Yann LeCun contre tout le monde : et si les LLM étaient une impasse ?

Le chercheur qui dit non

Le 19 novembre 2025, Yann LeCun quitte Meta après douze ans passés à la tête de sa recherche en intelligence artificielle. Ce n'est pas un simple changement de poste. C'est la sortie la plus bruyante d'un homme qui répète depuis des années la même phrase dérangeante : les grands modèles de langage, ceux qui font tourner ChatGPT, Claude ou Gemini, ne mèneront jamais à une intelligence de niveau humain. Pire, ils seraient une impasse.

Quatre mois plus tard, LeCun lève 1,03 milliard de dollars pour le prouver. Entre les deux dates, une industrie entière qui a construit sa valorisation sur les LLM regarde, sceptique ou nerveuse. Voici ce qui s'est vraiment passé, ce que LeCun propose à la place, et pourquoi il serait imprudent de trancher trop vite dans un sens ou dans l'autre.

Douze ans chez Meta, une rupture nette

La rupture couve depuis juin 2025. Ce mois-là, Mark Zuckerberg annonce la création de Meta Superintelligence Labs et paie 14,3 milliards de dollars pour prendre une participation de 49 % dans Scale AI, la startup spécialisée dans les données d'entraînement. A sa tête : Alexandr Wang, le fondateur de Scale AI, 28 ans, épaulé par l'ancien patron de GitHub Nat Friedman. La nouvelle organisation éclate la recherche IA de Meta en quatre pôles, dont TBD Lab, confié à Wang, chargé de faire avancer la famille de modèles Llama.

LeCun, chercheur en chef IA de Meta depuis 2013, se retrouve à devoir rendre des comptes à Wang. En octobre 2025, environ 600 postes sont supprimés dans les équipes FAIR et infrastructure IA. LeCun ne cache pas son désaccord : il qualifie Wang de « jeune et inexpérimenté » dans un entretien au Financial Times, et prévient que beaucoup de monde a déjà quitté le navire et que beaucoup d'autres suivront. Le 19 novembre 2025, c'est lui qui part, pour fonder sa propre structure.

« Beaucoup de gens sont déjà partis, beaucoup d'autres qui ne sont pas encore partis vont partir. »

La thèse : un LLM comme sortie de secours

La thèse de LeCun n'est pas nouvelle, mais son départ lui donne un tout autre poids. Dès avril 2024, il la résumait en une phrase restée célèbre : sur le chemin vers une intelligence de niveau humain, un LLM est « une sortie de secours, une distraction, une impasse ». Selon lui, la fluidité du langage produit par ces modèles trompe l'œil : leur compréhension du monde reste superficielle, parce qu'ils apprennent à prédire le mot suivant dans du texte, jamais à observer et anticiper les conséquences d'une action dans le monde physique.

Dans un entretien au New York Times publié le 26 janvier 2026, il va plus loin et parle d'une industrie entière devenue « LLM-pilled », hypnotisée par la capacité de ces modèles à passer à l'échelle. « Les LLM ne sont pas une voie vers la superintelligence, ni même vers une intelligence de niveau humain », affirme-t-il, ajoutant que les systèmes actuels ne peuvent absolument pas planifier ce qu'ils vont faire.

Son alternative porte un nom de code : JEPA, pour Joint Embedding Predictive Architecture. L'idée, développée depuis plusieurs années dans ses publications de recherche, consiste à faire apprendre à un système une représentation abstraite du monde à partir de vidéo et de données sensorielles, plutôt que de texte. Ce système simule mentalement les conséquences de ses actions possibles avant d'agir, au lieu de générer un mot après l'autre. C'est ce que LeCun et une partie du secteur appellent désormais un « world model ».

« Les LLM ne sont pas une voie vers la superintelligence, ni même vers une intelligence de niveau humain. »

Un milliard de dollars pour le prouver

Cette conviction, LeCun la transforme en entreprise. Il fonde AMI Labs, pour Advanced Machine Intelligence Labs, avec Alexandre Le Brun, siège à Paris et bureaux à New York, Montréal et Singapour. Le 9 mars 2026, la jeune pousse annonce avoir bouclé un tour d'amorçage de 1,03 milliard de dollars, à une valorisation pré-money de 3,5 milliards de dollars : le plus gros tour de ce stade jamais réalisé par une startup européenne, selon TechCrunch.

