Le Canada attire les talents en IA et en science alors que Trump bouleverse la recherche américaine

Pendant des décennies, les États‑Unis ont bénéficié de l’un des avantages concurrentiels les plus puissants en science: de nombreux meilleurs chercheurs du monde souhaitaient y travailler.

Cet avantage ne disparaît pas du jour au lendemain. Les États‑Unis conservent des concentrations inégalées d’universités de recherche, de laboratoires fédéraux, de capitaux privés et d’entreprises technologiques. Mais le flux de talents devient moins unidirectionnel, et le Canada entreprend une tentative exceptionnellement agressive pour tirer parti de ce changement.

Le dernier exemple provient de l’Université de Toronto, qui a recruté six chercheurs de renom actuellement employés dans des institutions américaines, dont le MIT, les National Institutes of Health (NIH), l’Université de Californie à San Francisco (UCSF), l’Ohio State University, Boston University et la Washington University School of Medicine à St. Louis.

Ces six chercheurs font partie du nouveau programme Eddie Goldenberg Research Chairs of Canada, pièce maîtresse de l’initiative de 1,7 milliard de dollars canadiens Canada Global Impact+ Research Talent d’Ottawa. L’initiative plus large vise à attirer et soutenir plus de 1 000 chercheurs internationaux et expatriés sur 12 ans, avec un financement de 1 milliard de dollars canadiens spécifiquement dédié aux chaires de recherche.

Ce qui rend ce premier groupe particulièrement remarquable, c’est l’origine du talent. Sur les 64 premiers chercheurs recrutés via le programme de chaires de recherche, 48 sont actuellement basés aux États‑Unis.

Cela commence à ressembler moins à un simple recrutement académique qu’à une compétition géopolitique pour le capital intellectuel.

Pourquoi les États‑Unis sont soudainement plus vulnérables à une fuite des cerveaux en recherche

Le moment est difficile à dissocier du bouleversement qui a traversé la science américaine depuis le retour du président Donald Trump en fonction en janvier 2025.

Une analyse de janvier 2026 publiée par Nature a comptabilisé plus de 7 800 subventions de recherche américaines qui ont été résiliées ou gelées, ainsi qu’environ 25 000 scientifiques et autres personnels quittant les agences fédérales impliquées dans la recherche. L’administration a également proposé d’importantes réductions des budgets fédéraux de la science, incluant des coupes avoisinant 40 % au NIH, 57 % à la National Science Foundation (NSF) et 47 % à la Direction des missions scientifiques de la NASA. Toutes ces réductions proposées ne sont pas toutes devenues loi, et certaines actions de l’administration ont rencontré l’opposition du Congrès et des tribunaux, mais l’incertitude elle‑même a affecté les laboratoires, le recrutement et la planification de la recherche à long terme.

La position de l’administration est plus nuancée que simplement abandonner la science. Comme l’a récemment examiné Unite.AI, la Maison-Blanche tente de restructurer environ 200 milliards de dollars de dépenses fédérales annuelles en recherche. Ses propositions privilégient davantage de financement qui suit les scientifiques individuels, des mécanismes de subvention plus rapides, la recherche à haut risque, la découverte guidée par l’intelligence artificielle et les technologies stratégiques telles que l’IA et l’informatique quantique. L’administration soutient que le système de financement centré sur les universités est devenu bureaucratique et insuffisamment orienté vers les priorités nationales.

Mais la restructuration d’un écosystème de recherche crée également des gagnants et des perdants. Les annulations de subventions, les réductions du personnel fédéral et les changements quant aux types de recherche soutenus ont rendu la planification de carrière nettement moins prévisible pour de nombreux scientifiques.

Les signaux d’alerte sont apparus rapidement. En mars 2025, les trois quarts des plus de 1 600 répondants à un sondage de Nature ont indiqué envisager de quitter les États‑Unis, le Canada et l’Europe étant parmi les destinations les plus souvent citées. Le sondage était auto‑sélectionné et ne doit pas être considéré comme représentatif de tous les scientifiques américains, mais des données ultérieures sur la recherche d’emploi ont également montré un intérêt croissant pour des postes à l’étranger.

