Un lauréat du prix Nobel vient de rejoindre Anthropic

marsbitPublié le 2026-06-20Dernière mise à jour le 2026-06-20

Résumé

Le lauréat du prix Nobel de chimie John Jumper, ancien responsable principal d'AlphaFold chez Google DeepMind, rejoint Anthropic. Cette annonce, intervenue après le départ de Noam Shazeer (co-auteur du Transformer) vers OpenAI, représente une perte majeure pour Google en l'espace de 72 heures. Jumper, diplômé en 2017, avait été placé à la tête de l'équipe AlphaFold par Demis Hassabis après seulement six mois chez DeepMind, malgré son manque initial d'expérience en deep learning. Sous sa direction, AlphaFold a révolutionné la biologie structurale, résolvant le problème du repliement des protéines et générant des centaines de millions de structures, multipliant par 1000 le nombre de structures connues. Ces avancées lui ont valu le prix Nobel de chimie en 2024 à l'âge de 39 ans. Son départ intervient dans un contexte d'exode des talents de Google DeepMind, où plus de 20 chercheurs clés sont partis ces huit dernières années. Un commentaire suggère que les jeunes laboratoires d'IA offrent ce que Google ne peut plus : la sensation qu'une seule personne peut changer la trajectoire de l'entreprise. Anthropic renforce ainsi son pôle sciences de la vie, après l'acquisition de Coefficient Bio et le lancement d'outils dédiés comme Claude for Life Sciences. Ce mouvement reflète une concurrence accrue dans le domaine, avec OpenAI (GPT-Rosalind) et Google DeepMind (via Isomorphic Labs) investissant également massivement pour réinventer la recherche biomédicale avec l'IA. Le recrutement d...

Un lauréat du prix Nobel rejoint Anthropic !

Aujourd'hui, John Jumper, responsable principal d'AlphaFold, a officiellement annoncé son départ de Google DeepMind après près de 9 ans de travail, pour rejoindre Anthropic.

Un lauréat du prix Nobel qui a réécrit toute la biologie structurale grâce à un modèle d'IA tourne les talons.

Hassabis a rapidement réagi : « Merci John pour notre extraordinaire partenariat au cours des 9 dernières années ! Ce que nous avons accompli avec AlphaFold a changé le monde. »

Neuf ans de collaboration, un prix Nobel partagé, c'est probablement l'adieu le plus élégant de la tech.

Et il y a seulement deux jours, Noam Shazeer, co-premier auteur légendaire du papier Transformer et co-responsable de Gemini, annonçait son départ de Google pour OpenAI.

Moins de 72 heures plus tard, Google perd deux atouts majeurs.

L'un, racheté pour 2,7 milliards de dollars, n'a pas pu être retenu. L'autre, malgré 9 ans de loyauté, non plus.

Six mois après son doctorat, il dirigeait déjà AlphaFold

Dans le domaine des sciences du vivant, John Jumper est littéralement synonyme de « réécrire toute une discipline avec l'IA ».

Né en 1985 à Little Rock, Arkansas, une petite ville ordinaire du sud des États-Unis.

Il obtient une double licence en mathématiques et physique à Vanderbilt, puis poursuit jusqu'au doctorat à l'Université de Chicago, se spécialisant en chimie théorique. Plus précisément, la simulation informatique de la dynamique des protéines.

Les mathématiques lui donnent l'intuition de la modélisation, la physique la compréhension des systèmes complexes, la chimie théorique le rend plus compétent sur le problème des protéines que tout chercheur en IA pure.

La combinaison de ces trois domaines forme l'ensemble de connaissances le plus rare pour résoudre le problème du repliement des protéines.

Après son doctorat en 2017, Jumper rejoint directement DeepMind.

Il est à noter qu'à l'époque, il avait peu d'expérience en apprentissage profond. Son CV ne mettait pas en avant sa maîtrise des réseaux neuronaux, mais sa compréhension de la physique des protéines.

Et c'est précisément ce qui a séduit Hassabis.

Immédiatement après, il a pris une décision que personne n'attendait : confier la direction de l'équipe AlphaFold à ce jeune diplômé de seulement 6 mois, qui devait apprendre le deep learning sur le tas.

Pas de période de transition, pas de « passe quelques années en tant que chercheur pour gagner de l'expérience ».

