Yann LeCun : le Français qui a cofondé le deep learning

Yann André LeCun naît le 8 juillet 1960 à Soisy-sous-Montmorency, dans le Val-d’Oise. Diplômé de l’ESIEE en 1983, il obtient son doctorat à l’université Pierre-et-Marie-Curie en 1987. Très tôt, il s’intéresse aux réseaux de neurones, un domaine que la majorité de la communauté scientifique jugeait alors sans avenir.

Sa contribution fondatrice porte sur les réseaux de neurones convolutifs (CNN). Entré aux Bell Labs d’AT&T en 1988, LeCun y développe LeNet, un système capable de reconnaître des chiffres manuscrits. La technologie sert ensuite à lire automatiquement les chèques bancaires aux États-Unis, à très grande échelle. Il s’agit de l’une des premières applications industrielles du deep learning, bien avant que le terme ne se popularise.

Pendant deux décennies, les réseaux de neurones restent pourtant marginaux. Avec Geoffrey Hinton et Yoshua Bengio, LeCun continue de publier des travaux fondamentaux dans une relative indifférence. Le trio, plus tard surnommé les « parrains de l’IA », reçoit conjointement le prix Turing en 2018, souvent présenté comme le Nobel de l’informatique.

De Bell Labs à NYU : un parcours de chercheur

Après Bell Labs, LeCun dirige de 1996 à 2002 le département de recherche en traitement d’images d’AT&T Labs. Il passe brièvement par le NEC Research Institute, puis rejoint l’université de New York (NYU) en 2003. Il y occupe toujours la chaire Jacob T. Schwartz au Courant Institute.

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

En décembre 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 compte parmi les centres de recherche les plus productifs au monde. Le laboratoire publie en open source des travaux qui font école, comme PyTorch, devenu le framework de deep learning le plus utilisé, ou les premières versions de Llama.

LeCun reste cependant un chercheur plus qu’un homme de produit, et ses idées entrent peu à peu en tension avec la stratégie de Meta. Le groupe investit massivement dans les grands modèles de langage (LLM) pour rattraper OpenAI. De son côté, LeCun répète que ces modèles mènent à une impasse pour atteindre une intelligence de niveau humain, même en les rendant toujours plus gros.

En juin 2025, Meta réorganise ses efforts dans une nouvelle division, Meta Superintelligence Labs, confiée à Alexandr Wang, ancien PDG de Scale AI. LeCun annonce son départ en novembre 2025 et quitte le groupe à la fin de l’année, après douze ans de maison.

AMI Labs : la startup de Yann LeCun

AMI Labs (Advanced Machine Intelligence) est fondée en décembre 2025 à Paris. Son nom se prononce comme le mot français « ami ». LeCun en assure la présidence exécutive, tandis qu’Alexandre LeBrun, cofondateur de la startup de santé Nabla, occupe le poste de directeur général. Laurent Solly, ancien vice-président Europe de Meta, est directeur des opérations. L’équipe fondatrice compte aussi Saining Xie comme directeur scientifique, Pascale Fung comme directrice de la recherche et de l’innovation, et Michael Rabbat, ancien de FAIR, comme vice-président chargé des modèles de monde.

Une levée de 1,03 milliard de dollars

Le 10 mars 2026, AMI Labs officialise un tour d’amorçage de 1,03 milliard de dollars, soit environ 890 millions d’euros. LeCun le présente comme l’un des plus gros tours d’amorçage jamais réalisés, et probablement le plus important pour une entreprise européenne. D’après TechCrunch, la valorisation atteint 3,5 milliards de dollars avant l’opération. En décembre 2025, l’objectif initial annoncé portait sur environ 500 millions d’euros.

Cathay Innovation, Greycroft, Hiro Capital, HV Capital et Bezos Expeditions ont codirigé le tour. Nvidia, Samsung, Temasek, Toyota Ventures, Bpifrance Digital Venture, le Groupe Industriel Marcel Dassault, Publicis Groupe et l’Association familiale Mulliez y participent également. Plusieurs personnalités ont aussi investi à titre personnel, dont Xavier Niel, Eric Schmidt, Mark Cuban et Tim Berners-Lee.

We are one of the few frontier AI labs that are neither Chinese nor American.

Implantation, équipe et partenaires

Le siège d’AMI Labs se trouve à Paris, et la startup constitue des équipes à New York, Montréal et Singapour. L’entreprise recrute sur ses quatre sites, mais elle n’a pas communiqué d’effectif officiel depuis sa levée. Son premier partenaire annoncé est Nabla, la startup d’IA médicale fondée par Alexandre LeBrun.

