Marc Rameaux, spécialiste de l’IA et contributeur régulier de The European Scientist, voit en Yann Le Cun le David Hume de notre temps. Retraçant l’itinéraire du pionnier des réseaux de neurones convolutifs, des Bell Labs à Meta puis à Advanced Machine Intelligence Labs, il montre comment son empirisme l’a conduit à pointer les limites des grands modèles de langage et à défendre les « world models ». Il y voit aussi une voie pour enseigner l’éthique aux machines, plutôt que de s’en remettre à la seule régulation.
Le terme de « Visionnaire » est trop souvent rebattu et employé dans des versions stéréotypées de la communication d’entreprise. Dommage, car ce terme désigne quelque chose de bien plus profond lorsqu’il est employé à bon escient. Et si l’un des experts du paysage actuel de l’IA le mérite, c’est bien Yann Le Cun. Être visionnaire ne consiste pas à annoncer des prévisions sur le futur, ni même à le faire avec succès parce que l’on possède une bonne intuition. C’est avant tout comprendre le sens profond de l’innovation qui vient et en projeter l’évolution future parce que l’on a compris ce qu’elle apportait de radicalement nouveau mais aussi à quel moment et sur quels points elle atteint ses limites. L’on dit que les grandes découvertes scientifiques induisent un changement de paradigme. Être visionnaire, c’est voir le nouveau paradigme quand le plus grand nombre ne voit qu’une innovation de plus.
Depuis près de quarante ans, Le Cun a pressenti – souvent contre l’opinion dominante – les bascules successives de l’intelligence artificielle : le retour des réseaux de neurones quand personne n’y croyait plus, la puissance des architectures convolutives, le rôle décisif de l’apprentissage profond, l’avantage stratégique de l’open source, puis plus récemment les limites structurelles des grands modèles de langage. Le Cun n’est pas l’un de ces techno-prophètes qui font passer leurs paris pour une vision. Il a montré par l’exemple la puissance de l’observation empiriste : regarder ce que les machines voient réellement, comment elles apprennent, ce qui les différencie encore de l’apprentissage humain. Son regard revisite les catégories philosophiques à travers lesquelles nous découvrons le monde et apprenons de lui. C’est ce regard qui lui permet d’avoir un jugement très sûr quant à ce qu’est l’IA, ce qu’elle n’est pas et ce qui lui manque encore, tout comme un biologiste met en évidence une par une nos fonctions physiologiques et cognitives en comprenant le rôle de chacune dans l’ensemble de l’organisme.
Le parallèle avec David Hume n’est pas une vague référence philosophique. Hume avait soutenu que notre connaissance des faits ne procède pas d’une raison démonstrative, mais de l’habitude formée par l’observation répétée, et que l’idée de cause naît de la conjonction constante des phénomènes plutôt que d’une nécessité logique. Le Cun replace l’intelligence artificielle dans cette tradition et fait revivre l’inductivisme : une machine vraiment intelligente ne se contente pas de recombiner des signes, elle construit par l’expérience sensible son propre modèle du monde. Ce n’est qu’a posteriori que nous décrivons notre propre pensée comme un système rationnel. Mais dans sa généalogie, notre cognition suit les lois biologiques du renforcement des liens entre plusieurs perceptions concomitantes. La vision de Le Cun provient avant tout d’une observation patiente et humble de la nature.
Un ingénieur formé à l’écart des sentiers trop rebattus
Yann Le Cun naît le 8 juillet 1960 à Soisy-sous-Montmorency, dans la banlieue nord de Paris. Fils d’ingénieur, il se passionne tôt pour les machines et découvre avec émerveillement la première vision d’un ordinateur pensant avec le fameux HAL de 2001, l’Odyssée de l’espace. Il sort diplômé de l’ESIEE Paris en 1983, puis soutient en 1987, à l’université Pierre-et-Marie-Curie, une thèse sur les modèles connexionnistes de l’apprentissage. Son travail propose déjà une formulation de la rétropropagation du gradient, à une époque où les réseaux de neurones sont largement tenus pour une impasse.
