Transcription
Aujourd'hui, nous vivons une époque de profusion technologique. Il ne se passe pas un mois sans qu'une nouvelle version de Chat GPT, de Claude ou de Gemini ne viennent nous arracher un cri d'étonnement. Rendez-vous compte, nous avons désormais des machines capables de réussir l'examen du barreau, de diagnostiquer des pathologies rares que des médecins chevronnés ont manqué ou de rédiger des poèmes à la manière de Baudelaire en moins de 3 secondes.
Pour beaucoup, nous avons donc atteint le sommet. Nous avons créé l'intelligence. Mais ne serions-nous pas en train de confondre la carte avec le territoire ? Que ces modèles donnent l'illusion de comprendre le monde alors qu'ils ne manipulent en réalité que des représentations de ce monde ?
Le vrai problème, celui qui empêche Yann LeCun, l'un des trois pères fondateurs du deep learning, de dormir, c'est le paradoxe de Moravec. Les tâches qui nous paraissent intellectuellement complexes sont souvent plus faciles à reproduire pour une machine que celles qui nous semblent intuitives et évidentes. Par exemple, pourquoi un enfant de 24 mois qui ne sait pas encore aligner correctement une phrase arrive à comprendre la gravité après avoir jeté sa cuillère par terre trois fois, alors qu'un LLM a besoin de digérer l'intégralité de l'internet, des pétaoctets, péniblement, une conversation sur la physique ? J'exagère, mais c'est ça le principe du paradoxe de Moravec. Donc, si vous interrogez Chat GPT sur une situation physique comme une tasse de café en équilibre sur le rebord d'une table, il va vous répondre avec brio en citant Newton et les lois de la gravité. Mais ne vous y trompez pas, l'IA ne calcule pas la chute. Elle récite le script de la chute.
Aujourd'hui, l'industrie fait un pari très coûteux en ressources. Si l'on ajoute assez de données, assez de GPU et assez de textes, la compréhension du monde finira par émerger de la manipulation des mots. Alors, on assiste à une course au MAW et maintenant au GigaW pour faire les plus gros data centers possibles. Yann LeCun, lui, dit que c'est une impasse. Même quand il était chez Meta, il déclarait à qui voulait l'entendre que le modèle des LLM ne l'intéressait plus vraiment. Selon lui, nous essayons d'apprendre à quelqu'un à piloter un avion en lui faisant lire des millions de manuels de vol sans jamais le laisser toucher un cockpit.
En conséquence de quoi, il opte pour une thèse pour le moins singulière qui va à contre-courant de tout ce que font Google, Microsoft ou OpenAI. L'intelligence n'est pas la maîtrise du langage, c'est la maîtrise de la causalité. Comprendre le monde, ce n'est pas prédire le mot suivant dans une phrase, c'est être capable de simuler dans sa tête ce qui va se passer. Si je pousse, si je tourne ou si je lâche, quelles seront les conséquences ? Il parle d'IA qui disposerait de ce qu'il appelle un modèle du monde. Et vous allez voir que pour accomplir ce miracle, LeCun n'a pas eu besoin de supercalculateurs à un milliard de dollars pour faire la preuve de concept, mais d'une intuition mathématique dont la promesse est de renvoyer nos LLM modernes au musée de la préhistoire algorithmique.
Pour comprendre pourquoi il fait ces assertions, il faut d'abord comprendre comment fonctionnent les IA que vous utilisez tous les jours. Que ce soit Chat GPT, Claude ou Gemini, la logique est la même. C'est ce que l'on appelle des modèles autorégressifs. Autrement dit, même si les techniques ont beaucoup évolué, le principe de base, c'est la prédiction du prochain token de manière probabiliste. Certes, l'IA a dépassé le stade de la simple probabilité statistique pour simuler une forme de réflexion logique, mais le problème, c'est qu'en restant à la surface des mots, l'IA ne touche jamais la structure du monde. Pour elle, le concept de pomme n'est qu'un vecteur mathématique entouré d'autres vecteurs comme rouge, fruits ou Newton. Mais elle n'a aucune idée de ce qu'est la masse d'une pomme, de sa texture sous la dent ou de la façon dont elle rebondit sur le sol.
