Le pari à un milliard de Yann LeCun contre les LLM

Un milliard trente millions de dollars. C'est la somme levée en mars 2026 par AMI Labs, la startup parisienne de Yann LeCun, avant même d'avoir un produit — le plus gros tour d'amorçage de l'histoire européenne, sur une valorisation de 3,5 milliards, avec Bezos Expeditions, NVIDIA, Samsung ou Toyota Ventures au capital. LeCun, Prix Turing et l'un des trois « parrains » du deep learning, avait quitté Meta en novembre 2025 après douze ans comme Chief AI Scientist — on ne dit pas à un chercheur de son calibre ce qu'il doit faire, et certainement pas quand on lui demande de rapporter à un dirigeant de 28 ans sans passé de recherche. Ce milliard finance un pari formulé contre l'industrie entière : la prochaine intelligence artificielle ne prédira pas le mot suivant. Elle imaginera l'état suivant du monde.

Un psychologue mort à 31 ans avait déjà tout dit

L'hypothèse que ce milliard va tester date de 1943. Cette année-là, un jeune psychologue de Cambridge nommé Kenneth Craik publie un petit livre austère, The Nature of Explanation. Il y avance une idée qui paraît alors presque triviale : si un organisme porte dans sa tête un « modèle à petite échelle » de la réalité extérieure, il peut essayer ses actions en pensée avant de les risquer dans le monde. Simuler avant d'agir. Craik meurt deux ans plus tard, renversé par une voiture la veille de ses 31 ans — ironie cruelle pour l'homme qui théorisait l'anticipation. Quatre-vingts ans après, son intuition est devenue le centre de la dispute la plus coûteuse de l'histoire des sciences cognitives.

Le problème du chat

Pour comprendre ce que LeCun reproche aux LLM, oubliez un instant les benchmarks et regardez un chat. Un chat n'a jamais lu Wikipédia. Il possède pourtant une physique intuitive irréprochable : permanence des objets, gravité, trajectoires, conséquences de ses propres mouvements. Il planifie un saut sur une étagère encombrée avec une économie de moyens que n'atteint aucun robot actuel. GPT-5 ou Claude, eux, ont absorbé plus de texte qu'aucun humain n'en lira jamais — et échouent encore à raisonner de manière fiable sur ce qui se passe quand on pose un verre au bord d'une table.

Le diagnostic de LeCun tient en trois points, et il mérite d'être pris au sérieux même si l'on n'en tire pas les mêmes conclusions que lui.

Premier point : prédire les détails est une tâche de Sisyphe. Un modèle génératif entraîné à prédire les pixels d'une vidéo gaspille l'essentiel de sa capacité à modéliser du bruit — la texture d'un tapis, l'agitation des feuilles — sans pertinence pour l'action. Un agent intelligent doit prédire l'essence d'une situation, pas sa surface.

Deuxième point : l'erreur se compose. Dans une génération auto-régressive, chaque token prédit devient l'entrée de la prédiction suivante. Si la probabilité d'erreur à chaque pas est epsilon, la cohérence après T pas décroît exponentiellement. C'est l'origine mathématique de la dérive hallucinatoire, et la raison pour laquelle les LLM peinent à planifier loin.

Troisième point : la corrélation n'est pas la causalité. Un LLM sait que « feu » est statistiquement suivi de « fumée » ; il ne simule pas la combustion. David Hume avait déjà montré au XVIIIe siècle que la simple succession observée ne fonde aucune nécessité causale — les LLM sont, en ce sens, des machines humiennes parfaites : toute la régularité, aucune nécessité. Ce que LeCun veut construire, c'est une machine kantienne : un système qui impose au flux sensoriel des structures — espace, temps, causalité — à travers lesquelles le monde devient prévisible. Kant appelait cela les catégories de l'entendement. LeCun appelle cela un world model. La parenté n'est pas décorative : dans les deux cas, l'idée est que la connaissance ne vient pas des données seules, mais de l'architecture qui les accueille.

JEPA : penser dans l'abstrait, littéralement

L'architecture que LeCun défend depuis son manifeste de 2022 (A Path Towards Autonomous Machine Intelligence) s'appelle JEPA — Joint Embedding Predictive Architecture. Son principe se raconte simplement.

Un modèle génératif classique encode une image, puis la reconstruit pixel par pixel ; son erreur se mesure dans l'espace des données brutes. JEPA supprime le décodeur. Deux encodeurs produisent des représentations abstraites du contexte et de la cible, et un prédicteur apprend à anticiper la seconde à partir de la première — l'erreur se mesure dans l'espace latent, celui des concepts. Si l'encodeur a jugé que la couleur exacte des feuilles ne compte pas, le prédicteur n'est jamais pénalisé pour l'ignorer. L'abstraction n'est plus un sous-produit : c'est l'objectif d'entraînement.

Ce choix a un parfum étonnamment familier pour qui connaît la psychologie de la mémoire. Dès 1932, Frederic Bartlett montrait que nous ne stockons pas nos souvenirs comme des photographies : nous retenons des schémas, et nous reconstruisons les détails — souvent faux — à la demande. Nous ne rêvons pas en 4K. Le cerveau, lui non plus, n'a pas de décodeur pixel. Et la filiation remonte plus loin encore : Hermann von Helmholtz décrivait au XIXe siècle la perception comme une « inférence inconsciente », une hypothèse permanente que le cerveau formule sur les causes de ses sensations. Cette lignée — Helmholtz, Craik, Bartlett — irrigue aujourd'hui les neurosciences sous le nom de predictive processing, chez Karl Friston notamment, dont le principe d'énergie libre ressemble à s'y méprendre au formalisme des energy-based models qui sous-tend JEPA : dans les deux cas, comprendre le monde, c'est minimiser une mesure de surprise. Quand une architecture d'ingénieur et une théorie du cerveau convergent indépendamment vers la même mathématique, il est permis d'y voir autre chose qu'une coïncidence.