Je suis bien placé pour le savoir, car je fus en 1991 l’un des premiers à mettre en œuvre une application industrielle des réseaux de neurones pour la reconnaissance de textures recouvrant les sièges de voitures. Tous mes condisciples statisticiens semblaient mettre un acharnement certain à démontrer que les réseaux de neurones et la « backprop » en particulier pouvaient se ramener à des méthodes statistiques classiques de classification ou de régression, comme si ce potentiel naissant faisait déjà apparaître un mélange d’agressivité et de crainte maintenant familier vis-à-vis de l’IA.
Suit une année décisive : un postdoctorat auprès de Geoffrey Hinton, à Toronto, en 1987-1988. De cette rencontre naîtra une amitié scientifique de plusieurs décennies, couronnée en 2018 par le prix Turing, partagé avec Hinton et Yoshua Bengio, pour les percées conceptuelles et techniques qui ont fait des réseaux profonds le pilier principal de l’IA.
En 1988, Le Cun rejoint les Bell Labs, à Holmdel, dans le New Jersey. C’est là, loin du bruit des modes académiques, qu’il donne sa forme moderne aux réseaux de neurones convolutifs. L’idée n’est pas née de nulle part : le « Neocognitron » de Kunihiko Fukushima avait déjà esquissé une architecture inspirée du cortex visuel. Le Cun la rend entraînable de bout en bout, y introduit le partage des poids, le sous-échantillonnage, et surtout une discipline d’ingénieur dans les étapes à respecter. Les architectures LeNet, jusqu’à sa version la plus aboutie qu’est LeNet-5, reconnaissent les chiffres manuscrits avec une robustesse inédite. AT&T en fera un système de lecture de chèques, l’une des premières applications industrielles durables de l’apprentissage profond. Nous savons de nos jours que c’est ce succès qui commencera à nous faire sortir de l’« AI winter » et convaincra que l’approche connexionniste irait bien au-delà de toutes les algorithmies que nous connaissions jusqu’alors.
À Bell Labs, il comprend que les premières applications de l’IA ne se limitent pas à la vision. Avec Léon Bottou et Patrick Haffner, il contribue à DjVu, un format de compression d’images documentaires longtemps utilisé pour diffuser des archives scannées. Il invente aussi, avec ses collègues, la méthode dite de l’« Optimal Brain Damage », une technique d’élagage des réseaux. En 1996, il prend la tête du département de recherche en traitement d’images d’AT&T Labs. Après un bref passage comme Fellow au NEC Research Institute de Princeton, il rejoint en 2003 l’université de New York, où il est encore aujourd’hui Silver Professor affilié aux sciences des données, aux neurosciences et au génie électrique.
Ces années new-yorkaises sont celles d’un esprit qui se refuse à la facilité de se plonger dans les mainstreams de la recherche. Il travaille sur les modèles à énergie, la vision par ordinateur, la robotique mobile, les projets de navigation autonome financés par la DARPA. En 2012, il devient le directeur fondateur du Center for Data Science de NYU. Un an plus tard, Mark Zuckerberg l’appelle pour créer, à New York, Facebook AI Research.
Voir avant les autres, et parfois contre les autres
L’histoire de Le Cun n’est pas celle d’un homme toujours couronné. Pendant les années 1990 et une partie des années 2000, les réseaux de neurones sont relégués au second plan, au profit des machines à vecteurs de support et d’autres méthodes statistiques. Le Cun ne se décourage pas : l’idée d’une reproduction des lois de la biologie par des avatars numériques est trop belle pour ne pas finir par se démarquer. Quand le deep learning éclate au début des années 2010, notamment avec le succès d’AlexNet sur ImageNet en 2012, l’architecture convolutive qu’il a défendue pendant plus de vingt ans devient le standard de la vision artificielle. Les téléphones, les voitures, les usines et les hôpitaux en héritent : la première révolution de l’IA était déjà grosse du déferlement que nous connaissons maintenant.
