La carte de Hassabis : Comment planifier vingt ans sans calendrier

TL;DR : Demis Hassabis n'a pas prédit l'avenir. Il a construit une carte des problèmes qui comptaient mais qui n'étaient pas encore résolvables, puis a attendu que la technologie rattrape son retard. La percée dans le repliement des protéines a nécessité quatre ans de travail—et vingt ans de préparation. La leçon : planifiez par conditions déclencheuses, pas par délais. Cherchez des nœuds racines, pas des feuilles. Et ne confondez jamais le suivi des tendances avec le suivi des opportunités.

James ici, PDG de Mercury Technology Solutions. Hong Kong — Juillet 2026

En 2016, AlphaGo a battu Lee Sedol, et le monde a appris le nom de Demis Hassabis. Ce que presque personne n'a remarqué : lors du vol de retour de Séoul à Londres, il a lancé le projet de repliement des protéines qui lui vaudrait le prix Nobel de chimie en 2024.

Quatre ans plus tard, AlphaFold2 a résolu un problème vieux de cinquante ans. Mais la vraie histoire ne concerne pas ces quatre années. C'est les vingt années qui les ont précédées.

Hassabis a d'abord rencontré le problème du repliement des protéines en tant qu'étudiant de premier cycle à Cambridge dans les années 1990. Il étudiait l'informatique, pas la chimie. Il ne fonderait DeepMind que dix ans plus tard. Il ne toucherait pas au repliement des protéines pendant deux ans.

La plupart des gens regardent cela et voient une carrière avec des sauts étranges : jeux, neurosciences, IA, biologie. Mais en reculant la caméra, chaque mouvement était délibéré. Le diplôme en informatique, le doctorat en neurosciences cognitives, la société de jeux, le laboratoire d'IA—chaque pièce était un mouvement sur un échiquier que lui seul pouvait voir.

Si Hassabis avait étudié la chimie en tant qu'étudiant de premier cycle, il n'aurait probablement pas résolu le repliement des protéines.C'est la partie contre-intuitive. La percée nécessitait quelqu'un qui pouvait tenir plusieurs domaines dans sa tête simultanément, qui comprenait ce que l'IA pouvait faire avant que l'IA puisse réellement le faire.

Ce n'est pas une biographie. C'est une déconstruction de la façon dont il pense à la planification—et ce que le reste d'entre nous peut en voler.

La Fissure dans la Glace

Hassabis opère dans ce que j'appelle la fissure—l'écart entre "impossible" et "évident."

D'un côté, vous avez des problèmes sur lesquels tout le monde travaille. Sujets brûlants. Domaines tendance. Les choses que les comités de subvention financent et que les panels de conférence débattent. Ceux-ci sont encombrés. Les retours sont disputés avant même que vous ne commenciez.

De l'autre côté, vous avez des problèmes que tout le monde s'accorde à dire qu'ils sont importants mais actuellement insolubles. La frontière est trop loin. Les outils n'existent pas. Ce sont des cimetières de thèses de doctorat abandonnées et de startups échouées.

La fissure est la bande étroite entre : des problèmes importants qui sont presque résolvables. Pas encore. Mais bientôt. La trajectoire technologique est claire, même si le calendrier ne l'est pas.

Hassabis n'a pas prédit que le repliement des protéines serait résoluble en 2016. Il n'aurait pas pu. Ce qu'il a fait, c'est maintenir une carte des problèmes dans cette fissure et suivre lesquels approchaient de la résolvabilité à mesure que les capacités de l'IA avançaient.

Cela nécessite un type d'attention spécifique. Pas de concentration—sensibilité. Vous ne travaillez pas encore sur ces problèmes. Vous les observez. Vous ressentez les changements de température dans l'environnement technologique qui pourraient en faire fondre un.

Plus vous suivez la fissure, meilleure devient votre intuition. Vous commencez à distinguer les véritables changements de capacité des cycles de battage médiatique. Vous apprenez à sentir quand un domaine est sur le point de passer de "impossible" à "coûteux" puis à "routinier."

La plupart des gens ne savent même pas que la fissure existe.Ils poursuivent soit ce qui est à la mode, soit évitent ce qui est difficile. Hassabis a construit toute sa carrière dans l'espace entre les deux.

Nœuds racines, pas feuilles

Il y a un deuxième filtre, et c'est là que la plupart des gens intelligents échouent.

Hassabis ne résout pas n'importe quel problème dans la fissure. Il chasse les nœuds racines—des problèmes qui se trouvent à la base de tout un arbre d'applications en aval.

Pensez aux problèmes scientifiques comme à un immense arbre. Les feuilles sont les questions visibles et immédiates : Comment pouvons-nous améliorer ce médicament spécifique ? Comment pouvons-nous optimiser ce matériau particulier ? Ce sont des questions importantes, mais elles sont étroites. Résoudre une feuille aide une branche.