Le Canada semble avoir conclu que l’incertitude dans un pays peut devenir une opportunité dans un autre.

Le Canada construit une machine de recrutement, pas seulement quelques postes de professeur

La stratégie d’Ottawa va au-delà du simple paiement aux scientifiques seniors pour les inciter à déménager.

L’initiative de 1,7 milliard de dollars canadiens comprend des chaires de recherche, un financement d’infrastructures, des postes en début de carrière ainsi que des bourses doctorales et postdoctorales. En mai, le gouvernement a offert 659 bourses de formation à la recherche à des candidats provenant de 72 pays, tandis que le programme Canada Impact+ Emerging Leaders est conçu pour aider les universités à recruter des chercheurs prometteurs beaucoup plus tôt dans leur carrière.

Le Canada a également commencé à aligner sa politique d’immigration sur la stratégie, créant de nouvelles voies pour les chercheurs et promettant un traitement accéléré pour certaines personnes recrutées.

L’approche est importante car les chercheurs d’élite déménagent rarement seuls. Un scientifique senior peut amener des postdoctorants, des doctorants, des collaborateurs et de futurs recrutements de professeurs. Leurs laboratoires peuvent attirer des partenariats industriels, générer de la propriété intellectuelle et finalement créer des start‑ups.

Cet effet multiplicateur explique pourquoi les six recrues de l’U de T méritent d’être examinées individuellement.

Adrienne Campbell‑Washburn : repenser ce qu’une machine d’IRM peut être

Adrienne Campbell‑Washburn vient du National Heart, Lung, and Blood Institute des NIH, où elle est devenue investigatrice senior après avoir rejoint initialement comme postdoctorante en 2013.

Son travail remet en question une hypothèse de base en imagerie par résonance magnétique: que des aimants plus puissants sont nécessairement meilleurs.

Le laboratoire de Campbell‑Washburn a contribué à la mise au point d’une IRM à faible champ de 0,55 tesla haute performance, combinant des champs magnétiques plus faibles avec l’informatique moderne, les techniques d’acquisition et de reconstruction. Cette approche peut offrir des avantages lors de l’imagerie de zones comme les poumons, traditionnellement difficiles pour l’IRM, tout en réduisant les problèmes liés aux dispositifs métalliques et en diminuant potentiellement le coût et les exigences d’infrastructure des scanners.

Au Sunnybrook Research Institute et au département de biophysique médicale de l’U de T, elle prévoit d’aller plus loin avec des systèmes d’IRM à moindre coût, des scanners portables et des techniques d’imagerie assistées par IA.

L’implication plus large est importante. L’IRM est extraordinairement puissante, mais les scanners conventionnels de grande taille sont coûteux et concentrés dans les grands hôpitaux. Si les machines à champ faible combinées à une reconstruction IA de plus en plus sophistiquée peuvent produire des images cliniquement utiles avec du matériel moins cher, l’IRM pourrait éventuellement être disponible dans beaucoup plus de contextes, y compris les petits hôpitaux, les cliniques communautaires et potentiellement les environnements de soins au chevet.

Tanya Berger‑Wolf : utiliser l’IA pour comprendre le monde naturel

Tanya Berger‑Wolf arrive de l’Ohio State University avec une combinaison inhabituelle d’expertises couvrant l’informatique théorique, l’intelligence artificielle, l’écologie et la conservation.

Elle est l’une des pionnières de ce qui est devenu connu sous le nom d’imageomics, utilisant l’apprentissage automatique pour extraire des informations biologiques des énormes quantités d’images collectées à travers le monde naturel.

Berger‑Wolf a été l’une des contributrices fondatrices de Wildbook, une plateforme open‑source capable d’identifier des animaux individuels à partir de photographies. À l’instar de la reconnaissance faciale pour les humains, ces systèmes peuvent reconnaître les marques distinctives sur des animaux comme les zèbres et les requins‑baleines, permettant aux chercheurs de suivre les populations et les comportements sans dépendre exclusivement de bagues physiques ou de colliers GPS.