Sur les modèles génératifs, son rôle est plus celui d’un architecte intellectuel que d’un inventeur unique. Les GAN, formalisés en 2014 par Ian Goodfellow et ses collègues, ne sont pas une création de Le Cun. Mais ils s’inscrivent dans une lignée qu’il n’a cessé d’explorer : les modèles à énergie, l’apprentissage non supervisé, l’idée qu’une machine doit apprendre la distribution du réel plutôt que seulement classer des étiquettes. Les variantes convolutionnelles des GAN, qui ont rendu possible la génération d’images crédibles, reposent d’ailleurs sur les réseaux qu’il a popularisés. On peut lui reprocher, ici comme ailleurs, une tendance à inscrire trop largement ses propres cadres théoriques dans l’histoire des inventions d’autrui. On ne peut pas lui reprocher d’avoir sous-estimé l’importance de générer, et pas seulement de reconnaître.
Plus nette encore est sa clairvoyance sur les infrastructures logicielles. Lorsque Google impose TensorFlow comme standard industriel, Le Cun parie sur une autre voie : un cadre pensé d’abord pour le chercheur, dynamique, proche de Python, issu de la tradition de Torch. PyTorch, développé à FAIR notamment sous l’impulsion de Soumith Chintala, s’impose d’abord dans les laboratoires, puis, contre l’intuition de nombreux responsables de production, dans l’industrie elle-même. Mike Schroepfer, alors CTO de Facebook, l’admettra plus tard : il avait tranché pour deux chaînes d’outils distinctes, l’une pour prototyper, l’autre pour déployer ; Le Cun avait insisté pour n’en avoir qu’une. « Yann avait raison, j’avais tort » (« Yann was right, I was wrong »), conclura-t-il.
Cette victoire n’est pas seulement technique mais aussi politique. Le Cun a fait de l’ouverture une doctrine : publier les articles, relâcher les codes, et plus tard les poids de modèles, au moment où une partie de l’industrie se refermait. Llama n’est pas son œuvre personnelle, mais il s’inscrit dans une culture de laboratoire qu’il a fondée et défendue. Sans cette culture, le paysage actuel des modèles ouverts serait tout autre, bien moins idyllique et freinerait considérablement la recherche. Ses détracteurs font observer, non sans raison, que l’open source n’est pas un bienfait univoque, et que Meta y a aussi trouvé un levier d’influence. Le Cun répond que l’alternative – brevets serrés, silos, recherche captive – aurait ralenti tout le champ d’activité. Sur ce point, le bilan des dix dernières années lui donne largement raison.
Le moment Meta, et la rupture
De 2013 à 2018, Le Cun dirige FAIR ; il en reste ensuite le scientifique en chef, tout en conservant son poste à NYU. Il installe un laboratoire à Paris dès 2015, convaincu que l’écosystème français peut peser : après tout n’est-il pas lui-même un symbole vivant de la « french touch » ? Il est professeur invité au Collège de France en 2016. La Légion d’honneur, l’entrée à l’Académie des sciences, aux Académies américaines, le prix Princesse des Asturies : les honneurs suivent, parfois avec retard, une œuvre accomplie.
Puis le monde bascule vers les grands modèles de langage. Le Cun ne nie pas leur utilité. Il nie qu’ils soient la voie vers une intelligence de niveau humain. Un chat de gouttière, répète-t-il, comprend le monde physique, se souvient, planifie, raisonne à courte portée mieux que le plus vaste des LLM. Un enfant de quatre ans a vu, par ses seuls nerfs optiques, un volume d’information comparable à celui de tout le corpus de données sur lequel on entraîne un modèle de langage, corpus qu’un humain mettrait des centaines de milliers d’années à lire. Or le chat et l’enfant savent débarrasser une table. Les modèles excellent aux examens et trébuchent sur le bon sens. J’ai souvent signalé dans les colonnes de TES que l’IA surpasse nettement même les meilleurs humains dans tous les jeux de stratégie, mais qu’elle est encore incapable ou de façon très maladroite de traverser la place de l’Étoile en voiture.
