Yann LeCun a quitté Meta et a fait exactement ce que tout le monde attendait.
Il a fondé AMI Labs, bouclé un tour de table seed de 1,03 milliard de dollars, valorisé à 3,5 milliards de dollars – le plus grand tour seed de l'histoire de l'Europe. Puis il a dit : je vais construire une IA qui ne fonctionne pas en prédisant le mot suivant.
Pourquoi LeCun n'aime pas les grands modèles de langage
Ce n'est pas une position nouvelle. LeCun critique la voie des LLM depuis des années. Son argument central est un seul : la prédiction de texte en elle-même ne suffit pas à générer une véritable compréhension.
Peu importe la quantité de texte que vous mettez dans le modèle, il n'apprend que les régularités statistiques du langage, pas comment le monde fonctionne réellement. Un enfant voit un verre en verre tomber du bord de la table, sans avoir jamais rien lu sur la gravité, il sait que le verre va se briser. Un LLM ne peut pas faire cela car il n'a aucune perception directe du monde physique.
LeCun appelle ce problème le grounding, ce qui signifie en termes simples : le modèle doit entrer en contact avec le monde réel, il ne peut pas vivre uniquement dans les mots.
AMI Labs est sa réponse pratique à ce problème.
Qu'est-ce que JEPA et en quoi est-ce différent des LLM
La technologie centrale de l'entreprise s'appelle JEPA, Joint Embedding Predictive Architecture, un cadre proposé par LeCun en 2022.
La différence la plus fondamentale avec les LLM réside dans l'objet de la prédiction :
- LLM : prédit le prochain token (fragment de mot)
- JEPA : prédit des représentations d'état abstraites
Cela semble complexe, mais la différence est substantielle. Les LLM traitent chaque mot comme une cible de prédiction, y compris les mots à faible contenu informatif comme "de", "et", "le" – une grande partie de la capacité du modèle est gaspillée à apprendre ce bruit. JEPA ignore cela et prédit directement à un niveau plus abstrait : si vous effectuez cette action, dans quel état le monde va-t-il se trouver ?
C'est pourquoi on l'appelle modèle du monde – il tente de construire en interne un modèle de la façon dont le monde fonctionne, et pas seulement d'apprendre les règles de surface du langage.
Impact sur les applications pratiques :
- Robotique : doit prédire les conséquences des actions, JEPA est naturellement adaptée
- Diagnostic médical : nécessite une capacité de raisonnement causal sur les processus physiques
- Contrôle industriel : doit suivre en continu les changements d'état
Le PDG d'AMI Labs, Alexandre LeBrun, a dit une phrase très intéressante :
Je prédis que le modèle du monde deviendra bientôt le prochain buzzword de financement. Dans six mois, chaque entreprise se présentera comme une entreprise de modèle du monde pour lever des fonds.
Un homme qui vient de recevoir un tour seed d'un milliard disant cela – l'ironie est à son comble.
La configuration de l'entreprise
Le siège d'AMI Labs est à Paris, mais l'entreprise est également présente à New York (LeCun enseigne à NYU), Montréal et Singapour, avec des équipes dans les quatre villes.
Équipe principale :
- Président exécutif : Yann LeCun (Prix Turing 2018, ancien scientifique en chef de l'IA chez Meta)
- PDG : Alexandre LeBrun (entrepreneur en série, dont l'entreprise d'IA a été acquise par Facebook)
- CSO : Saining Xie (chercheur en apprentissage de représentations visuelles)
Mènent le tour Bezos Expeditions, Cathay Innovation, Greycroft, Hiro Capital et HV Capital. L'arrivée de l'argent de Bezos montre que ce n'est pas qu'un jeu académique.
Moment notable
Cet événement survient un mois après que World Labs, de Fei-Fei Li, a levé 1 milliard de dollars. Les deux entreprises parient sur les modèles du monde, toutes deux sont des startups fondées par des universitaires de premier plan en IA, toutes deux ont reçu des tours seed impressionnants.
Ce n'est pas une coïncidence. Les investisseurs sentent une possibilité : la voie actuelle de scaling des LLM approche d'une sorte de plafond, et la prochaine génération d'IA pourrait nécessiter une architecture fondamentalement différente.
L'affirmation de LeCun selon laquelle la prédiction de texte ne suffit pas n'était auparavant qu'une controverse académique. Maintenant, avec un milliard de dollars derrière elle, la controverse est devenue un pari.
Pourquoi ce n'est pas si facile
JEPA existe en tant qu'article scientifique depuis quatre ans, mais les preuves qu'il fonctionne dans des systèmes réels restent très limitées. Au cours des quatre dernières années, les progrès des LLM sur les benchmarks ont été visibles, tandis que les progrès de JEPA ont été relativement discrets.
La critique de LeCun est juste, mais identifier le problème et créer une meilleure solution sont deux choses différentes.
Et même si la direction de JEPA est correcte, AMI Labs devra concurrencer frontalement une industrie qui a déjà un énorme avantage de premier entrant. OpenAI, Anthropic, Google ne sont pas ignorants des limites des LLM ; ils se dirigent également vers des directions multimodales et agentives, mais pas de manière aussi radicale que LeCun.
AMI Labs est déjà valorisée à 3,5 milliards de dollars sans aucun produit. C'est un financement par la foi, pas un financement par le produit.
Mais si LeCun a raison, alors le 1,03 milliard qui entre maintenant pourrait être le pari le plus précieux de cette décennie.
Source de référence : Yann LeCun's AMI Labs Raises $1.03B for World Models Development (TechCrunch) ; AMI Labs Secures $1B Seed Round Led by Yann LeCun (Crunchbase News) ; Yann LeCun's AMI Labs Raises $1B in Seed Round to Develop World Model AI Systems (The AI Insider) ; CocoLoop ; [AINews] Yann LeCun's AMI Labs launches with a $1B seed @ $3.5B to build world models around JEPA (Latent Space)