Les chercheurs stars dépassent rarement leur équipe

Le 29 juillet 2026, le Financial Times rapportait que Google DeepMind avait démantelé l’équipe de recherche à l’origine d’AlphaFold, le système d’intelligence artificielle qui a révolutionné la prédiction de la structure des protéines et contribué à l’attribution du prix Nobel de chimie 2024. La plupart des auteurs de l’article scientifique initial avaient été réaffectés à d’autres projets, tandis que près d’un quart des auteurs travaillant à plein temps chez Google DeepMind avaient quitté l’entreprise.

Le départ le plus remarqué fut celui de John Jumper, qui dirigeait l’équipe AlphaFold et a partagé le prix Nobel avec Demis Hassabis, PDG (CEO) de DeepMind. En juin, John Jumper a annoncé qu’il rejoignait Anthropic. Ce transfert soulève une question essentielle pour toute organisation qui recrute un scientifique de renom : quelle part d’une découverte suit réellement la star ? Quelle part reste entre les mains de l’équipe ? Et quelle part dépend précisément de la combinaison des deux ?

Les travaux de Denisa Mindruta, Janet Bercovitz, Vlad Mares et Maryann Feldman apportent une réponse particulièrement précise. Dans les collaborations impliquant des chercheurs stars, ceux-ci contribuaient davantage que l’équipe qui les entourait dans 14,3 % des cas. L’équipe — appelée « constellation » dans l’étude — apportait une contribution relativement supérieure dans 9,5 % des cas. Dans environ trois quarts des collaborations, aucune des deux parties ne dominait. Leur article, Stars in Their Constellations: Great Person or Great Team?, a été publié en ligne en 2024, puis dans le numéro de mars 2025 de Management Science.

Quelle part d’une découverte revient à une seule personne ?

Les réussites scientifiques sont souvent racontées à travers des individus. Prix, campagnes de recrutement et classements institutionnels donnent au chercheur le plus visible l’apparence d’être la principale source du résultat. Mais visibilité ne signifie pas contribution.

La question posée par l’article porte sur la contribution relative : lorsqu’une collaboration crée des connaissances de valeur, laquelle des deux parties serait la plus difficile à remplacer ?

Les chercheurs ont étudié 555 déclarations d’invention enregistrées entre 1988 et 1999 dans une grande université américaine disposant d’une faculté de médecine de premier plan. Une déclaration d’invention est un document formel soumis à l’université lors de la première étape d’un éventuel processus de commercialisation. Elle identifie les personnes ayant contribué à une découverte, avant toute décision concernant le dépôt d’un brevet ou l’octroi d’une licence.

La base de données comprenait 1 003 scientifiques et 248 responsables d’équipe. Trente chercheurs ont été classés parmi les « stars », car leurs publications et leur nombre de citations les plaçaient dans les 5 % des scientifiques les plus cités au monde dans leur domaine.

Ce contexte a permis aux auteurs d’étudier des collaborations ayant produit un résultat de recherche concret, tout en observant les caractéristiques du responsable, de la constellation et des partenaires alternatifs disponibles pour chacun.

Comment distinguer la contribution de la star de celle de l’équipe ?

La principale difficulté méthodologique tient à la sélection des partenaires. Les scientifiques les plus performants ont tendance à collaborer avec d’autres scientifiques de haut niveau, et les équipes qui réussissent ne se forment pas au hasard.

Une simple comparaison entre des équipes avec et sans chercheur star confondrait donc l’effet de la star avec la qualité des personnes ayant choisi de travailler avec elle.

L’article utilise un modèle d’appariement afin d’estimer la manière dont les responsables et les constellations se choisissent mutuellement. Le modèle prend notamment en compte l’impact de recherches antérieures, les profils de connaissances, la combinaison de chercheurs seniors et juniors, ainsi que les domaines d’application dans lesquels ils travaillent.

Les chercheurs mobilisent ensuite la théorie de la captation de valeur afin de comparer chaque collaboration observée aux associations alternatives possibles sur le même marché.

Pour chaque collaboration, ils remplacent le responsable ou la constellation par la deuxième meilleure association possible prédite par le modèle. La baisse de l’impact scientifique attendu indique alors à quel point la partie retirée était difficile à remplacer.

Une forte diminution après le remplacement de la star signale qu’elle était relativement irremplaçable. Une forte diminution après le remplacement de la constellation indique au contraire que l’équipe l’était davantage.

Cette approche estime la contribution à partir de la structure du marché de l’appariement et de la valeur créée par le partenariat observé. Elle ne cherche pas à répartir le travail en heures, en tâches de laboratoire ou en lignes de signature d’article.

Elle pose une question plus révélatrice : quelle quantité de valeur aurait été perdue si l’une des deux parties avait dû constituer sa deuxième meilleure collaboration disponible ?

Quand l’une des deux parties domine-t-elle ?

Dans l’étude, le terme « domination » a une signification précise. La star domine lorsque son remplacement dégrade davantage le résultat que le remplacement de la constellation. La constellation domine lorsque c’est l’inverse.

Il s’agit donc de mesurer une contribution relative à la création de valeur, et non l’autorité, le statut ou le comportement de chacun au sein de l’équipe.

