Yann LeCun et AMI : le pari d’une IA qui comprend le réel

Yann LeCun, AMI et le pari qui peut faire basculer l’IA dans une autre ère

Yann LeCun n’essaie pas de lancer un chatbot de plus. Avec sa nouvelle startup, Advanced Machine Intelligence (AMI), il veut bâtir une IA capable de comprendre le monde physique, de mémoriser, de raisonner, de planifier et d’agir sous contraintes de sécurité. La société, basée à Paris, vient de lever 1,03 milliard de dollars sur une valorisation pre-money de 3,5 milliards, l’une des plus grosses levées seed jamais vues en Europe. 

Qui est Yann LeCun ?

Yann LeCun n’est pas un entrepreneur opportuniste arrivé avec la vague ChatGPT]. C’est l’un des architectes historiques de l’IA moderne. Né en 1960 en France, formé à l’ESIEE Paris puis docteur en informatique à l’Université Pierre-et-Marie-Curie, il passe par Bell Labs où il contribue à rendre les réseaux convolutifs centraux pour la vision par ordinateur. Il poursuit ensuite sa carrière à New York University, tout en fondant en 2013 le laboratoire FAIR de Facebook, devenu l’un des pôles de recherche les plus influents du secteur. En 2018, il reçoit le prix Turing pour ses percées conceptuelles et techniques qui ont rendu les réseaux profonds incontournables en informatique. 

Autrement dit, LeCun ne vend pas une promesse marketing. Il arrive avec une légitimité scientifique rare, une capacité à attirer des chercheurs de très haut niveau et, surtout, une vision de long terme qu’il défend depuis des années : selon lui, l’IA ne deviendra pas réellement robuste en se contentant de prédire le prochain mot. Elle doit apprendre des modèles du monde. 

Ce qu’est AMI, concrètement

AMI, pour Advanced Machine Intelligence, se présente comme un laboratoire et une entreprise de deeptech opérant dès le départ entre Paris, New York, Montréal et Singapour. La startup réunit autour de LeCun plusieurs profils de haut niveau, dont Alexandre LeBrun comme CEO, Saining Xie comme Chief Science Officer, ainsi que d’anciens cadres et chercheurs liés à Meta et à la recherche avancée en IA. 

La société affirme vouloir développer une nouvelle génération de systèmes capables de comprendre le réel, de garder une mémoire persistante, de raisonner, de planifier, et d’être contrôlables et sûrs. Ce positionnement est central : AMI ne se vend pas comme une couche d’interface conversationnelle, mais comme une infrastructure cognitive pour des environnements complexes, physiques, industriels et à haut enjeu. 

Le cœur de sa thèse : l’intelligence ne commence pas dans le langage

La rupture stratégique de LeCun est là. Là où la majorité du marché a concentré ses capitaux sur les LLM, AMI part du postulat que le langage ne suffit pas à produire une intelligence générale fiable. Sur son site, la startup explique que les données du monde réel sont continues, bruitées, multidimensionnelles et souvent imprévisibles, et que les approches purement génératives ne sont pas adaptées à tout ce qui relève du réel physique. WIRED résume la position de LeCun ainsi : pour lui, la voie vers une IA de niveau humain passe par la compréhension du monde physique, pas par l’extension infinie des modèles de langage. 

C’est un point capital. Le problème que vise AMI n’est pas “comment mieux parler”, mais comment mieux anticiper, décider et agir. En pratique, cela ouvre la porte à des systèmes capables de prédire les conséquences d’une action, d’évaluer plusieurs scénarios, puis de choisir une séquence d’actions compatible avec des garde-fous de sécurité. C’est une IA moins “rhétorique” et davantage “opérationnelle”. 

La base scientifique : les world models et l’approche JEPA

AMI s’inscrit dans la continuité des travaux défendus par LeCun autour des world models et des architectures JEPA. L’idée n’est pas de reconstruire chaque pixel du futur, mais d’apprendre des représentations abstraites de la réalité pour prédire ce qui compte vraiment et ignorer les détails imprévisibles. C’est précisément ce que décrit AMI : apprendre sur des capteurs du monde réel, faire des prédictions dans l’espace des représentations, puis conditionner ces modèles par l’action pour permettre la planification. 

Cette approche n’est pas juste théorique. Le papier V-JEPA 2, co-signé notamment par Yann LeCun et Michael Rabbat, explique qu’un modèle entraîné sur plus d’un million d’heures de vidéo, puis ajusté avec une faible quantité de données d’interaction robotique, peut servir à comprendre, prédire et planifier dans le monde physique. L’équipe rapporte aussi des déploiements zero-shot sur des bras robotiques Franka pour des tâches de manipulation sans collecte de données spécifique à l’environnement. Cela ne prouve pas encore une révolution industrielle à grande échelle, mais cela donne à AMI un socle scientifique crédible. 

Quel est son business model ?

