- ▸ Quoi : Vague de départs d'ingénieurs et chercheurs senior des Big Tech vers des startups IA
- ▸ Pourquoi : Frustration sur la lenteur interne, perspectives equity, optimisme VC sur l'IA agentique
- ▸ Chiffre clé : Plusieurs labos lèvent 200 à 500 M$ avant d'avoir un produit
- ▸ À surveiller : Capacité des Big Tech à retenir leurs profils-clés et impact sur la roadmap des modèles
Points clés
- Une vague d’ingénieurs et chercheurs senior quitte Meta, Google et OpenAI pour fonder des startups IA.
- Les fonds de venture capital injectent des centaines de millions de dollars dès la phase pré-produit.
- Les laboratoires nouvellement créés se concentrent sur l’IA agentique, le RL et les modèles de raisonnement.
- Les Big Tech multiplient les contre-offres et les programmes equity pour ralentir l’hémorragie.
- Le mouvement reproduit la dynamique observée chez Inflection, Adept ou Thinking Machines Lab en 2024.
Une vague de départs s’amorce dans les laboratoires IA des Big Tech américaines. Selon une enquête publiée par CNBC le 28 avril 2026, plusieurs dizaines d’ingénieurs et chercheurs senior de Meta, Google et OpenAI ont quitté leur poste depuis le début de l’année pour fonder leurs propres startups. Soutenus par des fonds de venture capital qui n’hésitent plus à signer des chèques de plusieurs centaines de millions de dollars dès la phase pré-produit, ces nouveaux entrepreneurs concentrent leurs efforts sur l’IA agentique, le reinforcement learning et les modèles de raisonnement. Les Big Tech, elles, accélèrent leurs contre-offres pour limiter la casse.
Un mouvement structurel, pas un effet de mode
La tendance n’est pas nouvelle, mais elle change d’échelle. Selon CNBC, les départs concernent désormais des profils stratégiques : architectes de modèles, leaders de recherche en raisonnement, ingénieurs distribuent en charge de l’optimisation hardware. Ces profils, autrefois fidèles aux laboratoires des Big Tech grâce aux equity packages élevés et aux ressources illimitées, basculent vers la création d’entreprise dès qu’une thèse leur paraît défendable.
La logique économique est claire. Une startup IA peut désormais lever 200 à 500 millions de dollars avant même d’avoir un produit, à condition que les fondateurs viennent d’un laboratoire de premier rang. Les fonds y voient un quasi-équivalent du privilège de pouvoir paris sur l’équipe, dans un secteur où les modèles évoluent vite et où la qualité de l’exécution prime. Le précédent de Thinking Machines Lab, qui a récemment finalisé une opération à plusieurs milliards avec Google selon nos précédentes analyses, illustre cette dynamique.
Les frustrations internes alimentent les départs
Plusieurs facteurs convergent. Le premier est la frustration liée à la lenteur des cycles de décision dans les Big Tech. Les ingénieurs racontent des roadmaps revues sans cesse au gré des arbitrages politiques entre divisions, ce qui fragilise l’engagement. Le second facteur est la dilution de l’equity. Lorsque les valorisations internes des Big Tech se stabilisent, le potentiel financier devient bien moindre que celui d’une startup qui peut multiplier sa valorisation par dix en deux tours.
Le troisième facteur tient à l’évolution des modèles eux-mêmes. Les avancées récentes en IA agentique, en reinforcement learning et en évaluation de modèles ouvrent des espaces de spécialisation où une équipe de quinze personnes peut produire un service à valeur ajoutée mesurable. InformationWeek note que cette fragmentation favorise les acteurs spécialisés, car les CIO acceptent de plus en plus une stack composée d’agents verticaux plutôt qu’une plateforme monolithique.
Les contre-offres se durcissent côté Big Tech
Face à cette pression, les Big Tech adaptent leur arsenal de rétention. Meta a annoncé un capex 2026 record de 115 à 135 milliards de dollars dont une part finance Meta Superintelligence Labs et ses programmes de rétention. Google a multiplié les promotions internes et ouvert de nouveaux laboratoires régionaux pour offrir des trajectoires de carrière non disponibles ailleurs. OpenAI a renforcé ses programmes d’equity pour les chercheurs senior, en s’inspirant des packages observés chez Anthropic.
Mais ces réponses ont leurs limites. La contre-offre financière fonctionne sur les profils sensibles à la sécurité économique. Elle est moins efficace sur les ingénieurs qui veulent piloter une organisation entière ou prendre des décisions techniques sans validation hiérarchique. Pour ceux-là, l’aventure entrepreneuriale reste plus séduisante, et les fonds spécialisés dans l’IA savent bien le faire valoir.
Un effet domino sur la roadmap des modèles ?
L’enjeu va au-delà des ressources humaines. Lorsque des ingénieurs en charge d’un sous-système critique partent, la roadmap d’un modèle peut subir un retard de plusieurs trimestres. Les Big Tech ont historiquement amorti ces départs grâce à la profondeur de leurs équipes, mais la concentration de l’expertise sur quelques dizaines d’ingénieurs frontier rend la situation plus délicate. Une seule équipe de douze personnes peut bloquer la livraison d’un modèle phare.