Son Imageomics Institute a depuis fait progresser considérablement le concept. Son modèle BioCLIP a été entraîné sur plus de 210 millions d’images couvrant environ un million d’espèces, permettant à l’IA d’identifier des organismes sur une part importante de l’arbre de la vie connu.

À l’U de T, Berger‑Wolf prévoit de combiner les images avec l’audio, les informations génétiques et les données de capteurs afin de construire des modèles plus riches des écosystèmes et de leur réponse au climat et aux activités humaines.

Le projet illustre une direction de plus en plus importante pour l’IA: les modèles de fondation dépassent le texte, les images et les applications grand public pour pénétrer des domaines scientifiques spécialisés où d’énormes ensembles de données sont effectivement impossibles à analyser manuellement par les humains.

Shu (Joy) Jiang : faire passer l’IA médicale des algorithmes aux hôpitaux

Shu (Joy) Jiang rejoint l’U de T depuis la Washington University School of Medicine à St. Louis, où ses recherches combinent biostatistique, prédiction du cancer et intelligence artificielle.

L’un de ses projets les plus remarquables montre déjà comment la recherche académique en IA peut passer à la médecine commerciale.

Jiang et l’épidémiologiste Graham Colditz ont co‑fondé Prognosia, qui a développé un système d’IA analysant les mammographies afin de prédire le risque sur cinq ans de développer un cancer du sein chez une femme. Le logiciel a reçu la désignation FDA Breakthrough Device en 2025, et Prognosia a ensuite été acquis par la société coréenne d’IA médicale Lunit.

Plutôt que de simplement détecter une tumeur existante, la technologie recherche des motifs dans les mammographies pouvant indiquer un risque futur, incluant des signaux qui peuvent ne pas être visibles aux cliniciens humains.

À la Dalla Lana School of Public Health de l’U de T, Jiang s’attaquera à un autre problème qui pourrait s’avérer tout aussi important que le développement des algorithmes eux‑mêmes: faire entrer l’IA médicale validée dans des environnements cliniques réels.

Son travail prévu consiste à créer une infrastructure reliant hôpitaux, régulateurs et industrie afin que l’IA d’imagerie médicale puisse être évaluée et déployée à travers le Canada.

Cela répond à l’un des plus grands goulets d’étranglement de l’IA en santé. L’industrie dispose déjà d’une offre croissante de modèles prometteurs. Le défi le plus difficile consiste à prouver qu’ils fonctionnent de façon constante à travers les hôpitaux, les populations de patients et les équipements d’imagerie, puis à les intégrer dans les flux de travail où les cliniciens peuvent réellement les utiliser.

Michelle Arkin : s’attaquer aux cibles « indéroutables » de la médecine

Michelle Arkin apporte bien plus qu’un parcours académique en découverte de médicaments à l’U de T Mississauga.

À l’UCSF, elle a été professeure de chimie pharmaceutique, directrice exécutive du Small Molecule Discovery Center et vice‑doyenne pour la technologie de recherche et l’entrepreneuriat. Au début de sa carrière chez Sunesis Pharmaceuticals, elle a travaillé sur certains des premiers inhibiteurs puissants ciblant les interactions protéine‑protéine.

Un composé issu de ces travaux était le lifitegrast, qui est finalement devenu un traitement approuvé par la FDA pour la maladie des yeux secs.

Ses recherches se concentrent désormais fortement sur des cibles biologiques historiquement jugées difficiles ou impossibles à cibler pharmaceutiquement, incluant les interactions protéine‑protéine, les machines moléculaires et les facteurs de transcription. Elle est également active dans la recherche sur Alzheimer et a co‑fondé plusieurs sociétés de thérapeutiques.

À l’U de T, Arkin étudiera des domaines tels que les « colles moléculaires », la médecine de précision et la découverte de médicaments assistée par IA.

