Demis Hassabis

Hassabis est basé à Londres, où se trouve le siège historique de Google DeepMind. Il n'a pas communiqué publiquement d'adresse personnelle, et cette information reste privée, ce qui est parfaitement normal pour toute personnalité publique.

Demis Hassabis est Britannique. Né le 27 juillet 1976 à Londres, il a grandi au Royaume-Uni, y a fait toutes ses études et est anobli *Sir Demis* à la suite de son prix Nobel de chimie 2024.

Né le 27 juillet 1976, Demis Hassabis a 48 ans en 2025 et fêtera ses 49 ans en juillet 2025. Il a donc remporté le Nobel à 48 ans, ce qui en fait l'un des lauréats les plus jeunes dans cette discipline.

Sa taille n'a jamais été officiellement communiquée et aucune source fiable ne la documente. Les spéculations qui circulent en ligne ne reposent sur rien de vérifiable, ce détail n'a de toute façon aucune pertinence pour son travail.

Le consensus scientifique actuel penche vers une interaction entre les deux : un substrat neurologique favorable (en partie héréditaire) combiné à un environnement stimulant et à un travail acharné précoce. Le cas Hassabis illustre exactement cela : talent aux échecs repéré très tôt, puis des années d'études en neurosciences et en informatique. Le « pur génie inné » est davantage un mythe romantique qu'une réalité documentée.

Aucun chiffre audité et public n'existe sur la fortune de Demis Hassabis. Les estimations parfois citées par Forbes ou Bloomberg fluctuent avec la valorisation de Google et de ses participations, et ne doivent pas être présentées comme des faits. On sait qu'il est actionnaire de longue date de DeepMind et de Google, le reste reste non confirmé.

Demis Hassabis a reçu le prix Nobel de chimie 2024, conjointement avec John Jumper, pour le développement d'AlphaFold, un système d'IA capable de prédire la structure tridimensionnelle de pratiquement toutes les protéines connues. Ce problème était considéré comme l'un des grands défis ouverts de la biologie depuis un demi-siècle. La base de données AlphaFold est aujourd'hui utilisée par plus de deux millions de chercheurs dans le monde pour accélérer la recherche en médecine, en biologie et en pharmacologie.

Demis Hassabis est le cofondateur et CEO de Google DeepMind, le laboratoire d'IA général de Google, ainsi que CEO d'Isomorphic Labs. Né à Londres en 1976, ancien prodige des échecs et docteur en neurosciences cognitives (UCL), il a cofondé DeepMind en 2010. Il est surtout connu pour AlphaGo et AlphaFold, ce dernier lui ayant valu le prix Nobel de chimie 2024 et un anoblissement par le Royaume-Uni.

Demis Hassabis est d'origine gréco-chypriote par son père et singapourienne par sa mère, une double culture dont il parle occasionnellement dans des interviews. Il est marié et père de deux enfants, selon des déclarations qu'il a faites publiquement. Au-delà de ces éléments généraux, sa vie familiale est volontairement maintenue hors des projecteurs, et aucun autre détail n'a été confirmé par des sources fiables.

Hassabis n'a jamais publié de routine quotidienne détaillée. Dans diverses interviews, il a mentionné accorder beaucoup d'importance à la lecture scientifique, aux échecs comme exercice mental, et à la réflexion de long terme plutôt qu'à la réactivité permanente. Tout ce qui va au-delà de ces éléments publics serait de la spéculation.

John Jumper, chercheur chez Google DeepMind, a reçu le prix Nobel de chimie 2024 conjointement avec Demis Hassabis pour leur travail sur AlphaFold. Le Nobel de chimie 2024 a également récompensé David Baker pour des recherches connexes sur la conception computationnelle de protéines.