Hassabis pariait que, pour résoudre l'énigme du repliement des protéines, comprendre les protéines était plus important que comprendre l'IA. Et Jumper acceptait le plus grand pari de l'histoire de la biologie computationnelle.

Il a multiplié la biologie par 1000 à lui seul

Ce qui s'est passé dans les années suivantes ne peut être qualifié que d'« incroyable » —

2018 : AlphaFold fait ses débuts au concours CASP de prédiction de structure protéique, écrasant les méthodes traditionnelles.

2020 : AlphaFold 2 apparaît. Le problème du repliement des protéines, qui taraude les biologistes depuis 50 ans, est directement « résolu » par un modèle d'IA.

2021 : L'équipe de Jumper calcule les structures 3D de presque toutes les 50 000 protéines humaines. Finalement, elle génère les structures de près de 200 millions de protéines connues, issues d'environ 1 million d'espèces.

Avant AlphaFold, l'humanité avait passé des décennies, utilisant la cristallographie aux rayons X, la cryo-microscopie électronique et d'autres méthodes expérimentales, à résoudre environ 200 000 structures protéiques.

L'équipe de Jumper a multiplié ce chiffre par 1000 en une seule fois.

Sans exagération, le travail que les biologistes n'avaient pas fini en un siècle, AlphaFold l'a accompli en quelques mois.

Mai 2024 : Lancement d'AlphaFold 3 — il ne prédit plus seulement les protéines, mais calcule également les interactions entre l'ADN, l'ARN, les petites molécules médicamenteuses. Précision de 76,4% pour le docking protéine-ligand, soit 1,8 fois plus que les méthodes précédentes.

Cinq mois plus tard à Stockholm, John Jumper et Demis Hassabis montaient ensemble sur la scène pour recevoir le prix Nobel de chimie.

Cette année-là, Jumper avait 39 ans, devenant le plus jeune lauréat du prix Nobel de chimie depuis 70 ans.

Il ne lui a fallu que 7 ans pour passer d'un doctorant devant apprendre le deep learning sur le tas à la lumière des projecteurs de Stockholm.

À ce stade, le retour sur investissement du pari de Hassabis est probablement l'un des plus élevés de l'histoire scientifique humaine.

Alors aujourd'hui, son départ fait mal à Google DeepMind, bien au-delà de la perte d'un simple Directeur.

Qu'arrive-t-il à Google ?

Après l'explosion de la nouvelle, les commentaires sur X sont en ébullition.

L'utilisateur Chubby s'exclame : « C'est une énorme perte pour Google, et complètement fou pour Anthropic ! »

Un internaute remarque : « Anthropic accueille un prix Nobel, les talents continuent de converger vers OpenAI et Anthropic. » Un autre lance directement : « D'abord Karpathy, maintenant le cerveau derrière AlphaFold, Anthropic est en train de former les Avengers de l'IA. »

Logan Kilpatrick plaisante en disant qu'il attend de Jumper « un autre prix Nobel ». Le ton est léger, mais à y réfléchir, ce n'est pas si exagéré.

Après la stupéfaction, tout le monde se pose la même question — qu'arrive-t-il à Google ?

Jumper ne l'a pas dit, Anthropic non plus, Google non plus.

Peut-être qu'un commentaire de l'investisseur Lior Alexander est actuellement le plus proche de la réponse —

« Les laboratoires d'IA de pointe vendent quelque chose que Google ne peut offrir : la sensation qu'une seule personne peut changer la trajectoire de l'entreprise. »

La personne rachetée 2,7 milliards de dollars n'a pas été retenue non plus

Juste deux jours avant l'annonce de Jumper, Noam Shazeer annonçait son départ de Google pour rejoindre OpenAI, en tant que « Responsable de la recherche en architecture ».

Il était l'un des auteurs principaux du papier fondateur de l'IA moderne en 2017, « Attention Is All You Need ». L'attention multi-têtes est son design, la première implémentation fonctionnelle surpassant l'état de l'art, il l'a écrite ligne par ligne.

Et pour le ramener de Character.AI, Google a déboursé 2,7 milliards de dollars.

De retour, Shazeer est devenu co-responsable de Gemini, le principal artisan de la contre-offensive de Google en matière de grands modèles.

Résultat : moins de deux ans plus tard, il repart. Deux jours après, Jumper part aussi.

Ils ne sont ni les premiers, ni les derniers.