C'est précisément pour cela que les IA hallucinent. Vous avez sans doute déjà vu ces erreurs absurdes où une IA invente une source historique ou vous affirme avec aplomb qu'un kilo de plumes est plus lourd qu'un kilo de plomb. Alors, pour beaucoup, c'est un bug qui se règle de version en version. Mais ce n'est pas si simple que ça. Comme le modèle n'a pas de fondation physique, pas de modèle interne de la réalité pour vérifier ses dires, il est condamné à inventer des faits en permanence. Une IA générative, par définition, ne fait que générer. Et en réalité, ce problème dépasse largement l'IA. Il touche au langage lui-même.
Face à ça, la réponse de la Silicon Valley a été simple : "More is different." Plus de données, plus de serveurs et plus de paramètres. Encore une fois, on ne peut pas dire que cela ne marche pas car ce que l'on appelle les scaling laws, à savoir les courbes de progression à chaque itération, sont bien là, elles fonctionnent et elles délivrent. Mais le problème, c'est quand même la débauche de moyens pour y arriver, au point qu'un certain Elon Musk veut mettre des gigawatts en orbite autour de la Terre. Mais pour LeCun, ça ne marchera pas comme ça éternellement. Vous en conviendrez, on ne peut pas apprendre à conduire en lisant le bouquin de l'auto-école à l'infini. À un moment donné, il faut ressentir l'embrayage, comprendre l'inertie de la voiture, anticiper le mouvement du piéton sur le trottoir. Bref, des informations qui n'existent pas dans le texte mais dans la physique.
LeCun nous affirme que si nous voulons des robots qui rangent notre maison sans tout casser ou des voitures autonomes à qui l'on peut à peu près confier sa vie et la vie de nos enfants, nous devons changer de moteur. Nous devons passer à l'IA qui imite, à l'IA qui simule. Face à l'impasse des modèles de langage, Yann LeCun ne propose pas d'ajouter des serveurs, il propose de changer de philosophie.
Alors, avant d'aller plus loin, il faut d'abord situer le bonhomme. Déjà, Turing Award. Alors, pour ceux qui ne connaissent pas, on dit souvent que c'est l'équivalent du prix Nobel en informatique. Ancien chef de la recherche IA chez Meta pendant 12 ans et surtout, c'est un pionnier de l'IA car dans les années 80, il a été l'un des grands artisans de la révolution des réseaux de neurones convolutionnels qui ont été les premiers algorithmes IA réellement capables de quelque chose et que l'on utilise encore aujourd'hui. Et je passe sur le reste de son œuvre car cela prendrait trop de temps à décrire et expliquer car c'est quand même bien technique. Donc, bon, le gars à 65 ans n'est clairement pas un lapin de six semaines. Il a passé les 40 dernières années à essayer de reproduire informatiquement les mécanismes du cerveau biologique. Et conclusion, pour lui, l'IA doit cesser d'être une encyclopédie pour devenir un simulateur mental.
Aujourd'hui, quand vous voyez une IA comme Sora générer une vidéo, vous avez l'impression qu'elle comprend la physique tellement c'est bien fait. Mais en réalité, elle recompose la scène à partir de blocs d'images sans réellement comprendre les lois de la physique qui s'appliquent derrière. C'est précisément la limite pointée par LeCun. Imaginez un ballon qui rebondit. Un modèle génératif tente de reconstruire la scène morceau par morceau, image par image, comme s'il devait recréer toute la scène en permanence. Une dépense d'énergie colossale pour un résultat souvent instable car le monde est trop complexe pour être reconstruit image par image. Pour vous dire, ce que vous voyez inonder les réseaux sociaux sur TikTok, par exemple, est impressionnant, mais ce que vous ne savez pas, c'est que souvent, il a fallu de nombreuses itérations pour arriver à produire le rendu final qui colle toujours et parfaitement à la physique, sans qu'il y ait des rebonds bizarres ou des choses qui ne cliquent pas comme elles devraient.
