DeSci : La voie de l'innovation pour le financement scientifique
TechFlow SélectionTechFlow Sélection
DeSci : La voie de l'innovation pour le financement scientifique
Cet article examine les méthodes et tentatives d'innovation et de réforme par la communauté technologique dans le domaine des sciences biologiques, concernant le financement et les institutions de la recherche scientifique entre 2011 et 2021.
Dédié à des analyses Web3 approfondiesRédaction : Nadia Asparouhova
Traduction : LlamaC
(Portfolio : Burning Man 2016, à propos de Tomo : illustrateur pour la fondation eth)
Pour ceux qui se situent à l’intersection entre science et technologie, il est difficile de ne pas remarquer le nombre croissant de nouveaux projets apparus ces deux dernières années visant spécifiquement à améliorer les sciences de la vie.
Bien que je n’aie aucun bagage scientifique ni lien personnel avec ce domaine (en dehors du fait que je connaisse et apprécie beaucoup de personnes qui y participent), j’ai commencé à m’intéresser à la raison pour laquelle ce domaine change soudainement, particulièrement du point de vue de la philanthropie. Comprendre ce qui fonctionne dans le domaine scientifique pourrait nous aider à résoudre d’autres problèmes similaires dans le monde.
Pour comprendre ce qui s’est passé, j’ai examiné des exemples d’initiatives liées à la science dans le secteur technologique au cours de la dernière décennie (environ 2011-2021). J’ai cherché des modèles pouvant m’aider à déduire les normes et valeurs dominantes de l’époque, ainsi que les points de rupture ayant changé ces attitudes. J’ai également interviewé de nombreuses personnes du domaine afin de combler les lacunes et mieux comprendre leurs valeurs ainsi que leur conception du succès.
Une mise en garde : pour une question complexe comme « pourquoi cette culture a-t-elle changé », il est rare, voire impossible, d’obtenir des réponses claires. Veuillez donc considérer cet article comme un point de départ pour approfondir vos recherches.
Les problèmes dans la science
Quels sont les problèmes que les gens essaient de résoudre lorsqu’ils disent vouloir « faire mieux la science », et comment y parviennent-ils ?
Ceux qui travaillent ou gravitent autour de la science reconnaissent généralement plusieurs observations. Ces thèmes ont déjà été largement et plus précisément discutés ailleurs, donc je vais simplement les mentionner brièvement :
Le processus d’obtention de financements pour les scientifiques est lent et bureaucratique
La popularité de Fast Grants (un programme de subventions rapides lancé pendant la pandémie de COVID-19) illustre bien le manque d'options pour les scientifiques. Ses fondateurs ont noté dans un retour d'expérience qu'ils étaient surpris par le nombre de candidats provenant des vingt meilleures institutions de recherche : « Nous ne pensions pas que des chercheurs des universités de premier plan auraient autant de difficultés financières pendant la pandémie. » Pourtant, dans une enquête envoyée aux bénéficiaires, 64 % ont déclaré que sans Fast Grant, leur travail aurait été tout simplement impossible.
Le système de récompense académique, bien établi, ne sélectionne pas nécessairement les meilleurs travaux
Les scientifiques sont censés publier leurs résultats dans des revues scientifiques, et leur réputation peut être mesurée par le nombre de citations. Cependant, l'évaluation par les pairs favorise souvent le consensus plutôt que la prise de risques, poussant les scientifiques à privilégier la quantité à la qualité, entre autres problèmes.
Les scientifiques en début de carrière sont désavantagés
La science tend à favoriser les scientifiques plus âgés et expérimentés. La majorité des financements des National Institutes of Health (NIH) américains vont à des scientifiques plus âgés, et l’âge moyen des découvertes menant à un prix Nobel augmente également.
Définir une théorie du changement
Pourquoi ces problèmes sont-ils importants ? Si nous devions poser la question « Et alors ? » face à ces observations, nous pourrions dire que, en raison de ces défis systémiques, les progrès scientifiques ne sont pas aussi dynamiques qu’ils pourraient l’être. Comparé à d'autres périodes historiques, comme l’ère victorienne ou la guerre froide, aujourd’hui, des scientifiques talentueux et prometteurs semblent avoir plus de mal à poursuivre leurs recherches, surtout lorsque leurs idées sont expérimentales ou non prouvées.
