Microsoft AI recrute trois anciens de DeepMind pour renforcer son équipe suisse

Au 5 février 2025, la bataille de l’intelligence artificielle se joue aussi dans les couloirs des laboratoires. Microsoft vient de recruter trois anciens collaborateurs de Google DeepMind, Marco Tagliasacchi, Zalán Borsos et Matthias Minderer, pour étoffer Microsoft AI, l’organisation pilotée par Mustafa Suleyman. Derrière ces noms peu connus du grand public se dessine un objectif très concret : renforcer les compétences du groupe dans deux dimensions devenues centrales pour les assistants modernes, l’audio et la vision.

Ces recrutements doivent contribuer à la construction d’un nouveau pôle de Microsoft AI en Suisse. Ils illustrent surtout l’importance des équipes de recherche dans une industrie où les modèles ne se distinguent plus seulement par leur capacité à écrire du texte. Comprendre une image, analyser une scène, dialoguer à voix haute ou transformer des documents en une présentation sonore font désormais partie des usages les plus visibles de l’IA générative.

Trois spécialistes pour l’audio et la vision

Les trois arrivants possèdent des compétences complémentaires. Marco Tagliasacchi et Zalán Borsos orienteront leurs travaux vers les capacités audio. Leur expérience antérieure est notamment liée aux Google Audio Overviews, une fonction qui transforme des contenus fournis par l’utilisateur en échanges audio synthétiques, avec une restitution pensée comme une conversation ou une émission.

Matthias Minderer, lui, concentrera son travail sur les capacités de vision. Dans le vocabulaire de l’IA, ce terme recouvre la faculté pour un système d’examiner et d’interpréter des informations visuelles : objets, texte dans une image, documents numérisés, graphiques ou organisation générale d’une scène. Il ne s’agit pas de donner une vision humaine à une machine, mais d’entraîner des modèles à extraire des éléments utiles d’un contenu visuel.

Cette répartition n’est pas anodine. L’audio et l’image constituent deux portes d’entrée naturelles vers des interactions moins dépendantes du clavier. Une personne peut poser une question à voix haute, joindre une photo, montrer un document ou demander l’explication d’un graphique. Pour traiter correctement ces situations, un assistant doit relier plusieurs types de données, du texte, du son et des pixels, au sein d’une même réponse cohérente.

Pourquoi l’audio devient un enjeu majeur pour les assistants IA

Le texte a été le premier terrain d’expression grand public des assistants génératifs. Pourtant, la voix possède un avantage évident : elle réduit la distance entre une intention et une demande. Parler à un logiciel peut être plus rapide que taper une question, notamment en déplacement, face à un écran ou lorsqu’il faut commenter un contenu long.

Les travaux associés à Google Audio Overviews donnent une idée de cette évolution. Au lieu de résumer un document sous la forme d’une liste écrite, l’outil peut le restituer à travers un échange audio généré par l’IA. Le format ne remplace pas la lecture attentive d’une étude, d’un contrat ou d’un cours. Il peut toutefois aider à parcourir des informations, à entendre les principaux thèmes d’un ensemble de documents et à identifier les points à vérifier plus en détail.

Pour Microsoft, l’enjeu n’est donc pas seulement de produire une voix de synthèse agréable. Il s’agit de développer des systèmes capables de relier une demande orale à son contexte, de reconnaître ce qui est dit, de générer une réponse et, potentiellement, de s’appuyer sur les autres éléments transmis par l’utilisateur. Cette chaîne technique demande des compétences en reconnaissance vocale, génération de parole, traitement du langage et conception d’interfaces.

La prudence reste néanmoins nécessaire. Une restitution orale convaincante peut donner une impression de fiabilité supérieure à la qualité réelle de l’information. Comme avec un résumé écrit généré par IA, l’utilisateur doit conserver le réflexe de consulter les documents d’origine lorsqu’une décision importante est en jeu, particulièrement dans les domaines médical, juridique ou financier.

La vision, l’autre pilier de l’IA multimodale

Les capacités visuelles jouent un rôle comparable. Un assistant qui ne traite que du texte est limité dès qu’une information importante se trouve dans une photo, une page scannée, un schéma, une interface ou un graphique. Les systèmes de vision par ordinateur cherchent à combler cette limite en associant des éléments visuels à des descriptions, des catégories ou des réponses formulées en langage naturel.

Dans un usage quotidien, cela peut concerner l’explication d’un graphique, la lecture d’un document photographié ou la description du contenu d’une image. Dans un cadre professionnel, la vision peut aider à organiser des archives visuelles, à extraire des informations de documents ou à faciliter certaines recherches dans de grands ensembles d’images. Les performances varient fortement selon la qualité du document, la langue, le contexte et les données sur lesquelles le système a été entraîné.

L’arrivée de Matthias Minderer complète donc le profil audio de Tagliasacchi et Borsos. Microsoft AI ne recrute pas trois experts pour une seule fonction isolée : l’organisation assemble des compétences destinées à faire dialoguer plusieurs modalités. C’est cette combinaison qui peut rendre une interface plus fluide, à condition que la précision des réponses, le respect de la vie privée et la compréhension des limites du système suivent le même rythme.