La vision de LeCun, c'est de ne plus reconstruire image après image, mais de comprendre la règle derrière le mouvement. Un ballon tombe, rebondit puis ralentit. OK, c'est la transition de la génération vers la prédiction. Et j'avoue que l'idée est très excitante. Le cœur technique de cette révolution s'appelle JP (Joint and Embedding Predictive Architecture). Architecture prédictive à plongement conjoint en français. Bah, je sais que là, ça vous avance pas plus que ça une fois qu'on l'a dit en français. L'idée est d'arrêter de prédire les pixels ou les mots. À la place, le modèle apprend à projeter la réalité dans ce que l'on appelle un espace latent. Disons qu'un espace latent est un monde des concepts. On ne dessine pas la balle qui tombe. On calcule la trajectoire de l'objet. En travaillant sur des embeddings, des représentations mathématiques abstraites plutôt que sur des données brutes, l'IA de LeCun gagne une efficacité phénoménale. Elle ne s'encombre plus du détail, elle saisit l'essence.
En apprenant dans cet espace latent, le modèle développe une forme d'abstraction stratégique. Dans une vidéo d'une rue passante, un modèle classique s'épuise à calculer le mouvement de chaque feuille d'arbre, le reflet du soleil sur une flaque d'eau, et cetera. C'est ce que l'on appelle du bruit, pourtant, des informations inutiles pour la prise de décision globale. L'architecture JP, elle, apprend à filtrer le bruit pour ne garder que les variables qui comptent pour l'action. La voiture qui débouche à gauche, le piéton qui hésite, le feu qui passe au rouge. OK, c'est exactement ce que fait votre cerveau. Quand vous traversez la rue, vous ne calculez pas la position de chaque molécule d'air. Vous simulez les trajectoires critiques. LeCun veut donner à l'IA la capacité de faire ce tri. En quittant la dictature du pixel, il lui permet enfin de se concentrer sur la causalité. Il commence à disposer d'un simulateur interne capable de tester des hypothèses. Si je fais ceci, il va probablement se passer ça.
Mais une théorie, aussi brillante soit-elle, reste une théorie. Et pour valider cette vision, il fallait une preuve. Cette vision n'est plus une simple intuition académique. En mars 2026, sa start-up parisienne a levé plus d'un milliard de dollars sur une valorisation de 3,5 milliards pour développer des IA capables de comprendre le monde physique, de raisonner, de planifier et de mémoriser sur le long terme. Autrement dit, on n'est plus face à une hypothèse de chercheur mais à un véritable pari industriel. Cette preuve, c'est le World Model, et vous allez voir que ses performances remettent en question tout ce que nous pensions savoir sur la puissance nécessaire pour créer une intelligence. Attention, toutefois, on parle ici d'une preuve de concept extrêmement prometteuse, pas encore d'un cerveau artificiel généraliste prêt à piloter le monde réel demain matin.
Cette vision d'une physique qui le martèle depuis des années, mais jusqu'ici, elle restait difficile à concrétiser. Les premières approches se heurtaient à des défis techniques majeurs qui limitaient leur efficacité. L'un des principaux problèmes, c'est ce que les chercheurs appellent l'effondrement de la représentation. Dites-vous que l'IA est une tricheuse par nature. Pour minimiser ses erreurs, elle peut trouver un raccourci mathématique : représenter tous les objets de la même manière. Un ballon qui tombe ou une voiture qui passe finissent codés de la même façon. Résultat, une prédiction parfaite sur le papier, mais une compréhension nulle de la réalité. Pour empêcher cette triche, l'équipe de LeCun a introduit une innovation majeure dans ce papier de mars 2026 : le "Creeg Sketch Isotropic GAN regularizer". Bon, pour être précis, le "Creeg Sketch" existait déjà depuis la fin de l'année dernière, mais pour la première fois, il est intégré dans une architecture simple qui fonctionne de bout en bout. Rassurez-vous, derrière ce terme horrible, l'idée est simple : forcer l'IA à rester honnête. Concrètement, le CG impose des contraintes sur l'espace latent pour éviter que toutes les représentations s'effondrent en un seul point. Imaginez que l'IA doive classer des objets. Sans contrainte, elle peut tout mettre dans la même catégorie pour aller plus vite. Si on l'en empêche, elle est obligée de faire des distinctions. Et pour faire des distinctions, elle doit comprendre ce qu'elle voit, ce qui la pousse à capturer les nuances de la physique.