Le langage, même dans toute sa richesse, demeure un résumé pauvre du réel. Il ne porte ni la densité sensorielle, ni la structure causale, ni l’irréversibilité des actes. On peut doter un LLM d’images, de son, d’outils : on ne lui donne pas pour autant un modèle interne de ce qui se passe quand on lâche un verre, quand on tourne à gauche, quand on dit une phrase qui ne se retire plus.
Cette position lui a valu des critiques sévères. Les laboratoires qui ont misé sur les économies d’échelle ont obtenu des gains que Le Cun avait tendance à minorer. Certains chercheurs de Meta ont estimé que son scepticisme avait contribué à un retard sur la génération de modèles de langage, alors même que l’entreprise publiait Llama. D’autres lui reprochent un style public parfois cassant, une manière de déclarer « mort » ce qui continue d’avancer, et une confiance trop rapide dans des architectures encore jeunes, la famille JEPA en tête. Les « world models » actuels restent peu robustes hors de leur distribution d’entraînement ; plusieurs évaluations récentes le montrent sans ménagement. Le Cun le sait mais n’en conclut pas qu’il faut revenir au texte : il faut bel et bien changer de pari.
Fin 2025, après plus de douze ans chez Meta, il part fonder Advanced Machine Intelligence Labs, dont il est président exécutif. Le siège est à Paris. L’objectif déclaré n’est plus d’améliorer le prochain chatbot : c’est de construire des systèmes qui comprennent le monde physique, possèdent une mémoire persistante, raisonnent et planifient des séquences d’actions. Meta, devenue selon ses mots « LLM-pilled », prenait une autre route. Le désaccord n’était plus seulement scientifique. Il était institutionnel.
Trois manques, et un modèle du monde
Ce que Le Cun nomme « world model » n’est pas une chaîne d’acquisition sensorielle, même très sophistiquée : certains LLM y sont déjà couplés. L’architecture qu’il défend, JEPA (« Joint Embedding Predictive Architecture »), prédit les prochains événements probables dans un espace de représentations. L’idée est simple à énoncer, difficile à tenir : le monde n’est pas entièrement prévisible dans ses détails – chaque feuille d’un arbre, chaque scintillement – et forcer une machine à reconstruire ces détails gaspille sa capacité. Il faut apprendre ce qui est stable, causal, actionnable, et laisser le reste en facteur d’ordre deux.
Tout être humain applique un filtre a priori sur sa réalité perçue, en sélectionnant les objets qu’il estime être de premier plan et ceux qui sont considérés comme accessoires. Ce filtre a été poli par des millions d’années de sélection naturelle. Un world model, c’est apprendre à une machine pas seulement à reconnaître mais à éprouver une telle expérience.
Trois absences, selon Le Cun, condamnent les LLM à un plafond :
La première est la perception sensible. Une intelligence incarnée n’apprend pas le monde par des labels, mais par des capteurs. D’où l’intérêt constant de Le Cun pour la robotique, la vidéo, le toucher, les flux sensoriels. Un modèle qui n’a jamais heurté une table n’a qu’une connaissance livresque de la table.
La deuxième est la flèche du temps. Comprendre une cause, ce n’est pas co-occurrencer deux mots. C’est anticiper qu’une action rend certaines suites possibles et d’autres impossibles, et que certaines d’entre elles sont irréversibles. Casser un verre n’est pas symétrique de l’assembler. Sans cette asymétrie, il n’y a ni planification véritable, ni responsabilité.
La troisième est un filtre subjectif. Un humain n’interprète pas une scène comme une masse indifférenciée de pixels. Il y découpe des objets selon une échelle de valeurs : ce qui compte pour agir, ce qui est le décor, ce qui est une potentielle menace, une opportunité ou un outil, enfin ce qui est indifférent. Cette échelle n’est pas celle du chat, ni celle de la mouche qui voient le monde selon leur propre filtre : pour nous une araignée est un petit être tissant patiemment sa toile, pour une mouche c’est le plus dangereux de ses prédateurs. Les LLM peuvent décrire une scène avec une précision prodigieuse, au prix d’une dépense colossale, parce qu’ils partent d’un magma statistique. Ils peuvent être brillants sur le plan cognitif et manquer du bon sens le plus élémentaire dès que la situation exige de trier, d’ignorer, de choisir.