Premier inconvénient majeur : les biais algorithmiques, les systèmes d'IA reproduisent et amplifient les biais présents dans leurs données d'entraînement, avec des conséquences documentées dans le recrutement, la justice ou le crédit. Deuxième : l'opacité des modèles (le problème de la « boîte noire »), qui rend difficile d'expliquer ou d'auditer une décision automatisée. Troisième : l'impact environnemental et économique, l'entraînement des grands modèles consomme des quantités massives d'énergie et d'eau, et la question des destructions d'emplois reste un débat sérieux et non tranché.

Il n'y a pas un seul leader : le terrain est disputé entre Google DeepMind (Gemini, AlphaFold), OpenAI (GPT-4, o1), Anthropic (Claude), Meta AI et plusieurs acteurs chinois (Baidu, Alibaba, DeepSeek). Google DeepMind, sous Hassabis, s'impose sur le front de l'IA scientifique ; OpenAI domine les usages grand public. La carte se redessine chaque trimestre.

Le « deep web » (l'ensemble des pages non indexées par les moteurs de recherche classiques) n'a pas été *créé* par une personne : il est simplement la partie de l'internet non accessible par les crawlers standards, bases de données privées, intranets, messageries. Ce qui est souvent confondu avec lui, le *dark web*, repose en partie sur le réseau Tor, développé initialement par le Laboratoire de recherche navale des États-Unis dans les années 1990. Demis Hassabis n'a aucun lien avec ces concepts.

En termes de revenus cloud IA et d'infrastructure, Microsoft (partenaire d'OpenAI) et Google (DeepMind/Gemini) se disputent la tête du marché enterprise. Nvidia domine la couche matérielle indispensable (GPU). OpenAI reste le leader de notoriété grand public. Selon l'axe choisi, puissance de recherche, revenus, adoption, la réponse change, mais ces quatre acteurs concentrent l'essentiel du pouvoir de marché en 2025.

John McCarthy est généralement crédité d'avoir forgé le terme « intelligence artificielle » lors de la conférence de Dartmouth en 1956. Alan Turing, avant lui, avait posé les bases conceptuelles dès 1950 avec son fameux test. Marvin Minsky, Claude Shannon et Herbert Simon sont également considérés comme des pères fondateurs de la discipline. Il n'y a pas un seul « père », c'est une fondation collective.

Le deep learning moderne est principalement associé à Geoffrey Hinton, Yann LeCun et Yoshua Bengio, les trois ont reçu le prix Turing 2018 pour ces travaux. Hinton a popularisé la rétropropagation du gradient dans les années 1980, LeCun a développé les réseaux convolutifs pour la vision, et Bengio a contribué aux architectures pour le langage. Les trois sont souvent appelés les « parrains du deep learning ».

Par secteur, la finance, la santé, la logistique et la publicité numérique sont les plus gros consommateurs d'IA en volume d'investissement. Par pays, les États-Unis et la Chine dominent nettement la production et l'adoption industrielle. En usage grand public, les outils comme ChatGPT (OpenAI) ou Gemini (Google) cumulent des centaines de millions d'utilisateurs actifs mensuels, la démocratisation est massive et s'accélère.

Sort of, la science ne valide ni l'un ni l'autre à 100 %. Les études sur les jumeaux suggèrent une héritabilité significative de certaines capacités cognitives, mais les facteurs environnementaux (éducation précoce, stimulation, accès aux ressources) jouent un rôle tout aussi déterminant. Le génie au sens strict, une créativité transformatrice, semble nécessiter les deux ingrédients, plus une bonne dose de travail obsessionnel. L'idée du génie « pur don » tombe devant les données.

Les deux termes ne désignent pas le même phénomène : un prodige excelle très tôt dans un domaine précis (échecs, musique, maths) ; un génie produit des idées qui changent durablement un champ du savoir. Un prodige peut ne jamais devenir un génie adulte, et certains génies n'ont montré aucun signe précoce extraordinaire. Hassabis est les deux, prodige aux échecs à 13 ans, génie scientifique confirmé à 48 ans par le Nobel. Mais si l'on doit choisir, l'impact durable du génie dépasse largement la performance du prodige.