Mais là où le World Model se différencie davantage, c'est dans les chiffres. À l'heure où l'industrie construit des infrastructures pensées pour des LLM à l'échelle du trillion de paramètres, le World Model n'en utilise que 15 millions. Et en plus, le modèle ne tourne pas sur un cluster de serveurs à un milliard de dollars. Il s'entraîne sur un seul GPU en seulement quelques heures. Oui, on parle d'un petit modèle qui utilise environ 200 fois moins de tokens, tout en se montrant 48 fois plus rapide pour planifier une action physique que les architectures génératives actuelles.
Enfin, la manière dont ce modèle apprend est révolutionnaire. Il ne lit pas Wikipédia, on ne lui donne pas de petites images avec des étiquettes. Non, le World Model apprend comme, quelque part, un bébé. On lui montre des vidéos brutes de pixels. Il observe, essaie de prédire l'image suivante dans son espace latent. Donc, en projetant des règles, il se trompe et il ajuste son modèle interne. C'est de l'apprentissage auto-supervisé. En quelques heures d'entraînement sur un simple ordinateur, le modèle finit par sembler déduire des lois de la physique de ce qu'il observe. Il comprend qu'un objet ne peut pas traverser un mur, qu'une balle doit rebondir et que la gravité est une constante. On ne lui a pas appris la physique, il la découvre par l'observation.
Et là, c'est toute la différence avec les systèmes de Tesla pour ses voitures autonomes. Aujourd'hui, une Tesla s'appuie sur d'immenses volumes de vidéos réels pour apprendre à percevoir et anticiper le monde routier. La promesse du World Model de LeCun est différente. Au lieu d'apprendre par accumulation de cas, il cherche à apprendre directement les dynamiques du monde physique. Le système ne se contente plus d'imiter. Il tente de modéliser les interactions entre les objets. Nous commençons donc à voir émerger des systèmes capables de simuler le monde de manière stable, légère et rapide. Et donc, après s'être demandé si ça pouvait marcher, désormais, il faut se demander ce que nous allons bien pouvoir en faire.
Si le World Model provoque une telle onde de choc, ce n'est pas seulement parce qu'il est plus petit ou plus rapide, c'est parce qu'il change la nature même de ce qu'un ordinateur peut faire. Rendez-vous compte qu'on est à deux doigts de passer d'une IA qui réagit à une IA qui anticipe. Pour bien comprendre, regardez la différence entre un champion de tennis et un type qui débute. Le débutant court après la balle, il réagit à l'impact. Le champion, lui, a déjà simulé la trajectoire avant même que la raquette adverse ne touche la balle. Les LLM classiques sont plutôt du type débutant. Ils réagissent au token précédent pour deviner le suivant. Ils sont bloqués dans un présent perpétuel. Un World Model, lui, regarde les secondes à venir. Il projette constamment des scénarios dans son simulateur interne.
Dans l'architecture de LeCun, le modèle ne se jette pas sur la première action venue. Il utilise son espace latent comme terrain d'entraînement virtuel. Avant de bouger un bras articulé ou de tourner un volant, l'IA teste mentalement des milliers d'actions. Elle évalue le coût de chaque scénario. Si je tourne trop vite ici, la voiture va déraper. Si je serre ce verre trop fort, il va se briser. C'est une simulation interne de la causalité. L'IA ne tâtonne plus dans le réel. Elle exécute la solution qu'elle a déjà validée dans sa propre imagination physique.