Alexey Guzey, fondateur de New Science, soulignait dans une enquête de 2019 sur les sciences de la vie que les scientifiques avaient appris à contourner certains obstacles, par exemple en demandant des financements pour des idées « ennuyeuses », puis en utilisant une partie de ces fonds pour des idées « expérimentales ». Quoi qu’il en soit, on peut raisonnablement supposer que davantage de travaux seraient accomplis si les scientifiques n’étaient pas contraints à de telles astuces. Par exemple, selon l’enquête précédente sur Fast Grants, 78 % des répondants ont indiqué qu’ils changeraient « radicalement » leurs plans de recherche s’ils avaient accès à des fonds « illimités et permanents ».
Si nous devions formuler une théorie du changement inspirée de la tech pour la science, elle ressemblerait à ceci :
En éliminant les obstacles financiers et institutionnels auxquels sont confrontés les meilleurs scientifiques du monde, garantir que les progrès scientifiques puissent prospérer, permettre aux chercheurs de suivre pleinement leur curiosité et produire des recherches applicables au bénéfice de l’humanité.
Dans cette déclaration, les acteurs divergent sur ce qu’ils considèrent comme les activités les plus importantes :
-
Certaines personnes avec qui j’ai parlé pensent que le principal levier est le manque de financement ou la lenteur des procédures : donnez de l’argent aux scientifiques et laissez-les libre d’explorer leurs idées.
-
D’autres estiment que les normes académiques sont un obstacle plus grand : la recherche devrait fonctionner davantage comme une culture entrepreneuriale.
-
Encore d’autres perçoivent une divergence entre ceux qui se concentrent sur la recherche fondamentale et ceux qui veulent appliquer les résultats : ces derniers souhaitent accélérer la mise sur le marché des découvertes pour que l’humanité bénéficie rapidement des travaux des scientifiques.
J’aborderai plus en détail certaines de ces approches dans les chapitres suivants.
La science peut aussi être vue comme un sous-ensemble d’un problème plus large : « Comment soutenir une culture de recherche dans le domaine technologique ? » Par exemple, l’intelligence artificielle relève de cette catégorie, mais avec une trajectoire différente et une histoire de financement distincte. Il en va de même pour l’interaction homme-machine (HCI) et les « outils de pensée ». Même le terme « science » recouvre une catégorie extrêmement vaste, comme nous le verrons dans les sections suivantes (notez que l’amélioration du processus scientifique est parfois appelée « méta-science »).
Dans cette étude de cas, je me concentre uniquement sur la zone de chevauchement entre la recherche scientifique et la technologie au cours de la dernière décennie. Toutefois, dans de nombreux cas, l’attitude de la tech envers la recherche influence notre vision de la science, et inversement — je mentionnerai occasionnellement ce phénomène ici.
Maintenant que j’ai clarifié ces points préliminaires, examinons ce que les acteurs d’aujourd’hui ont en commun. En revenant à la théorie du changement ci-dessus, quelles sont les particularités ou les originalités de l’approche tech-native envers la science ?
Pour moi, un aspect marquant est l’accent mis sur le soutien et l’attraction des meilleurs talents scientifiques. Il existe ici une hypothèse implicite : la qualité individuelle des scientifiques est cruciale, voire essentielle — les grands sauts scientifiques étant dus à quelques génies plutôt qu’à la communauté scientifique entière. (Une méta-analyse de José Luis Ricón semble soutenir cette hypothèse, bien qu’il note que ces conclusions peuvent varier selon les domaines.)
L’attention portée aux « meilleurs talents » me paraît très typique de la culture tech, similaire à la manière dont les fondateurs traitent les startups. Bien qu’il n’existe pas de système d’élite parfait, la culture tech prospère en partie parce que les entreprises accordent moins d’importance à des signes comme l’origine sociale ou l’ancienneté, et davantage aux réalisations concrètes d’une personne. Privilégier les talents de haut niveau aide aussi les organisations à éviter la décadence en phase de croissance. Il n’est donc pas surprenant que la tech applique ce raisonnement à la science.