Reste un piège technique, dit de l'effondrement : si les encodeurs apprennent à tout représenter par le même vecteur constant, l'erreur de prédiction devient nulle et le modèle parfaitement inutile — l'équivalent machine de l'étudiant qui répond « ça dépend » à toutes les questions. Les parades (encodeur cible mis à jour par moyenne mobile, régularisations de variance à la VICReg) constituent l'essentiel de la cuisine des papiers I-JEPA et V-JEPA.

L'état du pari, à mi-2026

La famille JEPA a cessé d'être une spéculation. V-JEPA 2, publié par Meta en 2025 et entraîné sur plus d'un million d'heures de vidéo, a établi l'état de l'art en compréhension fine du mouvement (77,3 % sur Something-Something v2, le benchmark qui distingue « pousser de gauche à droite » de l'inverse). Surtout, sa variante conditionnée par l'action, V-JEPA 2-AC, affinée sur à peine une soixantaine d'heures de données robotiques, pilote un bras Franka en zero-shot sur des tâches de manipulation — sans fonction de récompense, sans essais-erreurs massifs. Le modèle imagine les conséquences de ses actions dans l'espace latent, évalue, corrige : le Système 2 de Kahneman, version silicium. C'est ce socle qu'AMI Labs — installée à Paris, avec des antennes à New York, Montréal et Singapour — veut pousser vers les drones, la robotique et les machines autonomes.

L'honnêteté oblige à présenter l'autre plateau de la balance. Un papier remarqué de juillet 2025 (Critiques of World Models, Xing et al.) attaque le talon d'Achille de l'approche : sans reconstruction vers les données brutes, qu'est-ce qui garantit que les représentations latentes restent ancrées dans la réalité physique plutôt que de dériver vers des états cohérents pour le modèle mais inexistants dans le monde ? L'hallucination n'est peut-être pas éliminée, seulement déplacée. Et fin 2025, l'équipe même de LeCun documentait le train-test gap de la planification par gradient : un planificateur qui optimise à travers un modèle du monde imparfait se comporte en adversaire, dénichant les séquences d'actions qui trompent le modèle — l'équivalent, pour un robot, de l'élève qui apprend les failles du correcteur plutôt que la matière. Les remèdes proposés (réentraînement en ligne façon DAgger, robustification adversariale) sont prometteurs mais jeunes.

Autrement dit : le pari n'est pas gagné. Il est financé.

Du laboratoire à l'atelier

Je passe mes journées à déployer des agents IA — sur mes propres projets et chez mes clients. Aucun de ces agents n'embarque de JEPA, et aucun n'en embarquera avant des années. Mais le débat LeCun éclaire d'une lumière crue quelque chose que j'observe empiriquement chaque semaine : un agent LLM n'est fiable que dans la mesure où on lui construit un modèle du monde externe.

Quand je conçois un pipeline n8n qui rédige et publie des articles pendant que je dors, tout le travail sérieux consiste à donner à l'agent une structure qui pallie son absence de compréhension : une base Airtable qui fait office de mémoire d'état, des étapes de vérification qui simulent une boucle perception-action, des règles métier dures là où le modèle n'a que des corrélations molles. Je fabrique artisanalement, avec des tables et des workflows, ce que LeCun veut câbler dans l'architecture même du réseau — j'ai d'ailleurs consacré une analyse entière à cette porosité entre architecture de modèle et architecture de système. La leçon vaut pour toute entreprise qui déploie de l'IA aujourd'hui : ne confondez jamais la fluidité verbale d'un système avec sa compréhension de votre réalité. La première est donnée, gratuite, spectaculaire. La seconde se construit — et c'est précisément là que se loge la valeur. Notre métier chez dac. est celui-là : trier ce qui relève du pari de recherche et ce qui est déployable aujourd'hui, sans confondre les deux.

La carte et le territoire

Borges raconte l'histoire d'un empire où la cartographie devint si exacte que la carte finit par avoir la taille de l'empire — parfaite, et parfaitement inutile. Les modèles génératifs qui prédisent chaque pixel courent après cette carte-là. Le pari de LeCun, de Craik et, au fond, de nos propres cerveaux, c'est la carte routière : fausse dans le détail, juste dans la structure, et seule utilisable pour décider où aller.

Pour une entreprise qui investit aujourd'hui dans l'IA, la conséquence est concrète et double. N'attendez pas les modèles du monde pour agir : les LLM actuels, correctement encadrés, produisent déjà de la valeur mesurable. Mais investissez en priorité dans ce qui survivra au verdict du pari, quel qu'il soit : vos données propres, vos règles métier explicites, vos boucles de vérification — et une architecture où le modèle reste une pièce remplaçable, jamais la fondation. Si LeCun a raison, ces fondations accueilleront les modèles du monde le moment venu ; s'il a tort, elles auront entre-temps rendu vos LLM fiables. Le milliard de LeCun teste une hypothèse de 1943. Votre budget, lui, n'a pas besoin d'attendre le résultat.