Un retard qui fait mal, et pas seulement en bourse

Quand Google annonce quelque chose à Google I/O, c'est rarement une promesse légère. L'événement est le rendez-vous annuel où le géant de Mountain View montre ses muscles technologiques au monde entier. En mai 2026, Gemini 3.5 Pro était présenté comme le modèle qui allait consolider la position de Google dans la guerre des intelligences artificielles. Date prévue : juin 2026. Date effective : inconnue.

Ce glissement de plusieurs mois n'est pas passé inaperçu. Les actions Alphabet, la maison mère de Google, ont accusé le coup en bourse dès que l'information a été rendue publique. Selon Investopedia, la nouvelle a pesé sur le titre vendredi 17 juillet 2026, dans un contexte où les investisseurs surveillent chaque signal sur la compétitivité de Google en matière d'IA.

Ce n'est pas tant le retard lui-même qui inquiète les marchés. C'est ce qu'il révèle sur l'état interne de l'entreprise.

Le coupable désigné : le coding

Dans le vocabulaire de l'IA, le "coding" désigne la capacité d'un modèle à comprendre, générer et corriger du code informatique. C'est devenu un critère de référence pour mesurer la puissance d'un grand modèle de langage. OpenAI y a investi massivement. Anthropic aussi. Pour Google, c'est précisément là que le bât blesse.

D'après une enquête détaillée du Los Angeles Times s'appuyant sur des témoignages de dix employés actuels et anciens de Google, une mise à jour des données d'entraînement de Gemini 3.5 Pro a produit des effets contre-productifs. En d'autres termes : en voulant améliorer le modèle, les équipes l'ont rendu moins performant sur les tâches de programmation.

Les données d'entraînement, c'est la matière première d'un modèle d'IA. Ce sont les milliards de textes, d'exemples, de codes et de conversations à partir desquels le modèle apprend à raisonner. Modifier cette base, c'est un peu comme changer la recette d'un plat au dernier moment : parfois ça améliore tout, parfois ça dénature l'ensemble.

Ici, le résultat n'était pas à la hauteur. Et les équipes se sont retrouvées à devoir repartir en arrière, diagnostiquer, corriger, re-tester. Ce type d'itération prend du temps. Beaucoup de temps.

Des frictions internes qui ralentissent tout

Le problème technique n'est que la partie visible de l'iceberg. Ce que révèlent les témoignages recueillis par le Los Angeles Times, c'est une organisation interne sous tension. Chez Google, Gemini n'est pas développé dans un coin tranquille par une seule équipe soudée. Le modèle doit s'intégrer à une constellation de produits : Search, YouTube, Maps, Google Workspace, Android, et bien d'autres.

Chaque équipe produit a ses propres priorités, ses propres délais, ses propres exigences. Résultat : les arbitrages deviennent complexes, les décisions tardent, et les ingénieurs qui travaillent sur le modèle central se retrouvent à jongler avec des demandes contradictoires venant de toutes parts.

Cette fragmentation organisationnelle n'est pas nouvelle chez Google. L'entreprise est réputée pour sa culture de l'autonomie des équipes, ce qui a longtemps été une force. Mais dans la course à l'IA, où chaque semaine compte, cette dispersion devient un handicap. Quand OpenAI sort GPT-4o et enchaîne rapidement avec des mises à jour, Google, lui, doit d'abord aligner vingt équipes avant de pousser un changement majeur.

Ce que disent les employés

Les dix sources internes citées dans l'enquête du Los Angeles Times ne mâchent pas leurs mots. Plusieurs d'entre elles évoquent un risque réel de "décrochage" par rapport à la concurrence. Ce mot est fort. Il signifie qu'on ne parle plus seulement d'un retard ponctuel, mais d'une trajectoire préoccupante sur le moyen terme.

Certains employés pointent également un manque de clarté dans la vision produit. Qui décide en dernier ressort des priorités de Gemini ? Quand les équipes ne s'accordent pas, qui tranche ? Ces questions d'apparence organisationnelle ont des conséquences très concrètes sur les délais de livraison.

La concurrence, elle, n'attend pas

Pendant que Google corrige ses bugs de coding et réorganise ses équipes, OpenAI, Anthropic et Meta continuent d'avancer. CNBC souligne que ce retard vient s'ajouter à une série de signaux qui alimentent les inquiétudes sur la capacité de Google à tenir son rang dans la compétition IA.

La situation mérite d'être nuancée. Google reste une puissance de recherche considérable. Google DeepMind, la branche recherche, continue de publier des travaux de référence. Et Gemini 1.5 Pro, la version précédente, reste un modèle compétitif sur de nombreux benchmarks.

Mais le marché ne juge pas uniquement sur les benchmarks. Il juge sur les produits disponibles, sur la vitesse d'itération, sur la capacité à convaincre les développeurs d'adopter une plateforme plutôt qu'une autre. Et sur ces critères, chaque semaine de retard est une semaine où la concurrence gagne du terrain.

Notre point de vue : un problème d'exécution plus que d'ambition

Il serait réducteur de conclure que Google est "à la traîne" dans l'IA. La réalité est plus nuancée. Ce que révèle l'épisode Gemini 3.5 Pro, c'est un problème d'exécution à grande échelle dans une organisation très complexe. Google a les chercheurs, les ressources de calcul et les données. Ce qui lui fait défaut, c'est la fluidité organisationnelle pour transformer tout cela en produit livré à temps.

OpenAI, malgré ses propres turbulences internes bien documentées, a su construire une culture de lancement rapide. Les modèles sortent, même imparfaits, et s'améliorent en continu avec les retours des utilisateurs. Google, avec ses impératifs de qualité et sa multiplicité de produits à intégrer, semble avoir du mal à adopter ce rythme.

La question qui se pose pour Alphabet n'est donc pas "ont-ils les capacités techniques ?" mais "ont-ils l'organisation pour les déployer efficacement ?" C'est une question de management autant que de technologie.

Le fait que dix employés aient accepté de parler à des journalistes du Los Angeles Times, même sous couvert d'anonymat, est lui-même un signal. Ce niveau de transparence interne frustrée ne se voit que quand le malaise est profond et largement partagé.

Ce qui pourrait changer la donne

Google n'est pas sans ressources pour redresser la situation. Plusieurs leviers sont à sa disposition :

• Centraliser les décisions produit autour de Gemini pour réduire les frictions entre équipes et accélérer les arbitrages.
• Adopter une approche de lancement progressif, en publiant des versions intermédiaires pour les développeurs plutôt que d'attendre un produit parfait.
• Recalibrer les données d'entraînement avec plus de rigueur sur les tests de régression, c'est-à-dire vérifier systématiquement qu'une amélioration dans un domaine ne dégrade pas les performances ailleurs.
• Mieux communiquer en interne sur les priorités pour éviter que l'insatisfaction ne remonte jusqu'aux colonnes du Los Angeles Times.

Le chemin existe. Mais chaque semaine supplémentaire de retard rend la tâche plus difficile, et les discours de réassurance moins crédibles.