Deuxièmement, l’accent constant mis sur les résultats, notamment sur la commercialisation des découvertes. Là encore, cette approche « orientée résultats » correspond fortement à la culture tech : l’idée que la recherche fondamentale doit servir un objectif à long terme au profit de l’humanité — et que nous devrions raccourcir autant que possible le délai entre découverte et application.
La plupart des personnes que j’ai interrogées pensent que si vous pouvez commercialiser votre travail, vous devriez le faire — bien sûr, à condition que tout ne soit pas commercialisable. Même les projets scientifiques à but non lucratif insistent souvent sur des valeurs inspirées de l’entrepreneuriat, comme la rapidité, la capacité à démontrer et la collaboration.
Enfin, une croyance implicite domine parmi les acteurs contemporains : le changement est exogène. Nous devons agir en dehors des institutions, exercer une pression depuis l’extérieur pour atteindre ces objectifs. Bien que certaines organisations collaborent avec des universités, elles opèrent toujours en dehors des parcours académiques traditionnels.
Ces valeurs peuvent sembler évidentes pour ceux qui travaillent dans la tech, mais si l’on revient à la vision globale de « garantir que les progrès scientifiques puissent prospérer », appliquer ces valeurs exclut certaines options que d’autres acteurs non tech pourraient envisager : par exemple, créer des programmes postdoctoraux, améliorer les outils des laboratoires universitaires ou augmenter les admissions aux programmes STEM.
Compte tenu de ces valeurs, examinons maintenant comment le financement de la recherche tech a évolué au cours de la dernière décennie.
Faire avancer la science via les startups (2011–2014)
Un thème récurrent que j’ai entendu dans mes conversations est que la formulation du problème scientifique n’a pas vraiment changé au cours de la dernière décennie. On a longtemps su que la science ne fonctionnait pas aussi efficacement qu’elle le devrait, et l’on souhaitait y remédier. Ce qui a changé, c’est la manière de penser la solution.
Il y a dix ans, la majorité pensait que les entreprises technologiques étaient le meilleur moyen de faire progresser la science : soit en créant des entreprises, soit en les finançant.
Vers 2011, l’ouvrage de l’économiste et écrivain Tyler Cowen, The Great Stagnation, a fourni une base philosophique à ce désir de progrès scientifique. Cowen avance un argument plus large sur la stagnation économique aux États-Unis, mais identifie notamment le manque de percées scientifiques et le ralentissement général du progrès technologique comme causes principales.
Cowen dédie son livre à Peter Thiel, qui a publiquement critiqué le déclin de l’innovation technologique. Dans The Great Stagnation, Cowen cite une interview de Thiel où il déclare : « Pharmaceutique, robotique, intelligence artificielle, nanotechnologie – les progrès dans tous ces domaines sont bien plus limités que ce que les gens imaginent. La question est : pourquoi ? »
Au moment où The Great Stagnation sortait, vers 2011, Thiel avait également adopté pour son fonds d’investissement Founders Fund, qu’il avait créé en 2005, le slogan désormais célèbre : « On nous avait promis des voitures volantes, on a eu 140 caractères. » Thiel transforma cette phrase en principe d’investissement, révélant ainsi sa théorie du changement : le progrès scientifique serait résolu par le marché, pas par le financement de la recherche fondamentale.
Bien qu’il soit difficile de déterminer exactement pourquoi les startups étaient perçues comme la meilleure voie vers la science à cette époque, l’explication la plus simple est liée à la popularité croissante des startups durant les années 2010. L’accélérateur Y Combinator a joué un rôle clé en rendant l’entrepreneuriat plus accessible et attrayant. Fondé en 2005, il a atteint son apogée culturel dans les années 2010. Parmi ses alumni les plus réussis figurent de nombreuses entreprises fondées ou ayant explosé durant cette décennie. L’article de Marc Andreessen en 2011, « Software is eating the world », capture bien l’esprit de l’époque : les startups basées sur le logiciel pouvaient résoudre des problèmes variés à travers de multiples industries.