Hume avait vu que l’induction n’est pas une déduction déguisée. Nous nous attendons à ce que le feu brûle parce que nous l’avons éprouvé, non parce qu’une logique interne nous l’impose. Le Cun transpose cette leçon aux machines : une IA qui n’a pour tout monde qu’un corpus de textes est un rationaliste perdu : elle enchaîne des signes avec une virtuosité croissante, mais elle n’a pas l’habitude du réel. Les « world models » sont, en ce sens, une renaissance et un approfondissement de l’empirisme. Non pas un retour naïf à « l’observation brute », mais la thèse selon laquelle l’intelligence naît d’un apprentissage filtrant, causal, et non de la seule combinatoire langagière. La philosophie « continentale » a trop souvent relégué l’empirisme à un résumé simpliste de « digestion sensorielle », une affaire d’input et d’output des sens. Or la grande leçon de l’empirisme et sa profondeur est que nous nous construisons un modèle du monde avant d’exercer notre pensée et notre action et ce n’est qu’a posteriori que nous l’appelons « raison ».
Retombées éthiques : la vision de Le Cun est peut-être la meilleure voie pour remédier aux problèmes de non-alignement
L’itinéraire de Le Cun n’a pas croisé les chemins de la philosophie par hasard, car il laisse entrevoir des retombées éthiques.
La toile a bruissé récemment de scénarios cauchemardesques d’un « doomsday IA », faisant craindre une éradication de l’humanité par des IA hors de contrôle. J’ai eu l’occasion de m’exprimer sur ces événements dans un article de La Tribune. En substance, je défends l’idée que si les risques de « non-alignement » catastrophiques existent, leur récupération par effets d’annonce par les grands acteurs de l’IA est le seul fait notable de ce buzz récent. Le Cun a eu – avec raison – la dent dure contre les hypocrisies de régulations présentées comme des garde-fous altruistes, quand elles ne sont qu’une tentative pathétique de se construire un marché protégé.
Les régulations dans ce domaine présentent des effets pervers rendant ces remèdes bien pires que le mal qu’ils sont censés combattre. Elles ressemblent davantage aux bénéfices des profiteurs de guerre qu’à un remède efficace contre la guerre elle-même.
Plutôt que de réguler l’IA sur ses débordements éthiques, le meilleur moyen ne serait-il pas de lui enseigner l’éthique, tout comme ses autres apprentissages ? C’est ici que l’itinéraire de Le Cun revêt une profondeur particulière.
Si une IA est dotée de ces deux dimensions qui lui manquent : la flèche du temps avec sa notion d’irréversibilité, et une échelle de valeurs qui statue sur ce qui vaut d’être préservé ou non, l’éthique pourrait devenir intériorisée.
Mais une échelle de valeurs n’est-elle pas subjective ? Ne nous ramène-t-elle pas à un débat philosophique sans fin sur l’existence ou non d’une éthique universelle ?
Entropie et complexité : une échelle de valeurs
Il existe cependant une représentation simple qui permettrait de qualifier la valeur de toute chose. Tracez un plan selon deux axes : sur l’abscisse, la mesure de l’entropie, en comptant que l’abscisse soit en raison inverse de l’entropie : ce qui a une entropie faible a plus de valeur qu’une entropie forte ou dans des termes plus communs, une entropie forte qualifie des systèmes dont l’énergie n’est plus disponible, ne peut plus être transmise. En ordonnée, la complexité de Kolmogorov, c’est-à-dire la mesure du plus petit programme permettant de générer l’entité qui nous intéresse. Une complexité de Kolmogorov faible est un système simpliste, répétitif. Une complexité de Kolmogorov forte est un système de haute complexité.
Sur le plan pourvu de ces deux axes, quatre quadrants apparaissent naturellement :
En bas à gauche, les systèmes de complexité de Kolmogorov faible et d’entropie forte. Typiquement un dépotoir : il n’y a pas de structure, le dépotoir se ramène à un inventaire simple des objets qui ont été entassés et il ne peut produire par lui-même une énergie utile.