Ce changement de moteur promet de radicalement transformer au moins deux piliers que vous connaissez toutes et tous bien. Premièrement, la robotique. Aujourd'hui, programmer un robot pour ranger un lave-vaisselle est un cauchemar parce que le moindre changement de position d'une assiette peut faire bugger le système. Avec le World Model, le robot pourrait développer une forme d'intuition physique. Il comprendrait la fragilité, le poids et l'équilibre. Deuxièmement, et ce sont les voitures autonomes. Actuellement, une Tesla ou une Waymo combine déjà perception, prédiction et planification, mais elle reste limitée sur l'anticipation robuste des futurs possibles. Le modèle de LeCun vise à aller plus loin : comprendre les trajectoires et anticiper les événements. Si un ballon roule sur la route, l'IA pourrait inférer qu'un enfant risque de suivre sans attendre de le voir.
Je pourrais aller plus loin en vous parlant des gains immenses pour les agents IA qui pourraient précisément concevoir les répercussions tertiaires d'une action prédéterminée sur un temps long. Mais vous avez compris l'idée. Alors, dans ce cas, pourquoi est-ce que LeCun a levé un milliard de dollars si son modèle est immensément moins gourmand que nos LLM favoris ? Eh bien, ce n'est pas parce qu'il est moins gourmand qu'il n'aura pas besoin d'immensément de données, et là, il va bien falloir les acquérir ces données. Déjà, de plus, cet article se base sur un World Model de 15 millions de paramètres, donc tout petit pour faire une première preuve qui sert à démontrer la puissance du concept et qui va servir à lever bien plus d'argent derrière car il faudra tout de même des data centers géants à AMI pour développer ses solutions sur des modèles plus grands et à plus large échelle.
En fait, dans l'idéal, la stratégie est la suivante : devenir un standard mondial pour renverser la table en publiant le code de "Creeg Sketch". Le but est d'inciter tous les acteurs à abandonner les LLM. Déjà, premier effet qui cool, le monde admettra qu'il avait raison, et ça fait toujours plaisir. Deuxièmement, il devra produire des licences industrielles car AMI devrait rester à la pointe du développement de ces technologies. Bon, c'est là que je suis un peu plus dubitatif car s'il trouve réellement une nouvelle voie, je ne vois pas ce qui empêcherait les Chinois, les Américains et les autres de repartir avec ce nouveau postulat sur leur propre base plutôt que de lui laisser la courtoisie de rester devant. Alors oui, ça s'est déjà vu dans le logiciel, mais là, on parle de la course mondiale. On verra bien. C'est pour ça que, pour ma part, d'un point de vue business, je valorise plutôt l'infrastructure IA plutôt que le développement des algorithmes. Les barrières à la concurrence sont plus tangibles avec l'infra car copier des gigawatts, c'est pas la même chose que télécharger un nouveau modèle open source.
En tout cas, la course promet d'être passionnante et on va suivre ces évolutions de très près sur Grand Angoulême. Le tour de force de LeCun, c'est de commencer à démontrer que l'intelligence n'est pas qu'une question de gigantisme. Bien sûr, le gigantisme est nécessaire, mais on peut probablement faire un saut qualitatif en travaillant sur la connexion avec le réel. Et si cette vision l'emporte, le futur de l'IA ne s'écrira plus dans des interfaces textuelles, mais dans la manière dont les machines interagissent, enfin intelligemment, avec notre monde.
En parlant d'infrastructure, Elon Musk nous promet de marginaliser toute l'infrastructure mondiale en déplaçant ses data centers dans l'espace. Rien que ça. Allez voir cette vidéo si vous voulez comprendre en quoi le projet Terraforming pourrait bien changer le monde, et même l'univers, selon Musk.