Hormis Breakout Labs (bien qu’il s’agisse d’un programme de financement, il est structuré comme un fonds cyclique dont les revenus proviennent des droits de propriété intellectuelle ou des redevances des bénéficiaires), les projets scientifiques notables de l’époque étaient généralement des startups ou des fonds de capital-risque. Exemples :
Au-delà des startups, deux grands mécènes de la recherche issus du monde tech étaient proches de la science et reflètent bien la perception de la recherche à l’époque :
Google X : fondé discrètement en 2010, Google X fut révélé au public par le New York Times comme un laboratoire secret interne à Google axé sur des « idées ambitieuses ». Google X a popularisé le terme « moonshots » (projets audacieux), se définissant aujourd’hui comme une « fabrique de projets lunaires ».
MIT Media Lab : aujourd’hui défini comme un « laboratoire de recherche interdisciplinaire », bien qu’il ne se concentre pas exclusivement sur la science, il est souvent cité comme un symbole de la culture tech-académique. Dans les années 2010, il a prospéré sous la direction charismatique de Joi Ito, jusqu’à sa démission soudaine en 2019 suite à des relations financières controversées.
Les premières approches philanthropiques (2015–2017)
-
Vers le milieu des années 2010, les sorties massives du secteur tech avaient généré suffisamment de richesse personnelle pour que certains investisseurs expérimentent des formes traditionnelles de philanthropie.
-
En 2015, Y Combinator annonça la création d’un institut de recherche à but non lucratif, YC Research, initialement financé par une donation personnelle de 10 millions de dollars de son président Sam Altman. Bien que ne touchant pas directement à la science (ses premiers projets portaient sur le revenu de base universel, les villes et l’interaction homme-machine), YC Research peut être vu comme un indicateur de changement culturel. Comme Altman l’expliquait dans son billet d’annonce, parfois « les startups ne conviennent pas à certains types d’innovation » — une idée nouvelle à l’époque :
Notre mission chez YC est de stimuler l’innovation autant que possible. Cela signifie principalement financer des startups. Mais pour certains types d’innovation, les startups ne sont pas idéales — par exemple, les travaux à long terme, les questions très ouvertes, ou le développement de technologies qui ne devraient appartenir à aucune entreprise en particulier.
Toutefois, il insistait sur le fait que YC Research ferait les choses différemment d’un institut de recherche classique (mise en gras ajoutée) :
Nous pensons que les instituts de recherche peuvent être meilleurs qu’ils ne le sont aujourd’hui… Les chercheurs ne devraient pas être motivés par la publication d’un grand nombre d’articles peu influents ou par des apparitions fréquentes aux conférences — tout le système semble dysfonctionner. Au contraire, nous nous concentrerons sur la qualité des résultats.
La même année, Mark Zuckerberg et Priscilla Chan annoncèrent qu’ils allaient donner 99 % de leurs actions Facebook à des œuvres caritatives gérées par l’organisation Chan Zuckerberg Initiative (CZI). À l’instar de Y Combinator, Zuckerberg et Chan choisirent une structure légèrement différente : une société à responsabilité limitée plutôt qu’une organisation à but non lucratif (501c3), estimant que cela leur offrirait « plus de flexibilité pour exécuter efficacement leur mission ».
Le premier engagement de CZI fut une promesse de 3 milliards de dollars « pour guérir, prévenir ou gérer toutes les maladies humaines de notre vivant », à distribuer sur dix ans. Dont 600 millions furent alloués à la création du Biohub, un centre de recherche à l’Université de Californie à San Francisco (UCSF), en partenariat avec Stanford et l’Université de Californie à Berkeley.