En bas à droite, les systèmes d’entropie faible mais de complexité de Kolmogorov faible également : Il s’agit d’une entité bien ordonnée et structurée, mais selon un ordre bien prévisible et sage : un carrelage régulier, une façade d’immeuble répétant des motifs symétriques. Une telle entité possède une certaine valeur de par sa structure, mais elle suit un plan encore assez simple de construction.
En haut à gauche, les systèmes de forte complexité de Kolmogorov mais d’entropie également très forte. À quoi cela correspond-il ? Typiquement : le hasard. Une série aléatoire ne peut être résumée par un programme autre que son énumération : sa complexité de Kolmogorov est donc maximale. En revanche, elle ne possède pas d’énergie utile, rien de saillant qui puisse être employé : son entropie est également maximale.
Enfin en haut à droite sont les systèmes à entropie faible et complexité de Kolmogorov forte. Ils sont donc à la fois structurés et complexes. Ils observent un ordre mais si riche qu’il en devient parfois imprévisible. Les systèmes dissipatifs de Prigogine rentrent dans cette catégorie, avec tout en haut à droite du diagramme, le vivant.
Ce qui a de la valeur pourrait ainsi être enseigné à l’aide de ces deux dimensions. De façon un peu provocatrice, l’on pourrait dire que l’éthique n’est peut-être qu’une qualité émergente de la thermodynamique. Je fais le pari qu’une IA dotée de la flèche du temps et d’une échelle de valeurs sur le monde ferait émerger d’elle-même des notions telles que la préservation de la vie, la réciprocité entre individus, voire le respect des morts comme l’une des combinaisons de l’univers des possibles dont il faut garder la mémoire et la trace.
Les régulations resteront nécessaires, comme elles le sont pour toute technique puissante. Elles sont aussi, par construction, lentes, maladroites et pervertibles. Le pari de Le Cun est qu’on ne répond pas au défi de notre propre intelligence par le seul droit, mais par une intelligence mieux faite : capable de percevoir, de prévoir, de hiérarchiser. Les « world models » ne garantissent pas l’alignement, un modèle du monde peut servir des fins abjectes aussi bien que des fins justes. Ils offrent pourtant quelque chose que le scaling textuel ne donne pas : un lieu où la prudence peut s’ancrer, parce que l’agent sait enfin qu’il agit dans un monde qui lui résiste. Tout comme pour l’humain, une éthique bien enseignée devient intériorisée : le personnage biblique de Jacob devient progressivement un sage accompli en faisant l’apprentissage de l’éthique par l’expérience, y compris lorsqu’il la transgresse lorsqu’il est jeune, jusqu’à intérioriser la notion de justice au lieu d’être une simple règle externe.
Une intelligence qui se frotte au monde
Yann Le Cun n’est pas Hume. Il n’a pas écrit le Traité de la nature humaine, et Hume n’a pas entraîné LeNet sur des codes postaux. Mais tous deux refusent que la raison se prenne pour une faculté séparée de l’expérience. Tous deux font de l’habitude, de l’observation, de la conjonction des faits le vrai moteur de la connaissance. À l’âge où l’industrie de l’IA confond éloquence et entendement, Le Cun rappelle une vérité ancienne, et dérangeante : une intelligence qui ne s’est pas frottée au monde n’en a que le vocabulaire. Le prochain cap n’est pas un plus grand livre. C’est un regard sur le monde.
À l’heure où nos gouvernants s’agitent fébrilement devant une révolution technologique qui les dépasse et les effraie plus qu’elle ne les enthousiasme, les dirigeants français feraient bien de se souvenir de Yann Le Cun et de consulter son regard unique sur le monde.
L’IA auprès des politiques est encombrée d’« experts » qui ne sont en fait que des journalistes, des communicants, voire de purs et simples imposteurs. Les dirigeants français actuels et futurs devraient savoir qu’un authentique expert français de l’IA est bel et bien présent – sans oublier la voix tout aussi importante d’Arthur Mensch – et que la vision de ces deux grandes figures pourrait être le « game changer » qui nous permette de revenir dans la course.
This post is also available in: EN