Les colles moléculaires sont particulièrement intéressantes car elles fonctionnent différemment des médicaments conventionnels. Au lieu de simplement bloquer une protéine, elles peuvent forcer des molécules biologiques à interagir d’une façon qui ne se produirait pas naturellement, permettant potentiellement à la cellule d’éliminer les protéines pathogènes.

Associées à des systèmes d’IA capables de prédire les interactions moléculaires et d’explorer d’immenses espaces chimiques, ces approches pourraient élargir la part de la biologie humaine qui peut réellement être ciblée par des médicaments.

Raymond Fisman : étudier ce qui se passe quand l’argent rencontre le pouvoir politique

Tous les recrutés ne travaillent pas dans la science de laboratoire.

L’économiste Raymond Fisman rejoint la Rotman School of Management de l’U de T depuis Boston University, apportant un programme de recherche axé sur la corruption, l’influence politique, la gouvernance et la relation entre les institutions et le comportement économique.

Une de ses études les plus connues a utilisé un jeu de données inhabituel: les infractions de stationnement commises par des diplomates des Nations Unies à New York.

Parce que les diplomates bénéficiaient d’une immunité d’exécution, Fisman et l’économiste Edward Miguel ont pu examiner le comportement des fonctionnaires lorsque les conséquences juridiques conventionnelles étaient largement absentes. Leur recherche a mis en évidence de fortes différences corrélées aux normes de corruption dans les pays d’origine des diplomates, tandis que des mesures d’application ultérieures ont fortement réduit les infractions.

Des travaux plus récents ont examiné les dons politiques, la transparence gouvernementale et la manière dont les incitations électorales peuvent influencer les réponses aux demandes d’accès à l’information. Un article de 2026 a constaté que les agences dans des environnements à forte corruption étaient plus susceptibles de rejeter ou de retarder les demandes avant les élections.

À Rotman, Fisman étudiera comment les individus fortunés et les intérêts organisés influencent la politique publique, pourquoi les électeurs tolèrent parfois les preuves de corruption et comment les gouvernements peuvent améliorer la responsabilité.

Son inclusion dans le programme est importante. La stratégie de recherche du Canada ne se limite pas aux technologies pouvant immédiatement devenir des produits. Elle reconnaît également que les institutions qui gouvernent la technologie, les marchés et la confiance publique peuvent être aussi déterminantes que les technologies elles‑mêmes.

Sara Seager : ramener la recherche d’autres mondes à Toronto

Sara Seager est sans doute le nom le plus connu parmi les six.

Originaire de Toronto, elle est diplômée de l’U de T en 1994 avant d’obtenir son doctorat à Harvard et de devenir professeure au MIT. Elle est ensuite devenue l’une des pionnières de la science des exoplanètes, notamment l’étude des atmosphères planétaires et la recherche de gaz pouvant révéler la présence de vie au‑delà de la Terre.

Sa carrière comprend une bourse MacArthur, le prix Kavli en astrophysique et une nomination comme Officier de l’Ordre du Canada.

Son retour à Toronto avait en fait été annoncé avant les derniers résultats du programme fédéral de chaires. Elle doit rejoindre l’U de T le 1 septembre 2026, ce qui rend son cas quelque peu différent des chercheurs recrutés spécifiquement après le lancement de l’initiative fédérale.

À l’U de T, elle prévoit de combiner astronomie, chimie, physique computationnelle et ingénierie aérospatiale tout en poursuivant la recherche de mondes habitables. Elle dirige également les missions Morning Star vers Vénus, qui visent à étudier directement l’atmosphère de la planète à la recherche de molécules organiques.

La nouvelle chaire étend ce travail aux technologies de détection planétaire et moléculaire, incluant des instruments capables de détecter des substances chimiques à des concentrations extrêmement faibles et des modèles d’IA pour interpréter des systèmes planétaires et environnementaux complexes.

