De beste wereldwijde experts op het gebied van kunstmatige intelligentie identificeren, veronderstelt dat er een meetcriterium moet worden gekozen. Media-aandacht, aantal wetenschappelijke citaties, controle over strategische middelen (chips, data, kapitaal): elke matrix produceert een andere ranglijst. Dit artikel vergelijkt deze benaderingen om te begrijpen wie daadwerkelijk invloed heeft op de ontwikkeling van AI in 2026.
Wetenschappelijke citaties en h-index: de bibliometrische matrix van AI-onderzoekers
De meeste populaire ranglijsten mengen leidinggevenden, popularisatoren en onderzoekers. Lijsten die zijn gebaseerd op bibliometrische metrics (cumulatieve citaties op Google Scholar, h-index) schetsen een strakker beeld.
TrexoMedia rangschikt in 2026 Yoshua Bengio, Geoffrey Hinton, Yann LeCun, Fei-Fei Li en Andrew Ng onder de meest geciteerde AI-onderzoekers, expliciet gebaseerd op recente onderzoeksdata. Deze vijf namen komen in bijna alle internationale wetenschappelijke ranglijsten voor.
Hinton en LeCun delen de Turingprijs 2018 met Bengio voor hun baanbrekende werk op het gebied van deep learning. Hinton ontving de Nobelprijs voor de natuurkunde in 2024, Demis Hassabis die voor chemie in hetzelfde jaar. Deze onderscheidingen zijn objectieve markers die niet door sociale media-aandacht kunnen worden vervangen.
Een breder panorama, inclusief de strategische en economische dimensie, wordt aangeboden door de experts in kunstmatige intelligentie op Le Comparatif, die verschillende evaluatiecriteria combineren.
Leidinggevenden en investeerders in AI: expertise gemeten aan de controle over middelen
AI Magazine (BizClik) publiceert in 2026 een Top 100 AI Leaders waarvan de eerste tien voornamelijk CEO’s of technische directeuren zijn van grote technologiebedrijven. Dit type ranglijst is gebaseerd op een andere veronderstelling: wie het budget, de chips en de data controleert, controleert de koers van AI.
| Profiel | Hoofdcriterium | Voorbeelden 2026 | Limiet |
|---|---|---|---|
| Academisch onderzoeker | Citaties, h-index, wetenschappelijke prijzen | Yoshua Bengio, Geoffrey Hinton, Fei-Fei Li | Meet geen industriële invloed |
| Leidinggevende van AI-lab | Waarde, fondsenwervingen, uitgerolde producten | Sam Altman (OpenAI), Dario Amodei (Anthropic), Demis Hassabis (Google DeepMind) | Verwarring tussen economische macht en technische expertise |
| Infrastructuurleverancier | Marktaandeel GPU’s, omzet datacenters | Jensen Huang (Nvidia) | Materiële expertise, geen algorithmische |
| Popularisator of influencer | Publiek, betrokkenheid op sociale media | Andrew Ng, sommige contentmakers | Populariteit zonder directe link met onderzoek |
Sam Altman bereidt een beursgang van OpenAI voor, gericht op 2026, met een waardering die historische hoogtes voor de sector zou kunnen benaderen. Dario Amodei, CEO van Anthropic, voorspelt dat AI in bijna alle cognitieve taken de mens zal overtreffen tegen 2027. Deze standpunten vormen het publieke debat net zo goed als elk wetenschappelijk artikel.
Jensen Huang neemt een unieke plaats in: Nvidia levert de rekenkracht zonder welke geen groot model kan worden getraind. Zijn invloed is infrastructureel, niet algorithmisch, maar deze bepaalt alles wat daaruit voortkomt.
AI-expertise in Frankrijk: onderzoekers, ondernemers en trainers
Frankrijk concentreert een internationaal erkende pool van vaardigheden. Yann LeCun, Turingprijswinnaar en wetenschappelijk directeur AI bij Meta, blijft de meest geciteerde figuur. Maar het Franse landschap is niet beperkt tot één naam.
- Luc Julia, mede-oprichter van Siri en voormalig technisch directeur van Renault, vertegenwoordigt de industriële kant van de Franse AI-expertise, gericht op concrete implementatie in bedrijven.
- Mistral AI, opgericht in Parijs, heeft aanzienlijke fondsen geworven en ontwikkelt taalmodellen die concurreren met Amerikaanse aanbiedingen op bepaalde benchmarks.
- Het opleidings ecosysteem structureert zich rond experts zoals Alexandre Kantjas of Julien Simon, die vaardigheden in machine learning en generatieve AI toegankelijk maken voor niet-technische profielen.
Frankrijk telde recentelijk al meer dan 166.000 vacatures gerelateerd aan kunstmatige intelligentie, een teken dat de vraag naar vaardigheden de kring van onderzoekers ruimschoots overstijgt.
Selectiecriteria voor AI-experts: wat ranglijsten niet zeggen
Geen enkele ranglijst vangt de realiteit van expertise in kunstmatige intelligentie. Bibliometrische metrics negeren de industriële impact. Lijsten van leidinggevenden verwarren beslissingsmacht en technische beheersing. Ranglijsten van influencers meten het publiek, niet de nauwkeurigheid.
Een criterium dat zelden expliciet wordt gemaakt in de ranglijsten is de reproduceerbaarheid van gepubliceerde werken. Een onderzoeker wiens resultaten door andere teams worden gerepliceerd heeft een verifieerbare wetenschappelijke impact, terwijl een leidinggevende de markt kan beïnvloeden zonder ooit een regel code te publiceren.
- Om een onderzoeker te evalueren: citaties, h-index, wetenschappelijke prijzen, reproduceerbaarheid van resultaten.
- Om een leidinggevende te evalueren: uitgerolde producten, gebruikersbasis, gedocumenteerde ontwikkelingsstrategie.
- Om een trainer of popularisator te evalueren: pedagogische kwaliteit, verifieerbare feedback van leerlingen, actualisering van inhoud in het licht van de snelle evolutie van tools.
De wereldwijde AI-markt heeft 500 miljard dollar in 2024 overschreden. Op deze schaal fragmentiseert het begrip expert zelf: niemand beheerst zowel fundamenteel onderzoek in deep learning, de bedrijfsstrategie rond generatieve AI, regulering als training. De meest relevante profielen hangen af van de gestelde vraag, niet van een universele ranglijst.
De boodschap om te onthouden: bibliometrische ranglijsten en economische ranglijsten wijzen bijna nooit dezelfde personen aan. Het kiezen van je beoordelingsmatrix is al een keuze voor je antwoord.