Dans leur déclaration commune, Zuckerberg expliqua que le ralentissement des sciences de la vie était lié à la manière actuelle de financer et organiser la science (mise en gras ajoutée) :
Construire des outils nécessite de nouvelles façons de financer et d’organiser la science… Notre environnement de financement actuel n’encourage pas vraiment le développement d’outils… Résoudre les grands problèmes exige de rassembler scientifiques et ingénieurs pour travailler autrement : partager des données, coordonner et collaborer.
L’année suivante, en 2016, Sean Parker créa l’Institut Parker pour l’immunothérapie contre le cancer. Là encore, ses déclarations reflètent des préoccupations similaires sur la manière de faire la recherche (mise en gras ajoutée) :
Le problème du cancer n’est pas seulement une question de ressources, mais de la façon dont nous les attribuons… Le système est en quelque sorte défaillant… Les institutions qui financent la majorité de la recherche scientifique n’encouragent généralement pas les scientifiques à poursuivre leurs idées les plus audacieuses, donc nous n’avons pas de science ambitieuse.
Comparé à la première moitié des années 2010, cette période marque un intérêt émergent pour le financement de la recherche fondamentale, et une reconnaissance implicite que les startups ne peuvent pas tout accomplir — bien que les donateurs insistent sur l’importance d’une culture innovante de recherche, axée sur la production tech-like, la collaboration et le développement d’outils.
D’autres projets lancés à peu près à la même époque reflétant ces tendances incluent :
-
Open Philanthropy : une organisation de recherche et de financement axée plus largement sur l’amélioration de la philanthropie, mais dont l’un des premiers domaines d’intérêt fut le financement de la recherche biologique. Open Philanthropy devint une organisation indépendante en 2017, mais découle de la collaboration antérieure entre Good Ventures (Dustin Moskovitz et Cari Tuna) et GiveWell.
-
OpenAI : une organisation à but non lucratif, initialement décrite comme une « société de recherche non lucrative », lancée en 2015 par Elon Musk, Sam Altman et d’autres avec une promesse de 1 milliard de dollars. (OpenAI est ensuite devenu une structure lucrative.) Bien que non centré sur la science, OpenAI est devenu l’un des plus grands projets de recherche du monde tech récent. Son annonce initiale soulignait l’importance de la publication ouverte, des brevets ouverts et de la collaboration.
À cette époque, malgré les déclarations sur l’importance de la collaboration entre chercheurs, une chose semblait manquer : la coordination entre donateurs. Chaque initiative semblait centrée sur le donateur lui-même, plutôt que sur une action concertée pour résoudre un problème bien défini par divers moyens.
Ce n’est pas une critique, mais une manière de souligner que les grands donateurs de l’époque apprenaient encore comment aborder stratégiquement les problèmes scientifiques sans passer par l’entrepreneuriat, et comment définir leur action philanthropique au-delà des attentes traditionnelles — comparé au groupe actuel.
Construction de domaine et nouvelles institutions (2018–2021)
Récemment, la coordination entre financeurs et fondateurs s’est intensifiée, contribuant à la naissance d’une série de nouveaux programmes scientifiques.
Un article de travail NBER de 2017, « Are ideas getting harder to find ? », affirmait que « les efforts de recherche augmentent fortement tandis que la productivité de la recherche diminue fortement », ravivant le débat sur l’innovation scientifique. En 2018, Patrick Collison et Michael Nielsen publièrent dans The Atlantic un article de fond accompagné de recherches originales avançant un argument similaire : bien que « le nombre de scientifiques, de budgets de recherche et d’articles publiés soient plus élevés que jamais… notre compréhension scientifique a-t-elle augmenté proportionnellement ? »
L’année suivante, Patrick Collison et Tyler Cowen publièrent dans The Atlantic un article complémentaire, « We need a new science of progress », proposant que « le monde bénéficierait d’un effort organisé pour comprendre » comment réaliser le progrès, notamment identifier les talents, encourager l’innovation et tirer parti de la collaboration.