Mustafa Suleyman s’appuie sur un réseau issu de DeepMind

Ce mouvement de talents s’inscrit dans le parcours même de Mustafa Suleyman. Cofondateur de DeepMind, puis cofondateur d’Inflection AI, il a rejoint Microsoft en mars 2024 pour diriger la nouvelle organisation Microsoft AI. Sa connaissance de l’écosystème de recherche britannique et européen aide à comprendre pourquoi plusieurs anciens de DeepMind figurent parmi les profils recrutés.

Microsoft avait déjà attiré d’anciens collaborateurs de DeepMind avant ces trois arrivées. En 2024, Dominic King a notamment été recruté et occupe un rôle important dans l’unité de Microsoft consacrée à l’IA appliquée à la santé. Le recrutement de Tagliasacchi, Borsos et Minderer prolonge cette stratégie : attirer des spécialistes ayant déjà travaillé sur des sujets difficiles à industrialiser, plutôt que bâtir toutes les expertises en interne à partir de zéro.

Cette concurrence pour les chercheurs n’oppose pas seulement Microsoft à Google. OpenAI, partenaire stratégique de Microsoft mais aussi acteur autonome du marché, figure parmi les organisations qui attirent les profils les plus recherchés. Google, Salesforce et de nombreuses jeunes pousses spécialisées cherchent également à recruter des ingénieurs et chercheurs capables de faire progresser les modèles et de les traduire en produits utiles.

Un pôle suisse pour développer la nouvelle organisation Microsoft AI

Le projet prévoit de consolider une nouvelle division de Microsoft AI en Suisse. Le choix d’implanter des compétences dans le pays s’inscrit dans un paysage européen où se côtoient universités, laboratoires de recherche et entreprises technologiques. Pour Microsoft, il s’agit de donner à cette organisation une base capable de travailler sur des sujets de recherche avancée tout en restant reliée aux produits du groupe.

Microsoft AI a vocation à faire avancer les technologies d’intelligence artificielle du groupe. Les recrutements annoncés mettent l’accent sur l’interaction, avec le son et l’image, plutôt que sur un seul modèle de texte. Cette orientation reflète une évolution plus large du secteur : les assistants sont désormais attendus sur des tâches qui combinent conversation, documents, images et voix.

À ce stade, l’annonce ne détaille pas les futurs produits précis auxquels les trois experts contribueront, ni leur calendrier de mise à disposition. Il serait donc prématuré d’en déduire l’arrivée imminente d’une fonctionnalité donnée dans un logiciel Microsoft. L’information essentielle est organisationnelle : Microsoft investit dans les talents qui peuvent améliorer les fondations techniques de ses futures expériences d’IA.

La santé, une ambition qui exige des garanties spécifiques

L’audio et la vision ne constituent pas les seuls axes évoqués pour Microsoft AI. L’organisation nourrit également des ambitions dans la santé, un domaine où l’intelligence artificielle peut contribuer à améliorer l’accès à l’information, l’organisation des soins ou l’analyse de certains contenus médicaux. La présence de Dominic King dans l’unité de santé IA confirme que Microsoft cherche à se positionner sur ce terrain.

Mais la santé impose un niveau d’exigence supérieur à celui d’un assistant conversationnel généraliste. Une réponse erronée, un biais dans les données ou une recommandation mal interprétée peuvent avoir des conséquences directes sur des patients. Les systèmes déployés dans ce secteur doivent donc être évalués avec rigueur, utilisés dans un cadre adapté et soumis à la supervision des professionnels compétents.

Les capacités de vision et d’audio peuvent être utiles dans des contextes de soins, par exemple lorsqu’il faut manipuler des documents, des images ou des comptes rendus. Elles soulèvent aussi des questions de confidentialité particulièrement sensibles. Les données de santé sont parmi les plus personnelles qui soient. Leur traitement par des outils d’IA suppose des protections techniques, juridiques et organisationnelles solides.

Ce qu’il faut surveiller après ces recrutements

La première question sera celle des applications concrètes. Les profils recrutés travaillent sur des briques technologiques prometteuses, mais leur impact dépendra de leur intégration dans des services réellement accessibles et utiles. Il faudra distinguer les démonstrations spectaculaires des outils qui font gagner du temps sans brouiller l’information ni créer de dépendance excessive à des réponses automatisées.

La deuxième porte sur la fiabilité. Les systèmes audio et visuels peuvent se tromper : une voix synthétique peut résumer de façon incomplète, un modèle visuel peut mal lire un document ou interpréter incorrectement une image. Plus les interactions deviennent naturelles, plus il est important que les produits indiquent clairement leurs limites et permettent de vérifier facilement les informations.

Enfin, cette annonce rappelle que la compétition de l’IA se joue autant sur les équipes que sur les infrastructures et les modèles. En réunissant trois anciens de DeepMind autour de l’audio et de la vision, Microsoft AI renforce son potentiel de recherche en Suisse. Reste à voir comment cette expertise se traduira en expériences concrètes, et si le groupe parviendra à concilier innovation, sécurité et confiance des utilisateurs.