Ces 8 dernières années, plus de 20 chercheurs de premier plan ayant signé des articles marquants ont quitté DeepMind/Brain.

Rien qu'en 2025, au moins 11 cadres ont démissionné. Le co-fondateur de DeepMind, Mustafa Suleyman lui-même, a été débauché par Microsoft dans un recrutement par acquisition de 650 millions de dollars.

Les sciences du vivant, le prochain champ de bataille des trois géants de l'IA

Revenons à Anthropic. Les préparatifs avaient commencé il y a plus de deux mois.

Le 3 avril, Anthropic a acquis la société de biotechnologie Coefficient Bio pour 400 millions de dollars en actions. L'équipe compte moins de 10 personnes, mais a déjà réalisé des avancées de pointe dans le domaine de la conception d'anticorps pilotée par l'IA.

Parallèlement, Anthropic construit son propre laboratoire humide. En octobre dernier, elle a lancé Claude for Life Sciences pour aider les chercheurs à accélérer la découverte de médicaments et la conception d'expériences biologiques. En janvier de cette année, Claude for Healthcare pour les établissements de santé a été mis en ligne.

Ils affirment vouloir réduire le cycle de R&D en sciences du vivant par 10. Et maintenant, un scientifique des protéines de niveau Nobel vient diriger ce projet.

En réalité, Anthropic n'est pas le seul à miser sur les sciences du vivant.

OpenAI a publié en avril dernier GPT-Rosalind, un modèle de raisonnement spécialisé pour la biomédecine, ciblant la découverte de médicaments, l'analyse génomique et l'ingénierie des protéines, et a déjà conclu des partenariats avec des grands noms de la pharma comme Amgen, Moderna, Thermo Fisher.

La fondation OpenAI a clairement indiqué : un investissement d'au moins 10 milliards de dollars dans les sciences du vivant au cours de l'année à venir. Ajoutez à cela l'arrivée récente de Shazeer pour superviser la recherche en architecture, OpenAI est tout aussi agressif sur cette piste.

Du côté de Google DeepMind, Isomorphic Labs, sous la direction de Hassabis, a levé 600 millions de dollars l'an dernier et a signé des accords de collaboration avec Eli Lilly et Novartis pour une valeur totale en étapes de 30 milliards de dollars. La technologie de base d'AlphaFold reste la référence du secteur.

Trois laboratoires parient simultanément sur la même direction — réécrire les sciences du vivant avec l'IA.

Le choix de Jumper n'est que la dernière pièce de cet échiquier.

Références :

https://x.com/JohnJumperSci/status/2068001285173834106

Édité par : Moïse

Cet article provient du compte officiel WeChat « Xin Zhi Yuan », auteur : ASI Apocalypse

Cryptos en tendance

Questions liées

QQui est John Jumper et quelle est son importance dans le domaine de la biologie structurale ?

AJohn Jumper est un lauréat du prix Nobel de chimie (2024) et l'ancien chef de l'équipe AlphaFold chez Google DeepMind. Il est considéré comme la figure emblématique ayant révolutionné la biologie structurale en développant AlphaFold, un modèle d'IA qui a résolu le problème du repliement des protéines et prédit la structure de près de 2 milliards de protéines, multipliant par 1000 les connaissances existantes.

QPourquoi le départ de John Jumper de Google DeepMind pour Anthropic est-il considéré comme une perte significative pour Google ?

ASon départ est une perte majeure car Jumper n'était pas seulement un directeur, mais l'architecte d'AlphaFold, une réalisation scientifique historique qui a valu un prix Nobel à Google DeepMind. Perdre un talent aussi visionnaire et fondateur, peu après le départ d'un autre pionnier comme Noam Shazeer, soulève des questions sur la capacité de Google à retenir ses chercheurs d'élite face à la concurrence agressive d'Anthropic et d'OpenAI.

QQuelle raison possible est avancée pour expliquer le départ de chercheurs de premier plan comme Jumper et Shazeer de Google ?

AUn commentaire d'investisseur cité dans l'article suggère que les laboratoires d'IA de pointe comme Anthropic et OpenAI vendent quelque chose que Google ne peut offrir : la sensation qu'une seule personne peut changer la trajectoire de l'entreprise. Cela implique que les start-ups offrent plus d'impact, d'autonomie et de vision entrepreneuriale aux chercheurs de haut niveau.