Bien que leur article couvre plus largement la notion de progrès, la science en est un exemple marquant. Collison et Cowen affirment : « Bien que la science ait produit la majeure partie de notre prospérité, les scientifiques eux-mêmes ne se sont pas suffisamment penchés sur la manière dont la science devrait être organisée », et que « les critiques sur la pratique et le financement de la science sont insuffisantes, probablement pour des raisons compréhensibles. »
L’article de The Atlantic (accompagné de nombreux efforts subséquents) a contribué à former et développer la communauté « research on progress », offrant un foyer intellectuel et social précieux à ceux intéressés par ces questions.
Bien que les acteurs actuels de la science ne soient pas formellement affiliés à ce mouvement (la plupart diraient probablement qu’ils n’en font pas partie), et que ses préoccupations dépassent largement la science, j’ai le sentiment que l’existence d’une telle communauté a aidé :
-
À servir de point de coordination pour des personnes partageant les mêmes idées, attirant davantage de talents dans le domaine,
-
À légitimer les travaux des acteurs.
En 2021, un groupe s’est réuni pour un « Tech Bottlenecks Workshop » en présentiel, basé sur l’hypothèse que les goulets d’étranglement « existent à travers tout le domaine scientifique et technologique, et que les résoudre pourrait apporter d’énormes progrès à l’ensemble du secteur ». Les participants incluaient des fondateurs et des investisseurs, dont beaucoup étaient déjà impliqués dans des projets liés à la science, comme Fast Grants, Convergent Research et Rejuvenome.
Le séminaire fut très bien accueilli. Il a permis à davantage de personnes de se rencontrer, renforçant une approche commune du domaine, et a même inspiré de nouvelles collaborations.
Voici quelques initiatives scientifiques lancées récemment. Ce qui est particulièrement notable, c’est la diversité des expériences dans un espace problématique commun, ainsi qu’une coordination accrue entre financeurs et fondateurs (notez le niveau de chevauchement entre les projets). Comparé aux méthodes plus fermées et unilatérales des années 2010, ce sont des signes d’un domaine sain et florissant.
La plupart de ces initiatives se concentrent sur les sciences de la vie. J’ai interrogé plusieurs personnes sur les raisons possibles. Voici quelques hypothèses :
-
Relations personnelles et intérêts : certains financeurs et fondateurs ont des liens ou un passé préexistant avec les sciences de la vie.
-
Récits et narration publique : les sciences de la vie impliquent des enjeux comme guérir des maladies, prolonger la vie, la médecine de la fertilité et la génétique. Contrairement à l’exploration spatiale ou aux risques industriels, les bénéfices de ces recherches sont plus faciles à comprendre pour le public, surtout après la pandémie mondiale.
Comme mentionné précédemment, ce groupe se caractérise par une grande diversité d’approches : combinaison d’initiatives lucratives et non lucratives, mix de financement et d’opérations. On observe aussi une diversité au niveau du changement systémique (organisation vs individu), du type de recherche (fondamentale vs appliquée) et de la durée des projets (court terme vs long terme).
Pourquoi tant de nouvelles initiatives aujourd’hui ?
Bien qu’il ait toujours existé un groupe de passionnés de science, ce n’est que grâce à l’afflux récent de capitaux que ces idées anciennes peuvent désormais être mises en œuvre. (Par exemple, Adam Marblestone et Sam Rodriques réfléchissaient depuis des années à des structures de recherche focalisées avant d’obtenir des financements.)
Certains financeurs minimisent leur rôle de « fournisseurs de fonds », mais je pense qu’il est important d’insister sur la qualité des pratiques philanthropiques. Plus précisément, je veux souligner que les financeurs scientifiques du monde tech actuel ne se contentent pas de « jeter de l’argent sur les problèmes », mais adoptent une approche stratégique, presque classique de la philanthropie, pour construire un nouveau domaine. Deux efforts principaux ont particulièrement aidé à poser les bases :
-
Meilleure coordination : une coopération accrue entre financeurs et des co-financements conjoints, leur permettant d’apprendre les uns des autres, d’engager de plus gros montants, et de rassurer les acteurs sur la pérennité de leurs projets à long terme ;
-
Construction de domaine : montrer que ces questions sont intéressantes et dignes d’étude, attirer d’autres personnes et légitimer les travaux des acteurs.