À ce stade, AMI n’a pas publié de catalogue produit, ni de tarification publique détaillée. Ce qui est visible, en revanche, est déjà très clair : le modèle de départ est B2B deeptech. Reuters indique que les clients visés à court terme sont les organisations qui opèrent des systèmes complexes : industrie manufacturière, automobile, aéronautique, biomédical, pharmacie. Le site d’AMI ajoute l’automatisation, les wearables, la robotique et la santé. 

Là où beaucoup de startups IA vendent un gain de productivité générique, AMI vise des cas où la fiabilité, la contrôlabilité et la sécurité créent de la valeur économique directe. LeCun a donné à WIRED un exemple parlant : construire un modèle du monde d’un moteur d’avion pour aider un industriel à améliorer l’efficacité, réduire les émissions ou sécuriser la fiabilité. C’est une logique de revenu beaucoup plus proche d’une plateforme de décision industrielle que d’un simple assistant conversationnel. 

Mon analyse est la suivante : si l’on extrapole à partir des informations publiques, AMI peut évoluer vers un mix de licences enterprise, de co-développement vertical, de déploiements chez le client, de modèles accessibles par API et d’une couche open source servant à diffuser le standard technologique. Cette partie reste une projection, pas une annonce officielle, mais elle est cohérente avec le type de clients ciblés, la nature de la techno, et la volonté affichée d’ouvrir une partie du travail à la communauté scientifique. 

Son utilité publique potentielle

Parler d’“utilité publique” ici ne veut pas dire statut juridique. Cela veut dire impact sociétal concret. Et sur ce point, le potentiel est réel. Si AMI réussit, ses modèles pourraient améliorer la qualité du contrôle industriel, la sécurité de systèmes complexes, l’automatisation en environnement réel, certains usages en santé, la robotique d’assistance, voire des dispositifs portables capables de comprendre le contexte physique avec plus de finesse qu’aujourd’hui. Les secteurs cités par l’entreprise et par Reuters vont tous dans ce sens. 

Il y a aussi un second levier d’intérêt public : l’ouverture. AMI dit vouloir travailler avec la recherche académique via des publications ouvertes et de l’open source. WIRED rapporte que LeCun défend cette ligne parce qu’il considère l’IA trop puissante pour être enfermée par une seule entreprise privée. Dans son esprit, la sécurité ne passe pas seulement par des garde-fous techniques, mais aussi par une gouvernance plus distribuée de la connaissance. 

Mais il faut rester lucide. Une IA plus capable dans le monde physique n’est pas automatiquement bénéfique. LeCun lui-même reconnaît dans WIRED que les technologies qu’il a aidé à faire émerger peuvent être utilisées aussi bien pour des usages utiles que pour la surveillance ou des applications militaires. Donc l’utilité publique d’AMI dépendra autant de sa technologie que de son cadre d’usage, des régulations et des choix politiques qui l’entoureront. 

Ce que cette startup peut changer dans le monde

Le vrai enjeu d’AMI est simple : déplacer le centre de gravité de l’IA. Aujourd’hui, le marché est dominé par des systèmes nativement textuels. Demain, AMI veut pousser une IA nativement ancrée dans le réel. Si cette approche fonctionne à grande échelle, l’impact peut être majeur : robots domestiques plus utiles, systèmes industriels plus autonomes, assistants embarqués plus contextuels, interfaces portables capables de comprendre une scène plutôt que seulement de commenter un texte. Reuters cite déjà deux pistes consumer potentielles évoquées par LeCun : le robot domestique et, à plus court terme, une intégration possible à des lunettes intelligentes de Meta. 

C’est précisément pour cela que ce projet compte. Il ne cherche pas à optimiser l’IA telle qu’on la connaît. Il cherche à changer la définition du produit IA dominant. Et c’est là que le pari devient historique : si AMI gagne, le futur de l’intelligence artificielle ressemblera moins à une fenêtre de chat et davantage à une couche cognitive branchée sur des capteurs, des machines, des objets et des environnements réels. 

Verdict

Mon avis est net : AMI est l’un des paris les plus sérieux et les plus ambitieux du moment. Pas parce que la levée est énorme, mais parce que le problème visé est le bon. Les LLM ont ouvert un marché colossal, mais ils n’ont pas résolu la compréhension profonde du monde, la mémoire durable, la planification robuste ni la sécurité dans l’action physique. C’est précisément la faille qu’AMI attaque. 

La réserve, elle aussi, doit être nette. Rien n’est encore prouvé à l’échelle industrielle globale. Aujourd’hui, AMI a une thèse forte, des chercheurs de haut niveau, une levée hors norme et un cap cohérent. Ce n’est pas encore une révolution déployée ; c’est une révolution en construction. Mais si elle se matérialise, elle peut effectivement changer l’IA telle que nous la connaissons, en la faisant passer d’un outil de génération à un système de compréhension et d’action dans le monde réel.