LeCun n'est pas seul sur ce terrain. Google DeepMind a ouvert en janvier 2026 l'accès à Genie 3 aux abonnés de son offre AI Ultra : un générateur de mondes 3D interactifs et photoréalistes, à 24 images par seconde, à partir d'un simple texte ou d'une image. Fei-Fei Li, la chercheuse à l'origine d'ImageNet, a lancé Marble, le premier produit commercial de sa startup World Labs, et négocierait une levée de 500 millions de dollars à une valorisation de 5 milliards de dollars. La startup vidéo Runway a, elle aussi, publié son propre world model. Sur le papier, les world models ne sont plus une idée isolée : c'est devenu une catégorie entière, avec plusieurs milliards de dollars déjà engagés.

• 01AMI Labs : 1,03 milliard de dollars, valorisation pré-money de 3,5 milliards
• 02Investisseurs institutionnels : Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions
• 03Investisseurs individuels : Tim Berners-Lee, Jim Breyer, Mark Cuban, Xavier Niel, Eric Schmidt
• 04World Labs (Fei-Fei Li) : en négociation pour 500 millions de dollars, valorisation 5 milliards

Il n'est pas seul, mais il n'est pas d'accord avec tout le monde

Le scepticisme envers les LLM dépasse même le cercle de LeCun, mais il ne dessine pas un front uni. Ilya Sutskever, cofondateur d'OpenAI parti créer Safe Superintelligence Inc., défend depuis plusieurs mois une lecture proche sur la forme, mais différente sur le fond. Dans un podcast diffusé le 25 novembre 2025, il découpe l'histoire récente de l'IA en trois périodes : de 2012 à 2020, l'âge de la recherche ; de 2020 à 2025, celui du passage à l'échelle. Pour lui, cette deuxième ère touche à sa fin : « l'époque du simplement ajouter des GPU est terminée », dit-il, annonçant un retour à l'âge de la recherche, « mais avec de très gros ordinateurs ».

Sutskever et LeCun partagent donc un même diagnostic, la simple augmentation de la taille des modèles ne suffira plus, sans partager la même ordonnance. Sutskever mise sur une architecture encore tenue secrète chez Safe Superintelligence, sans produit ni date affichée. LeCun mise sur les world models et une architecture publiée dans ses grandes lignes. Sur le calendrier, en revanche, les deux s'accordent sur la prudence : LeCun évoque plusieurs années à une décennie avant des résultats concrets, Sutskever avance une fourchette de cinq à vingt ans. Aucun des deux ne promet de remplaçant aux LLM pour l'année prochaine.

Ce qu'il faut en retenir avant d'y croire

Reste une question simple : faut-il croire LeCun sur parole ? Trois éléments invitent à la prudence, dans les deux sens.

D'abord, les LLM continuent de progresser sur le terrain, malgré la thèse de l'impasse. Les agents construits sur ces modèles codent, naviguent sur des sites et résolvent des tickets clients en conditions réelles. La capacité de ces systèmes à mener seuls une tâche, mesurée par l'organisation indépendante METR, double désormais tous les trois mois environ. Ce n'est pas la preuve que LeCun a tort sur le raisonnement de haut niveau ou la planification, mais c'est un indice qu'impasse ne veut pas dire inutile, ni même stagnant.

Ensuite, l'argent qui afflue vers les world models ne prouve rien en soi. Un milliard de dollars de capital-risque n'a jamais garanti qu'une technologie fonctionne, et l'histoire de l'IA est jonchée de paris financés à des niveaux comparables qui n'ont pas tenu leurs promesses. Ce que ce financement prouve, en revanche, c'est que l'industrie ne considère plus les LLM comme l'unique piste crédible vers une intelligence plus générale : Google DeepMind, Fei-Fei Li et LeCun financent chacun une variante différente du même pari, ce qui ressemble davantage à une couverture de risque collective qu'à un consensus scientifique.

Enfin, la controverse elle-même sert d'argument commercial. Un pari annoncé comme hérétique, porté par un lauréat du prix Turing qui claque la porte d'une des plus grosses entreprises du secteur, se vend mieux auprès des investisseurs qu'un simple prolongement de l'existant. Cela ne rend pas la thèse fausse. Cela veut simplement dire que la meilleure façon de la juger n'est pas l'ampleur de la levée de fonds qui l'accompagne, mais les résultats que JEPA, Genie ou Marble produiront réellement, sur des tâches vérifiables, dans les années qui viennent.