Les racines sont différentes. Ce sont les problèmes fondamentaux dont la solution déverrouille des forêts entières. Le repliement des protéines ne concerne pas seulement les protéines. Il s'agit de comprendre la machinerie de la vie elle-même. Résolvez-le, et vous n'obtenez pas seulement de meilleurs médicaments, vous obtenez une nouvelle façon de faire de la biologie.

La plupart des scientifiques travaillent sur des feuilles parce que les feuilles sont plus sûres.Le chemin est plus clair. Les publications arrivent plus rapidement. Les subventions sont plus faciles à justifier. Les nœuds racines sont terrifiants parce qu'ils sont difficiles, et parce que l'échec signifie des années de travail sans rien à montrer.

Mais voici la chose à propos des nœuds racines : ils ne sont accessibles que par la fissure. Au moment où un nœud racine devient manifestement solvable, tout le monde y travaille déjà. L'avantage vient de la capacité à le voir avant qu'il soit évident—d'avoir la carte et la sensibilité pour savoir quand le moment arrive.

Hassabis n'a pas choisi le repliement des protéines parce que c'était à la mode. Il l'a choisi parce que c'était un nœud racine qu'il suivait depuis vingt ans, et en 2016, la fissure s'est enfin ouverte suffisamment.

La stratégie bayésienne

C'est ici que cela devient tactique.

Hassabis ne planifie pas par calendrier. Il planifie par preuves. Chaque projet—réussi ou échoué—met à jour son modèle de ce que l'IA peut et ne peut pas faire.

AlphaGo n'était pas seulement un coup de publicité ou une étape de recherche. C'était une sonde. Elle a testé si l'apprentissage par renforcement profond pouvait maîtriser un problème d'une complexité stupéfiante. Le succès d'AlphaGo a fourni des preuves que l'IA avait franchi un seuil. Ces preuves ont mis à jour la carte de Hassabis. Elles lui ont dit : les outils sont prêts pour le repliement des protéines maintenant.

C'est la planification bayésienne. Vous avez des hypothèses sur la capacité technologique. Chaque projet génère des preuves qui confirment ou remettent en question ces hypothèses. Les hypothèses se mettent à jour. La carte se redessine. Le prochain mouvement ne devient évident qu'en rétrospective.

C'est pourquoi Hassabis n'a pas lancé le projet de repliement des protéines en 2010 ou 2012. Les preuves n'étaient pas encore là. Les outils n'étaient pas prêts. Commencer plus tôt ne l'aurait pas rendu plus rapide - cela l'aurait fait échouer.

Comparez cela à la façon dont la plupart des organisations planifient : "Année 1 : construire une IA de jeu. Année 3 : battre le champion du monde au Go. Année 6 : résoudre le repliement des protéines." C'est de la planification calendaire, et c'est nul. Les percées n'arrivent pas selon un calendrier. Elles arrivent lorsque les conditions sous-jacentes les rendent possibles.

Planifier par calendrier, c'est planifier pour la fantaisie. Planifier par condition déclencheuse, c'est planifier pour la réalité.

Les Deux Façons Dont la Planification Échoue

J'ai vu ce schéma détruire des carrières et des entreprises. Deux modes d'échec, tous deux courants, tous deux fatals.

Mode d'Échec 1 : Poursuivre la Chaleur

En 2016, après AlphaGo, j'ai vu un professeur de philosophie se tourner vers l'IA. Il a créé un groupe WeChat appelé "Groupe de Discussion sur l'IA." Quatre-vingts pour cent des membres n'avaient pas de formation en IA. J'ai été invité parce que j'avais écrit une prédiction populaire (et erronée) sur le match Lee Sedol.

Le professeur a donné des conférences. A postulé pour des subventions. A passé deux ans sur "IA et philosophie." N'a rien produit. Lorsque ChatGPT est arrivé en 2022, il est revenu au même sujet. Toujours rien.

C'est la chasse à la chaleur. Vous voyez quelque chose de tendance, vous courez vers elle. Mais au moment où vous arrivez, la foule l'a déjà nettoyée. Vous n'êtes pas en avance - vous êtes en retard, et vous êtes mal équipé.

Mode d'échec 2 : Verrouillage de la chronologie

L'erreur opposée est la planification rigide à long terme. Vous fixez des jalons : livrable du T1, révision du T2, intégration du T3. Cela fonctionne pour les projets d'ingénierie avec des paramètres connus. Cela échoue de manière catastrophique pour la recherche, l'innovation ou tout domaine où le chemin est flou.

Pourquoi ? Parce que les véritables percées ne respectent pas votre diagramme de Gantt. Si vous forcez les résultats à correspondre aux délais, vous obtenez l'une des deux choses : des "jalons" fabriqués qui ne sont que de l'emballage, ou un travail trivial qui était prévisible depuis le premier jour. Aucun des deux n'est une percée. Aucun des deux n'a d'importance.

