Yann LeCun : pourquoi le scaling des LLM ne suffira pas
Plus grands et mieux outillés, mais toujours sans modèle du monde ? Ce que la critique de Yann LeCun change pour nos usages de l'IA.
Yann LeCun juge impossible que des LLM toujours plus gros atteignent, par cette seule voie, une intelligence comparable à la nôtre. Ces modèles sont déjà très utiles, mais leur succès ne prouve pas qu'ils comprennent le monde comme nous. Le débat porte sur la prochaine étape, pas sur leurs capacités actuelles.
Le scaling progresse, mais vers quoi ?
Le « scaling » consiste à augmenter la taille des modèles, les données et la puissance de calcul. Cette méthode a produit des gains spectaculaires. LeCun conteste la conclusion selon laquelle la même recette conduirait, à elle seule, à une intelligence humaine.
Dans l'entretien accordé à Génération Do It Yourself, il estime que les LLM auraient absorbé environ 20 000 milliards de mots, soit 30 000 milliards de tokens. Cet ordre de grandeur n'est pas l'audit d'un modèle précis. Davantage de textes ne crée pas automatiquement une expérience du monde physique.
Le scaling continue de faire progresser les modèles. Le pari de LeCun est plus précis : grossir une architecture qui prédit le prochain token ne suffira pas à comprendre le monde.
Le piège du lave-auto révèle une absence de but
LeCun reprend une question devenue virale : « Je veux faire laver ma voiture. Le lave-auto est à 100 mètres. Dois-je y aller à pied ? » Un modèle peut recommander la marche sans relier le déplacement au véritable objectif : amener la voiture au lavage.
Une réponse corrigée après la diffusion du piège ne prouve pas l'acquisition d'un sens commun général. Le test distingue surtout la réponse plausible de la capacité à maintenir un objectif, représenter les contraintes puis anticiper les conséquences d'une action — indispensable dans un environnement inédit.
La vraie question n'est pas de savoir si un LLM « comprend » comme nous. Elle est de savoir jusqu'où un système peut agir de façon fiable sans représenter le monde, ses contraintes et les conséquences de ses décisions.
Les outils ajoutés sont-ils des rustines ?
Calculatrice, base documentaire, modèle spécialisé : ces outils compensent des limites réelles, sans rendre le système illégitime. Un système bien conçu peut être modulaire sans être frauduleux. En entreprise, la limite est l'orchestration : vérifiez les sources, la détection des erreurs et le responsable des décisions irréversibles.
Le coût de l'inférence impose déjà des arbitrages
Chaque réponse mobilise du calcul : c'est l'inférence. Son coût impose aux fournisseurs d'arbitrer entre qualité, vitesse et taille des modèles.
Réagir n'est pas encore planifier
LeCun rapproche les LLM actuels du « Système 1 », rapide et fondé sur des régularités apprises. Les agents progressent en décomposant et testant leurs étapes, mais davantage de tokens ne garantit pas une simulation fidèle du monde physique. Un raisonnement cohérent peut propager une représentation fausse.
Le « modèle du monde » défendu par LeCun doit apprendre, à partir d'images, de vidéos et d'interactions, comment un environnement évolue et comment une action le modifie. Il peut alors comparer des trajectoires avant de choisir.
JEPA : prédire des concepts plutôt que des pixels
JEPA signifie Joint Embedding Predictive Architecture, ou « architecture prédictive à représentations conjointes ». Un encodeur résume une image ou une vidéo sous forme de représentation mathématique : objets, positions, relations ou mouvements.
Pendant l'entraînement, une partie de la scène est masquée. Le prédicteur tente d'anticiper sa représentation abstraite à partir de la partie visible, sans recréer chaque pixel. Il peut ainsi ignorer un reflet ou la texture exacte d'une feuille et retenir qu'un objet demeure présent, se déplace ou entre en contact avec un autre.
Pour planifier, V-JEPA 2 ajoute l'action envisagée au prédicteur. Le système estime où conduiraient plusieurs actions, choisit celle qui se rapproche le plus du but, agit, puis recommence : un pont entre perception, modèle du monde et décision.
Après plus d'un million d'heures de vidéo et moins de 62 heures de données robotiques, Meta a montré des tâches courtes de déplacement d'objets dans de nouveaux environnements. Cela reste une preuve de concept : la planification à plusieurs échelles demeure un chantier. JEPA est une piste, pas un verdict.
Ce que cette controverse change dès aujourd'hui
Les LLM excellent avec le texte, le code, le classement et l'extraction, mais deviennent risqués face à un contexte implicite, une réalité physique mal observée ou une action difficile à annuler. Bornez leur autonomie : données vérifiables, outils explicites, critères d'arrêt et contrôle humain des conséquences importantes.
La critique de Yann LeCun déplace ainsi la question : la fluidité du langage ne prouve ni le sens commun ni la fiabilité dans l'inédit. Le prochain saut pourrait dépendre de la capacité à prévoir ce qui arrive lorsque le système agit.
Sources : « #543 — Yann Le Cun — AMI Labs — Rendre l'IA plus humaine », Génération Do It Yourself, 24 mai 2026 ; « A Path Towards Autonomous Machine Intelligence », Yann LeCun, 2022 ; article et résultats V-JEPA 2, 2025, version révisée en 2026 ; présentation officielle de V-JEPA, Meta, 2024.
Questions fréquentes
Le scaling des LLM est-il arrivé à sa limite ?
Pas au sens où toute augmentation de données ou de calcul serait devenue inutile : les modèles continuent de progresser. Yann LeCun soutient une thèse plus précise : prédire toujours mieux le prochain token ne suffira pas, à lui seul, pour acquérir le sens commun, comprendre la physique et planifier de façon fiable dans des situations nouvelles.
Un LLM comprend-il ce qu'il écrit ?
Un LLM apprend des régularités très riches dans le langage et peut résoudre de nombreux problèmes. Le débat porte sur la nature et la robustesse de cette compréhension. Des erreurs comme le piège du lave-auto suggèrent qu'une réponse linguistiquement plausible ne garantit pas une représentation stable du but, des contraintes physiques et des conséquences d'une action.
Ajouter des outils à un LLM revient-il à masquer ses faiblesses ?
Les outils compensent effectivement certaines limites : calcul, recherche, mémoire ou accès à des données récentes. Cela ne rend pas le système illégitime ; les logiciels complexes sont souvent modulaires. La question décisive est celle de l'orchestration : le système choisit-il le bon outil, vérifie-t-il son résultat et confie-t-il les décisions irréversibles au bon responsable ?
Que signifie JEPA et comment cette architecture fonctionne-t-elle ?
JEPA signifie Joint Embedding Predictive Architecture. Un encodeur résume une scène sous forme de représentation mathématique ; un prédicteur tente ensuite d'anticiper la représentation d'une partie masquée ou future. Le système ne recrée pas tous les pixels : il apprend surtout les structures prévisibles utiles, puis peut comparer les conséquences de plusieurs actions à un objectif.