Ces technologies n’ont pas besoin de rester confinées à la science spatiale. La détection moléculaire ultra‑sensible pourrait éventuellement trouver des applications dans la surveillance environnementale, la détection industrielle et la santé humaine.

Le plus grand prix est l’écosystème qui se forme autour des chercheurs

Le Canada doit veiller à ne pas déclarer la victoire trop tôt.

Les États‑Unis demeurent l’écosystème de recherche dominant au monde selon la plupart des indicateurs, et ils possèdent des avantages que le Canada ne peut reproduire simplement en écrivant de plus gros chèques de recrutement. Leurs universités, laboratoires nationaux, industrie du capital‑risque, sociétés pharmaceutiques, hyperscalers et infrastructures de recherche en défense créent une attraction gravitationnelle énorme pour les talents scientifiques.

L’administration Trump ne réduit pas uniformément le soutien aux technologies avancées. L’IA, l’informatique quantique, les technologies de défense et la recherche scientifique assistée par IA figurent parmi les domaines qu’elle souhaite explicitement prioriser.

Mais le leadership en recherche peut changer en marge bien avant de se refléter dans les classements nationaux.

Un chercheur qui déménage aujourd’hui peut recruter dix étudiants demain. Ces étudiants peuvent former une autre génération de scientifiques. Un laboratoire peut générer un brevet, qui devient une start‑up, qui attire des ingénieurs et des investisseurs, et qui finit par créer un pôle industriel.

Toronto a déjà observé cette dynamique. Geoffrey Hinton est passé de Carnegie Mellon University à l’U de T en 1987, à une époque où les réseaux neuronaux étaient loin d’être à la mode. Des décennies plus tard, son travail a contribué à établir les bases intellectuelles de la révolution du deep‑learning et a aidé Toronto à devenir l’un des principaux centres mondiaux de recherche en IA.

Le Canada tente désormais de reproduire ce type d’effet cumulatif à long terme dans l’IA, la biotechnologie, la médecine, la science du climat, la technologie quantique et d’autres domaines stratégiques. Cela s’inscrit dans un effort plus large de conversion des forces académiques du pays en capacité économique, y compris la stratégie nationale d’IA que le Canada a lancée plus tôt cette année. Cette stratégie met également l’accent sur le maintien d’une plus grande part de la recherche, des entreprises et de la propriété intellectuelle à l’intérieur du Canada.

Le Canada doit encore prouver qu’il peut retenir les talents qu’il attire

Il existe également une critique légitime de la stratégie.

Le Canada ne peut pas bâtir un écosystème de recherche durable uniquement grâce au recrutement de superstars. Les chercheurs canadiens existants se plaignent depuis longtemps du financement limité des subventions, de salaires qui peinent à concurrencer les États‑Unis et d’opportunités insuffisantes pour les jeunes scientifiques. Les critiques ont remis en question la possibilité que des chaires internationales fortement financées créent un système à deux niveaux où les chercheurs nouvellement recrutés bénéficient de packages extraordinaires tandis que des scientifiques tout aussi capables déjà en poste au Canada font face à des ressources plus restreintes.

Cela rend les composantes de début de carrière, d’infrastructure et de formation de l’initiative de 1,7 milliard de dollars canadiens particulièrement importantes.

Si le Canada se contente d’importer des scientifiques célèbres, le programme produira des annonces impressionnantes. Si ces scientifiques reçoivent les ressources nécessaires pour créer des laboratoires, recruter de jeunes chercheurs, collaborer avec l’industrie, commercialiser des découvertes et créer des institutions qui survivent au-delà de leurs carrières individuelles, les conséquences pourraient être bien plus importantes.

Pendant une grande partie du siècle dernier, les États‑Unis ont compris quelque chose de fondamental concernant l’innovation: attirer des personnes exceptionnelles était en soi une forme de politique économique.

Le Canada semble avoir tiré la leçon.

La question maintenant est de savoir si les États‑Unis offrent temporairement à leur voisin une ouverture, ou si le flux de talents scientifiques à travers la frontière commence à changer de façon plus durable.