Yann LeCun : le Français qui a inventé le deep learning

Yann André LeCun naît le 8 juillet 1960 à Soisy-sous-Montmorency, en région parisienne. Formé à l’ESIEE puis à l’université Pierre-et-Marie-Curie où il obtient son doctorat en 1987, il s’intéresse très tôt aux réseaux de neurones — un domaine alors considéré comme une impasse par la majorité de la communauté scientifique.

Sa contribution fondatrice, ce sont les réseaux neuronaux convolutifs (CNN). Au début des années 1990, travaillant aux Bell Labs d’AT&T, LeCun développe LeNet, un système capable de reconnaître des chiffres manuscrits. La technologie sera déployée pour lire automatiquement les chèques bancaires — des millions de chèques par jour aux États-Unis. C’est la première application industrielle massive du deep learning, bien avant que le terme n’existe.

Pendant deux décennies, les réseaux de neurones restent marginaux. LeCun, avec Geoffrey Hinton et Yoshua Bengio, continue de publier des travaux fondamentaux dans une relative indifférence. Ce trio sera plus tard surnommé les « parrains de l’IA » et recevra conjointement le prix Turing en 2018 — l’équivalent du Nobel en informatique.

 

Douze ans chez Meta : FAIR et l’ère des LLM

En 2013, Mark Zuckerberg recrute LeCun pour créer FAIR (Facebook AI Research), le laboratoire de recherche fondamentale en IA de Facebook (devenu Meta). Sous sa direction, FAIR devient l’un des centres de recherche les plus productifs au monde, publiant en open source des travaux qui feront école : PyTorch (le framework de deep learning le plus utilisé), les premières versions de Llama, et des avancées majeures en vision par ordinateur et traitement du langage.

Mais LeCun est un chercheur, pas un homme de produit. Et son positionnement intellectuel entre progressivement en tension avec la direction de Meta. Alors que l’entreprise investit massivement dans les grands modèles de langage (LLM) pour rattraper ChatGPT d’OpenAI, LeCun ne cesse de répéter que les LLM sont une « impasse » pour atteindre une intelligence de niveau humain. Il qualifie publiquement d’« absurdité totale » l’idée que ces modèles puissent simplement évoluer jusqu’à l’AGI en les rendant plus gros.

En juin 2025, Meta réorganise ses efforts IA sous une nouvelle division, Meta Superintelligence Labs, dirigée par Alexandr Wang (ex-CEO de Scale AI). LeCun quitte Meta fin 2025.

 

AMI Labs : le pari à 1 milliard de dollars contre les LLM

Le 10 mars 2026 — il y a deux jours — Yann LeCun officialise la naissance d’AMI Labs (Advanced Machine Intelligence) avec une levée de fonds de 1,03 milliard de dollars, la plus importante jamais réalisée en Europe pour une startup technologique à ce stade. La valorisation pré-money atteint 3,5 milliards de dollars. Le tour de table est co-mené par Cathay Innovation, Greycroft, Hiro Capital, HV Capital et Bezos Expeditions, avec la participation de Nvidia, Toyota Ventures, le groupe Dassault, Xavier Niel, Eric Schmidt, Mark Cuban, et Tim Berners-Lee.

Le nom n’est pas anodin : « AMI » se prononce comme le mot français « ami ». Et la startup est volontairement ni américaine, ni chinoise — un positionnement stratégique assumé par LeCun, qui déclare : « Il y a une demande énorme de la part de clients, d’investisseurs et de gouvernements pour une offre d’IA de pointe qui ne soit ni américaine ni chinoise. »

L’équipe dirigeante est redoutable : Alexandre LeBrun (ex-CEO de Nabla) en CEO, Laurent Solly (ancien VP Europe de Meta) en COO, Saining Xie en chief science officer. Bureaux à Paris (siège), New York, Montréal et Singapour. Une douzaine d’employés à ce jour — et un milliard de dollars pour recruter et calculer.

 

Les « modèles de monde » : la thèse scientifique derrière AMI

La thèse de LeCun est limpide et radicale : les LLM, en prédisant le prochain mot ou le prochain pixel, ne comprendront jamais le monde physique. Pour atteindre une intelligence de niveau humain, il faut des « world models » — des systèmes entraînés sur de la vidéo et des données spatiales, capables de retenir des informations dans le temps, de raisonner sur les conséquences de leurs actions, et de planifier.

L’architecture proposée s’appuie sur JEPA (Joint Embedding Predictive Architecture), un cadre que LeCun a formalisé en 2022. Contrairement aux modèles génératifs qui produisent du contenu, JEPA apprend des représentations abstraites du monde en prédisant dans un espace latent — plus proche de la façon dont un animal comprend son environnement que de la façon dont un chatbot génère du texte.

AMI cible en premier lieu les organisations qui gèrent des systèmes complexes : industrie manufacturière, automobile, aéronautique, biomédical, pharmaceutique. À plus long terme, LeCun envisage des applications grand public — notamment la robotique domestique, qui nécessite exactement ce type de compréhension du monde physique. Il confirme par ailleurs des discussions avec Meta pour intégrer la technologie d’AMI dans les lunettes Ray-Ban Meta.

 

Le franc-tireur de l’IA

Ce qui distingue LeCun dans le paysage de l’IA, au-delà de ses contributions scientifiques, c’est sa posture de dissident permanent. Il s’oppose publiquement aux discours sur l’AGI imminente (« l’AGI n’existe pas, l’intelligence humaine est loin d’être générale »), aux approches fermées d’OpenAI et d’Anthropic (il est un défenseur acharné de l’open source), et aux prédictions catastrophistes sur l’IA (il juge les scénarios d’extinction « non scientifiques »).

Sur X (ex-Twitter), il est l’un des chercheurs les plus actifs et les plus clivants, n’hésitant pas à interpeller directement ses pairs, corriger des journalistes ou démolir des arguments qu’il juge infondés. Son franc-parler lui vaut autant d’admirateurs que de détracteurs.

Sa vision de l’IA est résolument optimiste mais patiente : lors de l’AI Impact Summit en février 2026, il décrit l’IA comme « un amplificateur de l’intelligence humaine » plutôt qu’un remplacement, et compare son impact à celui de l’imprimerie plus qu’à celui de l’électricité. Les gains de productivité liés à l’IA ? Environ 0,6 % par an selon les économistes qu’il cite — significatif en termes économiques, mais loin de la singularité annoncée par d’autres.

 

Ce qu’il faut retenir

Yann LeCun est l’un des trois scientifiques sans lesquels le deep learning — et donc l’IA telle qu’on la connaît en 2026 — n’existerait pas. Ses réseaux convolutifs sont à la base de la reconnaissance d’images, de la conduite autonome, de l’imagerie médicale. Son travail chez Meta a produit PyTorch, utilisé par la majorité des chercheurs en IA dans le monde.

Avec AMI Labs, il passe du rôle de critique à celui d’entrepreneur. Si sa thèse sur les modèles de monde se vérifie, elle pourrait redéfinir l’ensemble du champ. Si elle échoue, elle aura au minimum forcé l’industrie à questionner son obsession pour les LLM. Dans les deux cas, LeCun aura fait ce qu’il fait depuis quarante ans : aller là où personne ne regarde.

Articles liés : Anthropic · Mistral AI · Jensen Huang · Arthur Mensch