fr.wedoany.com Rapport : Yann LeCun a annoncé lors du sommet RAISE à Paris que sa nouvelle entreprise, AMI, a levé 1 milliard de dollars en financement de démarrage pour développer un « modèle du monde » (world model) capable de comprendre le monde physique comme un enfant ou un animal, plutôt que de continuer à poursuivre des modèles de langage plus grands.
Ce scientifique, considéré comme le parrain de l'intelligence artificielle, a construit à la fin des années 1980 les réseaux de neurones convolutifs encore utilisés aujourd'hui dans les caméras de téléphones portables, les scanners médicaux et les systèmes d'aide à la conduite. Il a ensuite occupé le poste de scientifique en chef de l'IA chez Meta pendant 12 ans, et a informé Mark Zuckerberg en novembre de son départ.
Yann LeCun estime que les grands modèles de langage (LLM), bien qu'utiles, ne peuvent pas mener la technologie vers une véritable intelligence. Ils excellent dans le traitement de séquences de symboles, réussissent des examens, rédigent des courriels et résument des textes, mais ne comprennent pas le monde physique. La preuve en est que l'IA actuelle ne parvient toujours pas à réaliser des voitures autonomes de niveau 5, des robots domestiques, ou à accomplir ce qu'un enfant de 10 ans, voire un chat domestique, peut faire. Selon lui, la raison est que les modèles de langage ne connaissent le monde qu'à travers le texte ou les images, omettant la majeure partie des données sur le fonctionnement du monde physique.
La voie technologique de Yann LeCun utilise une méthode appelée JEPA. Le système n'apprend pas à générer pixel par pixel l'image suivante d'une vidéo, mais apprend une représentation abstraite de la scène et effectue des prédictions dans cet espace abstrait, éliminant le bruit imprévisible et conservant la structure vraiment importante. Cela est dû au fait que prédire directement l'image suivante d'une vidéo est confronté à des détails imprévisibles, ce qui conduit le modèle à produire une valeur moyenne floue.
Yann LeCun souligne que tout le texte sur Internet totalise environ 10 puissance 14 octets, tandis qu'un enfant de quatre ans absorbe à peu près la même quantité d'informations uniquement par l'entrée visuelle. Ces données vidéo contiennent de manière dense le fonctionnement du monde, et l'enfant apprend la gravité, le mouvement et le comportement des objets sans aucune étiquette. Le modèle vidéo d'AMI peut déjà détecter des événements anormaux apparaissant à l'écran, ce qui est considéré comme un sens commun acquis en regardant.
Concernant les raisons de son départ de Meta, Yann LeCun indique que, bien que Zuckerberg et le directeur technique de Meta aient soutenu ses recherches, l'entreprise s'est entièrement consacrée en 2025 à rattraper ses concurrents dans le domaine des grands modèles de langage, croyant que seule l'échelle suffirait à atteindre une IA de niveau humain, une direction qu'il ne partage pas. De plus, l'application à court terme du modèle du monde est dans le domaine industriel, notamment le contrôle de systèmes complexes, d'usines et de moteurs, ce qui est en décalage avec le positionnement de Meta, qui vise à connecter les gens.
Yann LeCun a également promu lors du sommet un projet de modèle de base ouvert appelé Tapestry. Ce projet adopte un mécanisme fédéré : chaque pays, université ou entreprise entraîne le modèle avec ses propres données et matériel, envoie uniquement les paramètres finaux à un serveur central pour les moyenner, formant un modèle partagé, les données ne quittant pas leur lieu d'origine. Il estime que le résultat peut surpasser les modèles fermés, car une grande quantité de données privées précieuses est ainsi exploitée.
Le siège d'AMI est à Paris, avec des bureaux à New York, Montréal et Singapour. L'appel de Yann LeCun à l'Europe est que la compétition n'est pas encore perdue, estimant que la Silicon Valley est tombée dans une « tranchée » de développement de modèles de langage, tandis que le modèle du monde est une autre voie. La prochaine véritable révolution de l'intelligence artificielle viendra de la compréhension du monde, et non de la simple prédiction du mot suivant.