QQuelle est la stratégie d'Anthropic dans le domaine des sciences de la vie, renforcée par l'arrivée de John Jumper ?

AAnthropic renforce considérablement son pôle sciences de la vie. Avant l'arrivée de Jumper, elle avait acquis la biotech Coefficient Bio, construit son propre laboratoire humide (« wet lab ») et lancé des produits comme Claude for Life Sciences. Avec Jumper, un lauréat du Nobel expert en protéines, Anthropic vise à accélérer radicalement (par un facteur 10) la découverte de médicaments et la recherche biologique, faisant des sciences de la vie un champ de bataille stratégique face à OpenAI et Google.

QComment les trois géants de l'IA (Anthropic, OpenAI, Google DeepMind) se positionnent-ils dans la course aux sciences de la vie ?

ALes trois géants font des paris massifs sur les sciences de la vie : Anthropic acquiert des biotechs et recrute John Jumper ; OpenAI lance GPT-Rosalind et prévoit d'investir plus de 1 milliard de dollars, avec Noam Shazeer en renfort ; Google DeepMind, via Isomorphic Labs, utilise le socle AlphaFold et a signé des partenariats majeurs avec des groupes pharmaceutiques. Tous visent à réécrire la recherche en biologie et en découverte de médicaments grâce à l'IA.

Lectures associées

Derrière les bulletins de notes de l'IA, se cache un concepteur de "sujets d'examen" chinois

Le domaine de l'IA suit de près les scores des grands modèles sur des benchmarks comme MMLU-Pro et MMMU, devenus des références pour évaluer les capacités de raisonnement et de compréhension multimodale. Derrière ces outils d'évaluation influents se trouve Wenhu Chen, professeur assistant à l'Université de Waterloo et fondateur du TIGERLab. Face aux limites des anciens benchmarks comme MMLU, où les modèles de pointe atteignaient des scores quasi parfaits, Chen a dirigé le développement de MMLU-Pro. Cette nouvelle base de données, plus difficile et stable avec des questions à choix multiples élargis, permet de mieux distinguer les véritables capacités de raisonnement des modèles. Dans le domaine multimodal, les benchmarks MMMU et MMMU-Pro, également créés par son équipe, évaluent rigoureusement la capacité des modèles à combiner informations visuelles complexes et connaissances disciplinaires pour résoudre des problèmes avancés. Cette expertise en évaluation découle des recherches de Chen sur la compréhension d'informations complexes et le raisonnement, renforcée par son expérience chez Google DeepMind sur Gemini. Aujourd'hui au Meta Super-Intelligence Lab, il continue ses travaux sur l'évaluation et l'entraînement de modèles multimodaux. Son parcours illustre le rôle crucial, bien que moins visible, des chercheurs dans la construction des fondations méthodologiques qui guident les progrès de l'IA.

marsbitIl y a 7 mins

Derrière les bulletins de notes de l'IA, se cache un concepteur de "sujets d'examen" chinois

marsbitIl y a 7 mins

Sélection hebdomadaire de la rédaction Weekly Editor's Picks (13-19 juin)

**Résumé éditorial hebdomadaire (13-19 juin)** Face à un flux d'information trop rapide, cette sélection hebdomadaire vise à mettre en lumière des analyses de fond. Les principaux thèmes abordés cette semaine sont : **Situation macroéconomique :** Après la réouverture du détroit d'Ormuz, les marchés ajustent leurs positions, passant du "choc du conflit" à la "restauration de l'offre", avec des implications sur le pétrole, les transports, l'énergie en Asie et les obligations. **Investissement & Entrepreneuriat :** Ray Dalio met en garde contre la concentration excessive sur les géants de l'IA dans les indices boursiers, prônant plutôt la diversification. Des analyses examinent le cycle du BTC, suggérant des signaux de bas de cycle, et le lancement en bourse de SpaceX, interrogeant sa valorisation et ses risques systémiques potentiels. La dépendance des échanges cryptos coréens aux actifs très spéculatifs ("shitcoins") est également pointée, en raison de régulations restrictives. **Web3 & IA :** Un risque systémique de type "crise des subprimes" est évoqué dans le secteur de l'IA, lié à des engagements financiers hors bilan. L'utilisation des modèles d'IA pour prédire les résultats de la Coupe du Monde est analysée. Un schéma décompose les coûts d'un abonnement à un assistant IA comme Claude. **Marchés de prédiction :** La concurrence s'intensifie, Robinhood développant sa propre plateforme (Rothera) pour capter ce marché, illustrant l'importance cruciale des canaux de distribution. **CeFi & DeFi :** Le mécanisme des contrats perpétuels sur actifs pré-IPO (comme SpaceX) est testé, révélant des défis techniques. Le décrochage ("dépeçage") du jeton STRC (lié à MicroStrategy) fait l'objet de deux analyses sur la confiance dans son modèle financier. Le nouvel ETF Bitcoin à rendement de BlackRock (BITA) est présenté comme une opportunité ou un piège selon les perspectives. **Ethereum & Scaling :** L'avantage concurrentiel principal d'Ethereum est identifié comme sa vaste base de développeurs et son écosystème, plutôt que sa vitesse. **Autres actualités marquantes :** Accord USA-Iran et impact sur les marchés, décision de la Fed, mesures restrictives d'Anthropic sur l'accès à ses modèles, acquisition de Cursor par SpaceX, et la montée spectaculaire de l'action "Liuliumei" à Hong Kong en raison de son ticker (06658.HK).

