Yann LeCun et AMI : l’autre voie de l’intelligence artificielle
Alors que l’industrie de l’intelligence artificielle accélère encore la course aux modèles géants, une voix dissonante continue de se faire entendre dans le secteur. Celle de Yann LeCun, l’un des chercheurs les plus influents du domaine, qui défend depuis plusieurs années une approche très différente de celle adoptée par les principaux acteurs de l’IA générative.
Depuis l’émergence de ChatGPT et des grands modèles de langage, le secteur technologique semble suivre une trajectoire relativement claire : entraîner des systèmes toujours plus vastes, alimentés par davantage de données et de puissance de calcul. OpenAI, Google, Meta ou Anthropic investissent des milliards de dollars dans cette stratégie, convaincus que l’augmentation de l’échelle permettra d’approcher des formes d’intelligence de plus en plus avancées.
Mais pour Yann LeCun, cette logique pourrait rapidement montrer ses limites.
Une figure historique de l’intelligence artificielle
Le chercheur franco-américain n’est pas qu’un observateur du phénomène ; il fait partie des scientifiques qui ont largement contribué à construire les bases de l’intelligence artificielle moderne.
Dès les années 1990, ses travaux sur les réseaux de neurones convolutifs participent aux premières avancées majeures en reconnaissance d’images – technologies aujourd’hui au cœur de nombreux systèmes utilisés dans les smartphones, les véhicules autonomes ou encore la robotique…
En 2018, Yann LeCun reçoit le prix Turing, souvent présenté comme l’équivalent du prix Nobel en informatique, aux côtés de Geoffrey Hinton et Yoshua Bengio. Pendant plus d’une décennie, il dirige également FAIR, le laboratoire de recherche en intelligence artificielle de Meta.
Mais ces dernières années, son discours prend une dimension plus critique.
Là où une partie du secteur voit dans les grands modèles de langage le chemin naturel vers une intelligence artificielle générale, LeCun considère que cette approche reste fondamentalement incomplète.
Des systèmes impressionnants, mais encore limités
Les modèles actuels de type LLM impressionnent par leur capacité à produire du texte, résumer des documents, écrire du code ou converser de manière fluide. Leur progression rapide alimente l’idée d’une intelligence artificielle de plus en plus proche du raisonnement humain.
Pour Yann LeCun, cette impression reste toutefois trompeuse.
Selon lui, ces systèmes manipulent avant tout des corrélations statistiques dans le langage ; ils prédisent le mot suivant avec une efficacité croissante, mais sans véritable compréhension du monde physique qui les entoure.
Cette limite apparaît notamment dans certaines erreurs de raisonnement, dans les difficultés liées au bon sens ou encore dans la compréhension des interactions concrètes entre objets et environnements.
Le chercheur résume régulièrement cette idée par une formule devenue centrale dans son discours : « Le langage n’est qu’une petite partie de l’intelligence humaine. »
Autrement dit, maîtriser la conversation ne signifie pas nécessairement comprendre la réalité.
AMI, une tentative de changement de paradigme
C’est dans cette logique qu’a été lancée, en mars 2026, la startup AMI, pour Advanced Machine Intelligence.
Le projet a immédiatement attiré l’attention du secteur technologique. L’entreprise a levé plus d’un milliard de dollars et réuni plusieurs investisseurs de premier plan. Mais au-delà de son financement, c’est surtout son ambition scientifique qui distingue l’initiative.
AMI ne cherche pas simplement à construire un modèle plus performant que les précédents. L’objectif affiché est de repenser la manière dont une intelligence artificielle apprend et interagit avec son environnement.
Pour Yann LeCun, l’enjeu n’est plus seulement d’augmenter la taille des modèles ou la quantité de données utilisées. Il s’agit désormais de développer des systèmes capables de construire une représentation cohérente du monde réel.
Les “world models”, au cœur de cette approche
Cette vision repose sur ce que les chercheurs appellent des « world models », ou modèles du monde.
L’idée consiste à permettre à une intelligence artificielle d’apprendre non seulement à manipuler du langage, mais aussi à comprendre les relations de cause à effet, les lois physiques ou encore le comportement des objets dans un environnement donné.
Dans cette approche, une machine ne se contente plus de décrire une situation. Elle tente d’anticiper ce qui pourrait se produire.
La différence est importante : un système fondé uniquement sur le langage peut expliquer qu’une balle tombe, tandis qu’un modèle du monde cherche à comprendre pourquoi elle tombe et à prévoir sa trajectoire dans différents contextes.
Cette capacité d’anticipation est considérée par Yann LeCun comme une étape indispensable vers des formes d’intelligence artificielle plus robustes, capables d’interagir avec le monde physique, notamment dans la robotique ou les systèmes autonomes.
Une bifurcation possible pour l’IA
L’essor de l’IA générative a profondément transformé le secteur technologique en quelques années. Mais pour certains chercheurs, cette phase pourrait ne représenter qu’une étape intermédiaire.
Avec AMI, Yann LeCun défend l’idée qu’une autre trajectoire reste possible : celle d’une intelligence artificielle moins centrée sur la simple génération de contenu et davantage orientée vers la compréhension, le raisonnement et l’apprentissage du réel.
Il est encore trop tôt pour savoir si cette approche s’imposera face à la dynamique actuelle des grands modèles de langage. Mais elle révèle une fracture intellectuelle de plus en plus visible dans le monde de l’IA : faut-il continuer à agrandir les modèles existants, ou changer plus profondément leur architecture et leur manière d’apprendre ?
Au-delà des performances observées ces dernières années, cette question pourrait devenir l’un des grands débats technologiques de la prochaine décennie.
C’est précisément dans cette perspective que s’inscrit le travail de La Maison de l’IA : rendre ces évolutions compréhensibles, mettre en lumière les différentes visions qui traversent le secteur et permettre au plus grand nombre d’appréhender les transformations à venir.
Car derrière la compétition entre modèles et entreprises, une interrogation plus fondamentale commence à émerger : une intelligence artificielle performante suffit-elle, ou faudra-t-il demain des systèmes capables de véritablement comprendre le monde dans lequel ils évoluent ?
Pour aller plus loin : la conférence de Yann LeCun, Université de Washington « Objective-Driven AI: Towards Machines that can Learn, Reason, and Plan »
Walid NAIJI – Chargé de médiation et de projets IA à La Maison de l’IA