Au moment de la levée, LeCun a aussi indiqué à Reuters que des discussions étaient en cours avec Meta pour intégrer à terme la technologie d’AMI dans les lunettes connectées Ray-Ban Meta. Il y voyait l’une des applications possibles à court terme. Aucun accord n’a toutefois été annoncé publiquement à ce jour.

Premiers travaux et calendrier

AMI Labs a prévenu que sa première année serait consacrée à la recherche. La startup s’engage à publier ses articles scientifiques et à diffuser une grande partie de son code en open source. Plusieurs de ces publications de 2026 portent la signature de LeCun. Parmi elles figure LeWorldModel, publié en mars sur arXiv avec Randall Balestriero et des chercheurs de Mila, qui propose une architecture JEPA simplifiée entraînée directement à partir de pixels. En mai 2026, deux autres articles cosignés par LeCun ont suivi. Le premier démontre formellement les conditions dans lesquelles LeJEPA apprend un modèle de monde, et le second présente une plateforme d’évaluation qui souligne la fragilité des modèles de monde actuels. Aucun produit ni aucune API d’AMI Labs n’est disponible pour l’instant, et l’entreprise évoque un horizon de plusieurs années avant une offre commerciale.

Les modèles de monde : la thèse scientifique derrière AMI

La thèse de LeCun tient en une idée forte. Selon lui, les LLM prédisent le mot suivant sans jamais comprendre le monde physique. Pour atteindre une intelligence de niveau humain, il faudrait donc des modèles de monde (world models). Ces systèmes apprennent à partir de vidéos et de données issues de capteurs, retiennent des informations dans le temps, anticipent les conséquences de leurs actions et planifient.

L’architecture proposée repose sur JEPA (Joint Embedding Predictive Architecture), un cadre que LeCun a formalisé en 2022. Les modèles génératifs produisent du contenu, mot après mot ou pixel après pixel. L’architecture JEPA apprend plutôt des représentations abstraites du monde en faisant ses prédictions dans un espace latent. Cette approche se rapproche davantage de la façon dont un animal comprend son environnement.

AMI vise d’abord les organisations qui gèrent des systèmes complexes, comme l’industrie, l’automobile, l’aéronautique, le biomédical ou la pharmacie. À plus long terme, LeCun envisage des applications grand public, en particulier la robotique domestique et les assistants intégrés aux lunettes connectées.

Les prises de position de Yann LeCun

Au-delà de ses contributions scientifiques, LeCun se distingue par sa posture de contradicteur. Il conteste les discours sur une AGI imminente et rappelle que l’intelligence humaine elle-même est très spécialisée. Il défend aussi l’open source face aux approches fermées d’OpenAI et d’Anthropic. Les scénarios d’extinction liés à l’IA ne le convainquent pas davantage, car il les juge dépourvus de fondement scientifique.

Sur X comme sur LinkedIn, il compte parmi les chercheurs les plus actifs et les plus clivants. Il interpelle volontiers ses pairs, corrige des journalistes et démonte les arguments qu’il juge infondés. Ce franc-parler lui vaut autant d’admirateurs que de détracteurs.

En février 2026, lors de l’AI Impact Summit de New Delhi, il a estimé que l’AGI restait lointaine et que les agents IA ne pourraient pas fonctionner sans prédire les conséquences de leurs actions, ce dont les LLM sont incapables. Il a aussi présenté l’IA comme un outil qui aide les humains à mieux penser et à mieux planifier. Les gains de productivité qu’il évoque restent modestes, autour de 0,6 % par an. En juillet 2026, au RAISE Summit de Paris, il a de nouveau plaidé pour des modèles entraînés sur la vidéo plutôt que sur le seul texte. Fin août 2026, le magazine TIME l’a inscrit dans sa liste TIME100 AI des personnalités les plus influentes de l’IA.

Ce qu’il faut retenir sur Yann LeCun

Yann LeCun fait partie des trois scientifiques sans lesquels le deep learning, et donc l’IA actuelle, n’aurait pas pris cette forme. Ses réseaux convolutifs sont à la base de la reconnaissance d’images, de la conduite autonome et de l’imagerie médicale. Le laboratoire qu’il a créé chez Meta a donné naissance à PyTorch, utilisé par une grande partie des chercheurs en IA.

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 le domaine. Dans le cas contraire, elle aura au moins poussé l’industrie à questionner sa concentration sur les LLM. Pour l’instant, AMI Labs n’a encore rien commercialisé, et le pari reste à démontrer.

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