Sergey Brin relance Google DeepMind pour rattraper Claude sur le code IA

Chez Google, la bataille de l’IA ne se joue plus seulement sur la recherche ou la génération de texte. Elle se déplace désormais sur un terrain devenu stratégique : le code.

Selon plusieurs sources concordantes, Sergey Brin est personnellement revenu au premier plan pour piloter une offensive interne visant à combler le retard de Gemini face aux modèles Claude d’Anthropic sur les tâches de programmation et d’exécution agentique.

Un retour ciblé, loin d’une retraite paisible

D’après The Information, Google DeepMind a constitué une équipe dédiée pour améliorer les capacités de codage de ses modèles, avec Sergey Brin en supervision directe, Sebastian Borgeaud à la manœuvre sur le plan technique et Koray Kavukcuoglu en appui côté direction. Le cœur du problème est limpide : en interne, certains chercheurs estimeraient que Claude est aujourd’hui plus performant que Gemini pour écrire du code et surtout pour gérer des tâches agentiques en plusieurs étapes.

Le point n’est pas anecdotique. Dans cette nouvelle phase de la course à l’IA, savoir générer du code de qualité ne suffit plus. Il faut aussi savoir enchaîner les actions, comprendre un objectif complexe, corriger, tester, itérer et exécuter avec le moins d’intervention humaine possible.

C’est précisément là que Google veut accélérer.

Le vrai sujet : faire de Gemini un développeur de premier rang

Les extraits du mémo attribué à Sergey Brin sont particulièrement révélateurs. Il y appelle à « combler d’urgence l’écart » en matière d’« agentic execution », et à faire des modèles maison des « primary developers », autrement dit des outils capables de devenir des acteurs centraux du développement logiciel.

En outre, Brin aurait demandé que chaque ingénieur Gemini utilise systématiquement les agents internes pour les tâches complexes et multi-étapes.

Cette logique de « dogfooding » forcé dit beaucoup de l’état d’esprit chez Google. L’entreprise ne veut plus seulement concevoir des modèles performants sur benchmark. Elle veut les éprouver dans les conditions réelles de son propre environnement logiciel, avec ses contraintes, ses bases de code massives et ses flux de travail internes.

Pourquoi Google accélère maintenant ?

La pression concurrentielle est devenue trop visible pour être ignorée. Google a déjà reconnu l’importance croissante de l’IA dans sa production logicielle. En février, la CFO Anat Ashkenazi indiquait qu’environ 50 % du code de Google était généré par l’IA. Quelques semaines plus tard, la progression semblait encore plus nette : Business Insider rapporte qu’en avril 2026, Google évoquait 75 % du nouveau code généré par l’IA, avec validation humaine à la clé.

Ce chiffre impressionne, mais il révèle aussi un paradoxe. Google industrialise déjà fortement le code assisté par IA, tout en donnant le sentiment d’être sous pression face à Anthropic sur les usages les plus avancés.

Autrement dit, le volume est là, mais pas encore la domination qualitative sur les workflows agentiques les plus ambitieux.

Jetski, leaderboards et discipline interne

Les informations qui remontent sur les outils internes renforcent cette impression de mobilisation générale. Plusieurs sources évoquent Jetski, un assistant de codage interne dont l’usage serait suivi via des tableaux de bord et des classements fondés sur la consommation de tokens. En parallèle, l’accès à Claude au sein de certaines équipes DeepMind aurait créé des tensions internes, preuve que la comparaison avec Anthropic est devenue concrète, presque quotidienne.

Ce détail est essentiel. Quand une entreprise commence à mesurer, comparer et presque gamifier l’usage de ses outils IA en interne, ce n’est plus un simple projet R&D. C’est un pivot culturel.

Une stratégie défensive… et offensive

Google poursuit ici un double objectif. D’un côté, il s’agit de rattraper Anthropic sur un terrain devenu symbolique : celui de l’IA qui code mieux, plus vite et plus loin. De l’autre, il s’agit de bâtir un avantage défendable grâce à un actif unique : l’immense base de code propriétaire de Google, qui pourrait servir à entraîner des modèles internes particulièrement efficaces, mais difficilement commercialisables tels quels pour des raisons de confidentialité.

C’est là toute l’ambivalence de cette stratégie. Google peut sans doute créer des outils redoutables pour ses propres équipes. Mais Anthropic, OpenAI et d’autres avancent aussi au contact du marché, avec des produits exposés publiquement, testés par des développeurs, enrichis par des usages externes et par la dynamique commerciale.

Le code est devenu le centre de gravité de la course à l’IA

Le plus intéressant dans cette séquence n’est peut-être pas l’« équipe de frappe » en elle-même. C’est ce qu’il révèle du nouvel ordre des priorités. Pendant longtemps, les géants de l’IA ont cherché à impressionner par la conversation, la créativité ou la recherche multimodale. Désormais, la capacité à coder de manière autonome devient un marqueur bien plus stratégique.

Pourquoi ? Parce qu’un bon agent de code ne sert pas seulement à accélérer les développeurs. Il permet aussi d’améliorer les outils, les pipelines, les expériences internes — et potentiellement, à terme, les modèles eux-mêmes. C’est une boucle d’accélération. Mieux un modèle code, mieux il peut contribuer à fabriquer l’infrastructure qui rendra le prochain modèle encore plus performant.

C’est sans doute ce que Sergey Brin a en tête. Et c’est aussi pourquoi Google traite le sujet comme une urgence quasi existentielle.

À ce stade, il n’y a pas encore d’indication publique sur les gains concrets obtenus par cette équipe spéciale. Mais le message politique, lui, est clair : Google refuse de laisser Anthropic imposer le rythme sur l’IA appliquée au développement logiciel. Le retour actif de Sergey Brin rappelle d’ailleurs un précédent : son implication renforcée au moment où ChatGPT avait forcé Google à réagir plus vite.

La prochaine étape sera à surveiller du côté des futures annonces Gemini. Si Google commence à parler davantage d’agents de développement, d’exécution multi-étapes ou de workflows de code autonomes, il y aura de fortes chances que cette contre-offensive interne ait déjà commencé à produire ses effets.

Au fond, cette histoire dépasse la rivalité Google-Anthropic. Elle raconte une vérité plus large sur l’IA en 2026 : celui qui dominera vraiment le code pourrait bien dominer tout le reste.