marsbitIl y a 15 mins

Sélection hebdomadaire de la rédaction Weekly Editor's Picks (13-19 juin)

marsbitIl y a 15 mins

Analyse des derniers ajustements de portefeuille de la « version bêta » du marché boursier américain : 9 milliards de dollars de ventes à découvert sur NVIDIA, les capitaux se redirigent vers les secteurs de l'électricité et de la mémoire

L'investisseur en IA Leopold Aschenbrenner, considéré comme l'un des plus agressifs au monde, a récemment ajusté ses positions significativement. Il a pris des positions courtes d'environ 90 milliards de dollars sur des leaders de l'infrastructure IA comme NVIDIA, ASML et Oracle. Parallèlement, il réoriente son capital vers des secteurs qu'il considère comme les prochains goulets d'étranglement physiques de l'IA : l'énergie électrique, la mémoire (RAM), les réseaux de centres de données et des actifs en capital-risque comme Anthropic. Cette rotation ne signifie pas la fin de la bulle IA, mais plutôt un déplacement des capitaux depuis les transactions « priorité aux puces » (comme NVIDIA) vers les couches d'infrastructure sous-jacentes plus contraignantes. Le récent emprunt obligataire de 250 milliards de dollars de NVIDIA, malgré sa trésorerie abondante, est interprété comme un signal que le financement de la croissance de l'IA évolue, l'entreprise saisissant des capitaux à bon marché. L'analyse souligne que les véritables limites à l'expansion de l'IA ne sont plus seulement les GPU, mais la capacité à construire physiquement des centres de données, à fournir de l'électricité et à augmenter la production de composants comme la mémoire. Les entreprises capables de relever ces défis de construction et de logistique devraient capturer la prochaine vague de valeur. Des sociétés comme CoreWeave (cloud spécialisé IA) et Marvell (réseaux optiques) sont citées comme bénéficiaires, cette dernière ayant reçu un investissement et des éloges publics de Jensen Huang, le PDG de NVIDIA. Aschenbrenner détendrait également une importante participation privée dans Anthropic, valorisant son fonds à environ 200 milliards de dollars. La conclusion des analystes est que les meilleurs paris à long terme pourraient ne pas être les sociétés de puces les plus populaires, mais plutôt les infrastructures essentielles, notamment l'énergie, dont la demande est inélastique quelle que soit l'évolution de l'IA.

marsbitIl y a 47 mins

Analyse des derniers ajustements de portefeuille de la « version bêta » du marché boursier américain : 9 milliards de dollars de ventes à découvert sur NVIDIA, les capitaux se redirigent vers les secteurs de l'électricité et de la mémoire

marsbitIl y a 47 mins

Trading

Spot
Futures

Articles tendance

Comment acheter CORE

Bienvenue sur HTX.com ! Nous vous permettons d'acheter CORE (CORE) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément CORE (CORE).Solde :utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers :pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P :tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos CORE (CORE)Après avoir acheté vos CORE (CORE), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des CORE (CORE)Tradez facilement CORE (CORE) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

384 vues totalesPublié le 2024.12.13Mis à jour le 2026.06.02

Comment acheter CORE

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de CORE (CORE) sont présentées ci-dessous.

活动图片