Qu’est-ce qui a relancé l’intérêt pour le financement de la science ? Plusieurs facteurs, certains externes, d’autres résultant d’efforts conscients :
Pandémie mondiale
En forçant les gens à affronter des systèmes vastes et immuables, la pandémie a aidé à réaliser que le monde est plus malléable qu’il n’y paraît. La frustration face à la bureaucratie, l’incapacité à s’en libérer, et la prise de conscience que l’on peut agir immédiatement — pas dans un futur lointain — pour améliorer les choses.
Fast Grants a été lancé directement en réponse à la pandémie, et son succès a influencé la vision de l’Arc Institute. Le Longevity Escape Velocity Grants a aussi été inspiré par le modèle de Fast Grants, mais sur un sujet différent.
Les fondateurs d’Arcadia Science affirment directement que la pandémie « a suscité, au-delà de nos cercles habituels, un sentiment d’urgence, d’esprit collaboratif et d’enthousiasme pour le progrès scientifique. Le développement des vaccins a démontré à quel point la collaboration entre scientifiques peut être puissante. »
Une personne avec qui j’ai parlé pense que la dispersion géographique causée par la pandémie a pu briser l’effet de pensée unique de la Silicon Valley, exposant les gens à de nouvelles idées et les rendant plus ouverts à des approches non entrepreneuriales.
Construction réussie de domaine et meilleure coordination entre acteurs
Publier des articles, organiser des ateliers et créer une communauté « recherche sur le progrès » a facilité la coordination entre personnes partageant les mêmes idées. Comme Luke Muehlhauser l’a souligné dans son rapport précoce sur la croissance des domaines chez Open Phil, bien que ces méthodes semblent « évidentes », elles sont aussi « souvent efficaces ».
Dans mes discussions, des acteurs expérimentés ont commenté que, bien que ce domaine intéresse des gens depuis des décennies, ce n’est que récemment qu’ils ont été surpris de découvrir (citation) « qu’il y a plus de gens comme nous que je ne le pensais ».
Même entre ceux qui se connaissent depuis longtemps et collaborent, la construction de domaine a eu pour effet de rehausser le statut de leur travail — le rendant plus proche de celui d’un fondateur de startup — ce qui continuera à attirer d’autres personnes.
Plusieurs personnes ont commenté cet effet. L’une a dit que ce genre de projet (lancer un projet ambitieux non entrepreneurial) était jusqu’à récemment considéré comme « impossible à financer », mais que désormais quelques personnes « ont rendu ça cool ». Une autre a estimé que, même si les gens ordinaires du secteur tech ne comprennent pas encore ce qu’ils font, ils sentent que leur travail n’est plus perçu comme « de faible statut ».
Boom de la richesse issue de la cryptomonnaie
2017 et 2021 ont été deux moments clés de création de richesse dans le secteur crypto. Nous commençons à voir les effets de la première vague, et nous verrons probablement ceux de la seconde dans les années à venir.
La richesse crypto a eu un impact direct et indirect sur le financement scientifique. D’abord, concrètement, elle a créé un nouveau bassin de financeurs potentiels. Les financeurs crypto actifs dans la science sont principalement des bénéficiaires du boom de 2017 — tout comme Mark Zuckerberg, Dustin Moskovitz et Sean Parker ont été les bénéficiaires du IPO de Facebook en 2012, devenant des philanthropes actifs quelques années plus tard.
Ensuite, la richesse issue du crypto a poussé le « tech traditionnel » à prendre plus de risques dans la construction culturelle. Bien que difficile à prouver, on peut y voir un déplacement de la fenêtre d’Overton : l’émergence d’un groupe défendant des positions plus extrêmes rend possibles des choix auparavant perçus comme radicaux. Pour la tech, le fait que l’industrie crypto veuille sérieusement reconstruire la société de zéro rend, par exemple, la création d’un nouvel institut de recherche 501c3 moins étrange.