Comme indiqué précédemment, la star dominait dans 14,3 % des collaborations impliquant un chercheur star. La constellation dominait dans 9,5 % des cas. Plus de 75 % des collaborations n’entraient dans aucune de ces deux catégories.

Autrement dit, dans la majorité des collaborations, la star ne constituait pas à elle seule l’explication du succès — pas plus que l’équipe. C’est l’association entre les deux parties, plutôt que les caractéristiques de l’une ou de l’autre prises isolément, qui comptait.

Les schémas d’appariement permettent de comprendre cet équilibre. Les responsables à forte valeur avaient tendance à travailler avec des collaborateurs eux aussi à forte valeur. Un certain degré de proximité dans les expertises facilitait la coopération, mais une trop forte similarité réduisait l’intérêt de combiner leurs connaissances.

Les collaborations les plus solides réunissaient également des chercheurs à différents niveaux de séniorité et les fédéraient autour de domaines d’application proches.

Le résultat dépasse donc la simple question de la taille des équipes. Un groupe plus important ne crée pas automatiquement davantage de valeur, pas plus qu’un responsable célèbre ne garantit à lui seul le résultat.

Ce qui compte, c’est l’adéquation entre des ensembles distincts de connaissances, d’expérience et de portée scientifique. Les meilleures associations combinent précisément ces ressources différentes.

Pourquoi les meilleures associations sont-elles difficiles à remplacer ?

L’article distingue deux mécanismes. La complémentarité détermine la quantité de valeur créée conjointement par la collaboration. La substituabilité détermine la contribution relative de chacune des parties, en mesurant avec quelle facilité l’autre pourrait trouver un partenaire comparable.

Un responsable peut être extrêmement accompli tout en ayant, pour une équipe donnée, plusieurs substituts proches. Une constellation peut réunir d’excellents scientifiques tout en n’étant que l’un des différents groupes capables de travailler efficacement avec le même responsable.

Dans ces situations, la collaboration peut être très performante sans qu’aucune des deux parties ne concentre à elle seule l’essentiel de la valeur créée.

La valeur conjointe la plus élevée apparaissait lorsque la star et la constellation apportaient toutes deux des combinaisons rares de caractéristiques et fonctionnaient particulièrement bien ensemble.

Aucune des deux ne dominait, car remplacer l’une ou l’autre aurait dégradé la qualité de l’association.

Paradoxalement, les collaborations les plus précieuses étaient donc souvent celles pour lesquelles il était le plus difficile de déterminer à qui attribuer l’essentiel du mérite.

À l’inverse, la domination devenait plus probable lorsqu’une des parties disposait de nombreux substituts possibles. L’autre pouvait alors revendiquer une contribution relative supérieure, tandis que la valeur totale créée par la collaboration était souvent plus faible.

Cette distinction est essentielle pour la manière dont les organisations interprètent une trajectoire de réussite.

Les résultats passés d’un chercheur star associent ses capacités individuelles, son accès à des ressources et les collaborations successives qu’il a nouées avec certains partenaires.

Considérer ces performances comme un bilan purement individuel revient donc à risquer d’attribuer à la star une valeur qui provenait en réalité de la qualité de l’association.

Que se passe-t-il lorsqu’une star change d’organisation ?

Ces résultats font de la portabilité de la performance des chercheurs stars une question centrale en matière de recrutement.

L’institution qui recrute peut acquérir les connaissances et la réputation d’un individu tout en laissant derrière elle les collaborateurs dont les compétences rares avaient contribué aux résultats initiaux.

Recruter la star ne signifie donc pas nécessairement recruter la capacité qui a permis son succès.

Les auteurs tirent deux implications pratiques de leurs résultats.

Les organisations qui souhaitent recruter des scientifiques stars doivent évaluer la constellation autant que l’individu. Elles doivent notamment se demander si les collaborateurs clés peuvent eux aussi partir, rester connectés au chercheur ou être remplacés par des personnes possédant des caractéristiques complémentaires.

De même, les institutions qui répartissent le mérite associé aux brevets, les retombées financières ou les ressources de recherche doivent reconnaître que les membres les moins visibles d’une équipe représentent fréquemment une part égale, voire supérieure, de la valeur créée.

Les données de l’étude proviennent d’un environnement médical très intensif en recherche et concernent des inventions déclarées entre 1988 et 1999. Le modèle estime des associations contrefactuelles ; il ne suit pas directement un laboratoire d’IA contemporain après la dispersion de ses membres.

Les pourcentages observés décrivent donc les collaborations étudiées, et non l’ensemble des équipes scientifiques ou des organisations.

La restructuration de DeepMind en juillet 2026 pose aujourd’hui ce même problème d’attribution de la valeur.

Les chercheurs à l’origine d’AlphaFold sont désormais répartis entre des projets liés à Gemini, la conception d’enzymes, la génomique, la fusion nucléaire, Isomorphic Labs, Anthropic et d’autres organisations.

Les futurs travaux de John Jumper attireront nécessairement l’attention : son prix Nobel rend sa contribution particulièrement visible.

Mais le test le plus révélateur pourrait être ailleurs : John Jumper parviendra-t-il à recréer chez Anthropic une constellation aussi performante ? Et les scientifiques qui ont construit AlphaFold à ses côtés pourront-ils, dans de nouvelles configurations, être à l’origine d’autres avancées majeures ?