ses capacités à écrire du code restaient trop lentes pour rattraper ses concurrents, et que des luttes de factions entre les équipes de Google Cloud, de DeepMind et d’Android ont encore aggravé la situation.
(Contexte : évaluation ReactBench d’agents de génération de code IA : GPT-5.6 Sol remporte la première place avec 43,1 %, tandis que les grands modèles dominants posent et déclenchent à foison des pièges à bugs)
(Complément d’information : Bloomberg affirme qu’Anthropic prévoit une introduction en bourse dès le mois d’octobre, tandis que les trois grandes banques d’investissement organisent des réunions entre investisseurs et dirigeants)

Gemini 3.5 Pro, retardé de plusieurs mois, s’accompagne d’une anxiété difficile à dissimuler au sein de Google. D’après Bloomberg, qui cite 10 employés actuels et anciens, ce modèle très attendu, censé faire face à Anthropic et OpenAI, accuse un retard de plusieurs mois sur le calendrier initial de livraison, et le nœud du problème réside dans le fait que ses capacités à écrire du code n’arrivent pas à suivre.

Le marché s’attendait à ce que la version 3.5 Pro soit présentée en mai à l’occasion de la conférence développeurs I/O 2024 ; à l’époque, le PDG Sundar Pichai avait même évoqué le mois de juin. Or, à mi-juillet, la date de remise reste inconnue. Ingénieurs, chercheurs en IA et responsables ressentent une frustration diffuse : ils voient leurs adversaires prendre l’avantage avec des modèles plus avancés, tandis que leur propre arme reste encore en phase de finition.

Les luttes de factions seraient plus difficiles à gérer que chez les concurrents

Google dispose d’une gamme de produits très large : les modèles IA doivent s’intégrer à des contextes variés comme la recherche, les cartes et YouTube. Avant la publication, il faut passer par des validations successives de parties prenantes aux intérêts divergents : c’est l’une des causes structurelles du retard. Mais Bloomberg met aussi en avant un problème plus préoccupant : les rivalités entre factions internes, qui ralentissent le rythme.

Le cofondateur Sergey Brin a réclamé à plusieurs reprises que Google accélère ses efforts en matière d’écriture de code pour l’IA. Pourtant, dans la pratique, les équipes de Google Cloud, de Google DeepMind et d’Android fonctionnent chacune de leur côté. En parallèle, tout en construisant des outils d’écriture de code IA à destination des développeurs, l’entreprise a aussi laissé une place aux équipes produits grand public.

D’un côté, une stratégie à plusieurs têtes ; de l’autre, une résistance de « purs et durs » en interne. Certains ingénieurs estiment que le code vraiment important doit être écrit à la main, pour répondre aux standards de Google. Lors des premières phases de déploiement de la technologie, les employés ont même été temporairement limités dans l’usage de Gemini pour écrire du code ou analyser du code, l’argument étant la crainte que du code propriétaire ne fuit et ne finisse dans des données d’entraînement de l’IA ; cette politique a ensuite été assouplie.

L’architecte en chef de l’IA Koray Kavukcuoglu travaille actuellement avec les principales équipes d’ingénierie afin d’unifier les outils internes. DeepMind a également mis en place plus tôt dans l’année une équipe d’« AI coding » menée par le chercheur-ingenieur Sebastian Borgeaud, dans l’objectif de remettre de l’ordre dans le chaos interne. Mais la réalité est la suivante : lorsque les ingénieurs sont censés générer du code avec l’IA, ils se retrouvent souvent bloqués par des contraintes de capacité liées à une puissance de calcul interne limitée et par la concurrence pour les ressources. Certains chercheurs mécontents de la position de l’entreprise dans la course à l’IA ont déjà tourné le dos à Google et se sont engagés auprès de laboratoires de pointe comme Anthropic.

Le coût de faire bouillir toute une mer

Un ancien employé de Google décrit la difficulté à aligner les dirigeants de chaque département sur la même direction : c’est « comme faire bouillir toute une mer ».

Fin 2022, lorsque ChatGPT est apparu d’un coup, Google avait annoncé un « code red » pour briser la bureaucratie et la compétition interne. Aujourd’hui, la course effrénée sur le terrain de l’IA est devenue le quotidien de l’entreprise, mais la trajectoire de la course n’a pas encore convergé vers une seule ligne.

Google dispose de nombreux atouts : le produit le plus utilisé au monde sert d’entrée à la plupart des gens pour accéder à l’IA générative, et ces interactions génèrent en elles-mêmes des données qui rendent les réponses plus intelligentes. À cela s’ajoutent des capacités multimodales pour traiter divers types d’entrées comme des images et des vidéos, ainsi que les progrès réalisés sur les « modèles mondiaux d’IA » capables de simuler le monde physique, autant de barrières défensives qu’Anthropic et OpenAI ne peuvent pas encore exploiter temporairement.

Mais ces barrières se maintiennent difficilement sur le calendrier : lorsque les concurrents lancent modèle après modèle, Google n’arrive même pas encore à trancher en interne quel ensemble d’outils d’écriture de code il devra utiliser. Dans ce jeu de course autour de l’IA générative, le géant en retard semble, pour l’instant, encore boiter.