Cet effet domino alimente la stratégie d’investissement direct dans les startups. Google a investi près de 40 milliards de dollars dans Anthropic, Microsoft conserve son partenariat OpenAI, Amazon multiplie les paris sur Anthropic et d’autres acteurs. Cette logique d’investissement croisé permet de capter une partie de l’innovation externe et d’amortir le risque interne. À terme, elle pose toutefois la question de la concentration du capital IA dans une poignée de mains, sujet qui revient fréquemment dans les débats des régulateurs.
FAQ
Pourquoi les VC misent-ils autant sur les startups IA pré-produit ?
Les fonds estiment que la qualité de l’équipe fondatrice prédit largement la trajectoire dans un secteur encore en construction. Une équipe issue d’un laboratoire de premier rang dispose d’un savoir-faire technique difficile à reproduire ailleurs et accède plus facilement aux talents complémentaires. Les VC acceptent donc de financer une thèse plutôt qu’un produit, avec l’objectif de capter un effet de levier majeur en cas de succès.
Quelles spécialités IA attirent le plus de capitaux en ce moment ?
L’IA agentique reste la thèse dominante, suivie par les outils d’évaluation des modèles, les plateformes de fine-tuning spécialisé et les solutions verticales pour la santé, le juridique et la défense. Les startups qui se positionnent sur le reinforcement learning appliqué aux processus métier attirent également l’attention. À l’inverse, les outils génériques de prompt engineering séduisent moins.
Cette dynamique va-t-elle ralentir si la valorisation des modèles plafonne ?
Oui partiellement. Si les performances des grands modèles cessent de progresser de manière spectaculaire, le marché basculera vers la productivité opérationnelle plutôt que vers la course aux paramètres. Les startups les plus exposées seraient celles qui mêlent recherche fondamentale et levée de fonds massive sans produit. À l’inverse, les acteurs qui livrent des solutions verticales monétisables résisteraient mieux.
Un effet de halo qui dope toute l’écosystème entrepreneurial
Le mouvement de départ des Big Tech ne se limite pas aux fondateurs. Une fois qu’un laboratoire indépendant lève quelques centaines de millions de dollars, il attire à son tour des dizaines d’ingénieurs et chercheurs qui acceptent de quitter leur poste actuel. Cet effet de halo profite à toute l’écosystème : les développeurs frontend, les ingénieurs SRE, les data engineers profitent eux aussi du dynamisme du marché. Les salaires médians dans la Silicon Valley pour ces profils ont progressé de 15 à 20 % en un an, selon les données collectées par les cabinets de recrutement spécialisés.
Les écosystèmes européens et asiatiques bénéficient également de ce mouvement, par effet de cascade. Les fonds américains investissent dans des startups européennes pour diversifier leur exposition géographique, et les talents européens se mettent à voyager plus régulièrement entre Paris, Londres et San Francisco. Cette circulation accrue des cerveaux est une bonne nouvelle pour les écosystèmes locaux, à condition de proposer des cadres fiscaux et réglementaires compétitifs.
Le risque de concentration excessive dans quelques fonds
Reste un point de vigilance majeur. Les chèques colossaux signés en pré-produit ne proviennent que d’une dizaine de fonds spécialisés, qui concentrent une part disproportionnée des décisions d’investissement. Cette situation crée un risque structurel : si ces fonds modifient leur thèse, l’ensemble du marché pourrait se contracter rapidement. Les régulateurs commencent d’ailleurs à s’intéresser au sujet, notamment au Royaume-Uni et au sein de l’Union européenne.
Pour les fondateurs, l’enjeu est de diversifier leurs sources de financement dès que possible, par exemple via des opérations de revente partielle de titres ou des partenariats stratégiques avec des industriels. Cette stratégie protège la trajectoire de la startup en cas de retournement des conditions de marché. Pour les investisseurs traditionnels, l’arrivée tardive sur ces dossiers est souvent synonyme de valorisations très élevées et de rendements potentiellement plus modestes que ceux espérés en début de cycle.
Comment les universités s’adaptent à cette nouvelle réalité
Les universités américaines et européennes ressentent aussi l’impact du mouvement. Plusieurs professeurs en machine learning ont quitté leur poste pour rejoindre des startups, tandis que d’autres réorganisent leur emploi du temps pour devenir conseillers stratégiques de jeunes entreprises. Cette circulation accrue entre académie et industrie pose des questions sur la propriété intellectuelle des recherches, sur la gestion des conflits d’intérêts et sur la qualité de la formation des doctorants.
Plusieurs établissements adaptent leurs règlements internes pour autoriser des engagements à temps partiel dans des startups, à condition de maintenir une activité d’enseignement minimale. Stanford, MIT et Carnegie Mellon ont publié des chartes en ce sens. En France, plusieurs grandes écoles travaillent à des dispositifs comparables, qui pourraient renforcer l’écosystème entrepreneurial national à condition d’être adoptés rapidement.
À suivre
Le prochain indicateur à surveiller sera le rythme des recrutements seniors annoncés publiquement par les laboratoires des Big Tech au deuxième trimestre. Pour comprendre les enjeux de talent, lisez notre dossier sur la signature de Mira Murati avec Google et le tour multi-milliards de Tinker et notre analyse de la trajectoire des prompt engineers en France.
