AMI Labs de Yann LeCun construit le modèle mondial JEPA pour pousser l'IA au-delà des grands modèles de langage

Yann LeCun, lauréat du prix Turing, affirme que les systèmes d'IA les plus célèbres d'aujourd'hui ne constituent pas une voie vers des machines véritablement intelligentes. Dans sa startup basée à Paris, Advanced Machine Intelligence Labs (AMI Labs), l'ancien scientifique en chef de l'IA de Meta construit un type de modèle fondamentalement différent conçu pour comprendre le monde physique comme le peuvent un rat ou un enfant en bas âge.

S'adressant à la BBC en marge de la conférence VivaTech à Paris, LeCun a fait valoir que les grands modèles de langage comme ChatGPT, Claude et Gemini ont de réelles utilisations mais ont un plafond rigide. Pour en savoir plus sur la couverture de l'industrie de l'IA qui façonne la façon dont les chercheurs et les investisseurs envisagent ces limites, le débat plus large sur ce qui vient après l'ère LLM est devenu l'une des questions les plus importantes dans le domaine.

"Nous n'avons pas de robots aussi doués pour comprendre le monde physique qu'un rat", a déclaré LeCun. Il a quitté Meta, propriétaire de Facebook, en 2025 après une décennie en tant que scientifique en chef de l'IA et a fondé AMI Labs pour rechercher une architecture alternative.

Pourquoi LeCun dit que les LLM ne suffisent pas

LeCun soutient que les LLM excellent dans des tâches bien définies et prévisibles telles que le codage, la résolution de problèmes mathématiques et la génération de texte. Mais il affirme que ces atouts masquent une limitation plus profonde : les systèmes manipulent les modèles statistiques plutôt que de raisonner sur la réalité.

"En gros, ils accumulent simplement des connaissances", a-t-il déclaré à propos des LLM. "Ils peuvent régurgiter quelque chose, vous les entraînez à régurgiter, mais ils ne sont pas particulièrement intelligents. Ils n'ont pas de compréhension sous-jacente."

Pour illustrer l'écart, LeCun tient un stylo en équilibre sur sa pointe et lâche prise. Même un tout-petit sait que le stylo va tomber, note-t-il, mais aucun humain n'essaierait de prédire la direction exacte dans laquelle il tombera, car cette issue est véritablement incertaine. Un LLM, en revanche, tenterait de générer une seule prédiction basée sur des modèles présents dans ses données de formation. Cette prédiction serait presque certainement fausse, car le modèle ne raisonne pas sur la situation physique ; cela produit ce qui semble statistiquement plausible.

"Les LLM sont en grande partie sans espoir pour la robotique", a déclaré sans détour LeCun. "Les affirmations selon lesquelles, d'une manière ou d'une autre, en augmentant simplement les LLM, nous allons atteindre une intelligence superhumaine, cela n'arrivera tout simplement pas."

Comment fonctionne JEPA

L’architecture développée par AMI Labs s’appelle Joint Embedding Predictive Architecture (JEPA). Plutôt que de prédire le prochain mot ou pixel, JEPA crée des abstractions du monde réel qui lui permettent d’évaluer les résultats possibles d’une action.

Construire ces abstractions implique des mathématiques complexes, mais le principe est simple : le modèle filtre les détails inutiles, ne laissant que des représentations utiles du monde. Dans l’exemple du stylo, un système basé sur JEPA comprendrait que prédire la direction précise de la chute est inutile et représenterait plutôt la situation au niveau d’abstraction qui compte réellement pour la prise de décision.

Cette approche place AMI Labs dans un mouvement croissant autour de ce que l'on appelle les modèles mondiaux, qui visent à donner aux systèmes d'IA une simulation interne du comportement des environnements, afin qu'ils puissent planifier et agir plutôt que de simplement générer du texte.

Un domaine compétitif

Les investisseurs parient que LeCun a raison. Plus tôt en 2026, AMI Labs a annoncé avoir levé plus d'un milliard de dollars (760 millions de livres sterling) lors d'un cycle de financement d'amorçage, avec des bailleurs de fonds parmi lesquels le géant américain des puces Nvidia et le fonds qui gère la richesse privée du fondateur d'Amazon, Jeff Bezos. Il s’agit de l’un des plus grands tours de table de l’histoire des startups européennes.

AMI Labs est loin d’être seul dans la course. À l'Université d'Oxford, le professeur Ingmar Posner dirige l'Applied AI Lab et dirige une équipe d'environ dix personnes qui a consacré quatre ans à une approche alternative qu'il appelle un « modèle mondial mécaniste », qui structure les connaissances de manière à ce que l'IA puisse les mémoriser, les combiner et les modifier efficacement.

"Mon point de vue est que la prochaine décennie sera vraiment axée sur les systèmes capables d'expliquer", a déclaré Posner à la BBC. "Vous avez besoin de modèles capables de répondre à des questions telles que : Qu'est-ce qui compte ? Qu'est-ce qui cause quoi ? Que se passerait-il si je faisais autre chose ?"

Cette lignée remonte à un article influent de 2018 rédigé par David Ha et Jürgen Schmidhuber, qui affirmait que les progrès en matière de calcul et d'apprentissage automatique pourraient permettre à une IA d'apprendre des tâches uniquement à partir d'une simulation mentale apprise du monde. L'idée a depuis catalysé d'importantes recherches, notamment le modèle mondial Dreamer de Google, dont une variante a appris à collecter des diamants dans Minecraft en imaginant des scénarios futurs. DeepMind d'Alphabet poursuit son travail avec son modèle Genie, Wayve, basé à Londres, dispose d'un système appelé Gaia et le pionnier de l'IA Fei-Fei Li a fondé World Labs à San Francisco en 2023 pour poursuivre des objectifs similaires.

L'impératif de la robotique

La tendance vers des modèles mondiaux est en grande partie motivée par l’industrie de la robotique, qui a investi des milliards de dollars dans des robots humanoïdes dont les prouesses physiques deviennent chaque année plus impressionnantes. Mais former ces machines à effectuer en toute sécurité des tâches ménagères telles que le repassage ou le chargement d’un lave-vaisselle reste difficile et coûteux, et LeCun insiste sur le fait que les modèles d’IA actuels ne seront jamais assez performants pour cet environnement.

LeCun a déclaré qu'AMI Labs passerait le reste de 2026 à affiner son modèle et espère commencer à le déployer dans des environnements industriels en 2027. Si cela s'avère concluant, les ambitions s'élargiront considérablement.

"À terme, nous aurons des sortes de systèmes de renseignement génériques qui pourront être appliqués à presque tout dans le monde avec un minimum de formation ou de réglage précis", a-t-il déclaré.

Quant à ce qu’il adviendra des humains dans cet avenir, LeCun est optimiste. Les gens décideront toujours quoi construire et quelles questions poser, a-t-il déclaré, tandis que l’IA fonctionnera comme un adjoint compétent.

"Notre interaction avec les futurs systèmes d'IA, même s'ils sont plus intelligents que nous, sera comme l'interaction entre un capitaine d'industrie ou un leader politique avec son équipe d'assistants, dont beaucoup sont plus intelligents qu'eux."

Gardez une longueur d'avance sur l'IA

Le passage des modèles linguistiques aux modèles mondiaux pourrait redessiner la carte concurrentielle de l’intelligence artificielle. Suivez les derniers développements de l'IA à mesure qu'ils se déroulent.

Lire plus d'actualités sur l'IA →