Hassabis évite les deux pièges. Il ne chasse pas la chaleur - il est déjà positionné là où la chaleur sera, avant que quiconque ne la ressente. Et il ne verrouille pas les chronologies - il verrouille les conditions déclencheuses. "Lorsque la capacité X est démontrée, alors le projet Y se lance."

Le mouvement de vingt ans

Parlons de la véritable chronologie, car c'est là que la plupart des gens comprennent complètement Hassabis.

Années 1990 : Étudiant de premier cycle à Cambridge. Apprend sur le repliement des protéines. Reconnaît son importance. L'enregistre sur sa carte mentale. Ne fait rien à ce sujet.

Années 2000 : Crée une entreprise d'IA de jeu. La vend. Obtient un doctorat en neurosciences cognitives. Pas clairement lié au repliement des protéines. Mais il construit des outils et comprend.

2010 : Co-fonde DeepMind. Se concentre sur l'IA générale. Toujours pas de repliement des protéines.

2016 : AlphaGo bat Lee Sedol. Sur le vol de retour, lance le projet de repliement des protéines. Quatre ans plus tard, AlphaFold2. Quatre ans après cela, Prix Nobel.

L'écart entre le fait de rencontrer le problème et de le résoudre était de vingt-cinq ans.Mais le travail actif n'a duré que quatre ans. Les vingt et un autres étaient de la préparation, du positionnement et de l'attente de l'ouverture de la fissure.

C'est ce que je veux dire par planifier sans calendrier. Hassabis n'a pas programmé "résoudre le repliement des protéines" pour 2020. Il a maintenu une carte vivante, l'a mise à jour en continu avec des preuves de chaque projet, et a appuyé sur la gâchette lorsque les conditions étaient réunies.

Le match de Go n'était pas un préalable au repliement des protéines dans un sens technique. Vous n'avez pas besoin de maîtriser les jeux de société pour plier des protéines. Mais le match de Go a fourni les preuves que les outils étaient prêts. C'était une condition déclencheur, pas une étape intermédiaire.

Ce que cela signifie pour vous

Vous ne gagnerez probablement pas de prix Nobel. Moi non plus. Mais le cadre de Hassabis s'applique à tout domaine où la chronologie est incertaine et les enjeux sont élevés.

Construisez une carte des problèmes. Pas une liste de tâches - une carte. Quels sont les problèmes racines dans votre domaine ? Lesquels sont dans la fissure ? Lesquels approchent de la solvabilité ? Suivez-les. Mettez-les à jour. Laissez-les reposer pendant des années si nécessaire.

Planifiez par déclencheur, pas par chronologie. "Lorsque nous atteignons le métrique X, nous nous développons sur le marché Y." "Lorsque cette technologie démontre la capacité Z, nous lançons ce produit." Pas : "Nous lançons au T3."

Mettez à jour votre modèle avec chaque projet.Le succès vous enseigne ce qui est possible. L'échec vous enseigne ce qui ne l'est pas. Les deux sont des preuves. Les deux mettent à jour votre carte.

Chasser les nœuds racines.Les problèmes évidents sont encombrés. Les problèmes fondamentaux sont là où se trouve le levier. Mais vous avez besoin de la carte et de la patience pour attendre que la fissure s'ouvre.

Ignorez la chaleur.Au moment où quelque chose devient tendance, l'opportunité est déjà intégrée dans le prix. Votre avantage réside dans le fait de le voir avant la foule, pas de courir avec la foule.

Le Mouvement Go

Il y a un moment dans le deuxième match de Lee Sedol dont les joueurs de Go parlent encore. Le coup 37. Lee Sedol s'est levé, est allé aux toilettes, a réfléchi pendant quinze minutes. C'était un coup qu'aucun humain ne jouerait. Sa valeur n'était pas visible sur le moment - elle s'est manifestée vingt coups plus tard.

La rencontre de Hassabis avec le repliement des protéines pendant ses études de premier cycle était son Coup 37. Cela semblait sans rapport avec le jeu auquel il jouait. Sa valeur ne serait pas visible avant vingt ans.

La plupart des gens ne peuvent pas garder un mouvement en tête pendant vingt minutes, encore moins vingt ans.Ils ont besoin de retours immédiats, de progrès visibles, de validations trimestrielles. Mais les problèmes racines ne récompensent pas une réflexion trimestrielle. Ils récompensent ceux qui peuvent attendre.

La question n'est pas de savoir si vous avez le QI de Hassabis. Vous ne l'avez probablement pas. Moi, je ne l'ai certainement pas. La question est de savoir si vous pouvez construire la carte, maintenir la sensibilité et attendre que la fissure s'ouvre.

C'est une compétence. Elle peut être apprise. Elle peut être pratiquée. Et dans un monde obsédé par les résultats trimestriels et les sujets tendance, c'est la chose la plus proche d'un avantage structurel que vous trouverez.

Mercury Technology Solutions : Accélérez la digitalité.