Plusieurs conditions macroéconomiques ont pu aussi influencer ce changement d’intérêt du monde tech pour le financement scientifique : des marchés haussiers rendant le capital bon marché ; une désillusion croissante du public envers les institutions traditionnelles ; une vague d’événements de liquidité générant de nouvelles richesses à la fin des années 2010 ; et un changement fondamental dans la relation entre tech et culture dominante depuis le milieu des années 2010. Ces sujets dépassent le cadre de cet article, mais sont des facteurs pertinents.
Mesurer le succès
Enfin, je voulais comprendre comment les acteurs d’aujourd’hui conçoivent la mesure de leur impact. Dix ans plus tard, comment saurons-nous si ces efforts ont réussi ?
Presque tout le monde avec qui j’ai parlé a mentionné une version du « problème des 100 milliards de dollars » (terme dû à David Lang), faisant référence à la taille relativement petite du capital privé comparé au financement public en recherche-développement, qui dépasse 100 milliards de dollars par an aux États-Unis. D’après nos estimations, la dernière vague d’initiatives représente quelques milliards de dollars. C’est significatif, mais négligeable face aux capacités gouvernementales.
Face à ces limites financières, les acteurs que j’ai rencontrés pensent plutôt à inspirer l’amélioration des financements publics (notamment ceux des NIH dans les sciences de la vie) en montrant ce qui est possible, plutôt qu’à rivaliser dollar pour dollar. Cette approche est plus cohérente avec le rôle du capital philanthropique dans la société civile : non pas concurrencer ou remplacer l’État, mais semer de nouvelles idées via des expériences privées n’affectant pas les impôts publics. Par exemple, les bibliothèques publiques, écoles et universités américaines ont toutes été façonnées par des initiatives philanthropiques précoces.
Les acteurs choisissant de créer des entreprises plutôt que des ONG sont également motivés par le désir d’allonger la durée de vie du capital. Si une entreprise réussit, elle peut inspirer d’autres startups, car de nombreux fonds sont disponibles. En revanche, une ONG réussie n’inspire généralement pas d’autres ONG (même si elle influence leurs pratiques), car le capital philanthropique est limité, créant une dynamique compétitive de type zéro-somme.
Voici quelques objectifs à court et long terme que j’ai entendus, ainsi que des suggestions pour les mesurer.
Épilogue : DeSci et les nouveaux primitifs crypto
Il reste un chapitre à raconter, que j’ai placé dans une section séparée « épilogue » car il est à la fois nouveau et clairement différent des approches précédentes, tout en servant de contraste important à tout ce qui précède.
Si l’on prend du recul sur la manière dont la science est financée et soutenue, plusieurs approches sont possibles. Les biens publics ne sont pas uniquement financés par l’État ; ils peuvent aussi être influencés par le marché (créer des entreprises) ou par le capital philanthropique. Tous les exemples vus jusqu’ici, aussi novateurs soient-ils, relèvent de ces catégories existantes.
Il existe une autre approche plus radicale, que je nomme (avec réserve) l’approche « native-crypto ». Ses partisans pensent que les efforts précédents, bien qu’positifs, reproduisent finalement les mêmes problèmes que les systèmes traditionnels. Ils affirment qu’en créant de nouvelles institutions sans réécrire leurs incitations fondamentales, on ne résout rien à long terme : on ne fait que réinitialiser le chronomètre de la décadence institutionnelle.
Même au sein du groupe « tech traditionnel », la réponse à la question « Essayons-nous de créer de nouvelles institutions publiques, ou simplement d’améliorer les existantes ? » varie. Certaines initiatives réfléchissent à long terme à la manière d’éviter la décadence institutionnelle, par exemple en limitant la taille des fonds ou des organisations. Quoi qu’il en soit, la plupart des personnes que j’ai interrogées semblent adhérer à l’approche du « problème des 100 milliards » : déployer efficacement des fonds limités pour influencer les niveaux fédéraux plus larges.
En revanche, dans l’approche native-crypto, les partisans veulent inventer de nouvelles manières de financer les biens publics. Bien qu’ils partagent la vision à long terme d’améliorer la science, d’attirer les meilleurs talents et de valoriser les découvertes, leur stratégie
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@nayafia
