Par Piotr Zieliński, ingénieur systèmes polonais
La mort des LLM : pourquoi Yann LeCun prépare une révolution invisible
1. Les LLM ont gagné l’attention, pas encore l’intelligence du monde
Les grands modèles de langage ont transformé la perception publique de l’intelligence artificielle. ChatGPT, Claude, Gemini, Mistral, Llama et leurs concurrents ont prouvé qu’une machine pouvait écrire, coder, résumer, traduire et dialoguer avec une fluidité spectaculaire. Pour beaucoup de dirigeants, cette capacité a suffi à définir l’IA. C’est précisément le danger. Un système capable de produire un texte plausible n’est pas nécessairement un système capable de comprendre les contraintes du monde. Il peut réussir une réponse et échouer une action. Il peut expliquer une usine sans savoir comment une panne se propage. Il peut décrire un robot sans anticiper la dynamique de son mouvement. Yann LeCun critique depuis longtemps cette limite. En mars 2026, Reuters a rapporté que sa société Advanced Machine Intelligence, AMI, avait levé 1,03 milliard de dollars pour développer une approche alternative centrée sur le raisonnement, la planification et la modélisation du monde réel. (Reuters)
La “mort des LLM” ne signifie pas leur disparition brutale. Ils resteront utiles comme interfaces, assistants, moteurs de rédaction et couches conversationnelles. Leur mort sera plus subtile : ils cesseront d’être considérés comme le centre de l’IA. L’attention se déplacera vers des architectures capables de représenter l’environnement, d’anticiper les conséquences d’une action, de planifier dans le temps et de relier perception, mémoire, objectif et contrôle. Les world models incarnent cette ambition. Ils visent une IA qui n’apprend pas seulement des textes, mais des régularités du réel. La différence est décisive pour l’industrie. Airbus ne cherche pas seulement une IA capable d’écrire un rapport de maintenance ; il lui faut une IA capable de comprendre une chaîne de causes. Sanofi ne cherche pas seulement un résumé d’article scientifique ; il lui faut des modèles capables d’explorer des hypothèses expérimentales. Siemens, Toyota, Nvidia, Dassault Systèmes ou Bosch ne se contenteront pas d’un chatbot si la valeur se déplace vers la simulation opérationnelle.
2. Les world models déplacent l’IA vers l’architecture, le matériel et la souveraineté
Le débat sur les world models est souvent présenté comme une querelle académique entre spécialistes de l’IA. C’est une erreur. Il s’agit d’un débat industriel et souverain. Un modèle de langage peut être consommé via une API étrangère, intégré rapidement dans un outil de productivité et utilisé sans transformation profonde de l’organisation. Un world model exige autre chose : données multimodales, capteurs, jumeaux numériques, infrastructures de calcul, validation métier, simulation, robotique, contrôle, mémoire persistante. Il rapproche l’IA du matériel, de l’énergie, des semi-conducteurs, des réseaux et des chaînes d’approvisionnement. Le Monde a indiqué en mars 2026 qu’AMI, basée à Paris, avait levé près de 890 millions d’euros avec des investisseurs européens, américains et asiatiques, et qu’elle voulait tester ses modèles sur des applications industrielles tout en visant des modèles ouverts ou modifiables. (Le Monde.fr)
Pour Piotr Zieliński, ce point est central. La souveraineté ne se décrète pas dans un discours politique. Elle s’accumule dans les couches techniques. Si l’Europe veut jouer un rôle dans l’après-LLM, elle devra maîtriser bien plus que des talents de recherche. Elle devra sécuriser du calcul, de l’énergie, des composants, des infrastructures cloud, des jeux de données industriels, des bancs d’essai robotiques et des standards de validation. Sinon, elle financera des idées européennes exécutées sur des dépendances étrangères. La vraie compétition ne portera pas seulement sur le meilleur benchmark de texte, mais sur la capacité à déployer des systèmes fiables dans l’aéronautique, la pharmacie, l’énergie, la logistique et la robotique. C’est pourquoi AMI, World Labs de Fei-Fei Li, Google DeepMind et les laboratoires de Nvidia ou Meta signalent une même direction : l’IA veut sortir du langage pour entrer dans l’espace, le mouvement et la décision.
3. Les entreprises qui restent fascinées par les chatbots risquent de manquer la couche stratégique suivante
Le piège managérial de 2026 consiste à croire que la transformation IA est accomplie parce que les salariés utilisent des assistants conversationnels. C’est un progrès, mais pas une stratégie. Les LLM améliorent la productivité documentaire ; les world models pourraient remodeler la production elle-même. La différence est immense. Dans une usine, un world model pourrait simuler un changement de cadence avant qu’il ne coûte des millions. Dans la robotique, il pourrait permettre à une machine d’anticiper une scène plutôt que de réagir mécaniquement. Dans la santé, il pourrait aider à représenter des trajectoires biologiques complexes. Dans l’énergie, il pourrait tester des scénarios de réseau sous contrainte. Dans la défense ou l’aéronautique, il pourrait devenir une couche critique de simulation. Les dirigeants doivent donc distinguer l’IA d’interface et l’IA d’infrastructure.
La préparation commence maintenant. Les entreprises doivent identifier les processus où la simulation du réel crée un avantage. Elles doivent investir dans la qualité des données opérationnelles, les jumeaux numériques, les capteurs, les environnements de test, les compétences systèmes et la gouvernance des modèles. Elles doivent aussi poser des limites : un modèle qui planifie dans le réel doit être contrôlable, auditable, explicable dans ses décisions critiques et intégré à des responsabilités humaines claires. La révolution de LeCun sera invisible parce qu’elle ne prendra pas d’abord la forme d’un produit grand public spectaculaire. Elle s’installera dans les usines, les laboratoires, les entrepôts, les chaînes de conception et les infrastructures. Les LLM auront ouvert la porte ; les world models pourraient prendre possession de la pièce. Ceux qui ne voient dans l’IA qu’un générateur de texte risquent de découvrir trop tard que la bataille décisive se joue dans les architectures qui simulent le monde.
Les LLM resteront utiles, mais les world models pourraient devenir la prochaine couche stratégique de l’IA. Leur valeur se jouera dans l’industrie, la simulation, la robotique et la souveraineté technique.
Ne pas confondre chatbot et stratégie IA. Investir dans données industrielles, capteurs et calcul. Préparer une gouvernance des systèmes capables de planifier dans le réel.
Par Piotr Zieliński
Piotr Zieliński est un ingénieur systèmes polonais spécialisé dans les architectures de calcul de nouvelle génération. Il voit les technologies quantiques comme une opportunité pratique pour les pays de réduire leurs dépendances externes, à condition de construire les écosystèmes techniques patiemment plutôt que de les accélérer politiquement. Pour lui, la souveraineté se conquiert par le matériel, les chaînes d’approvisionnement et la discipline d’ingénierie à long terme.
