07.05.2026 à 09:00
L’omnibus numérique : révélateur et accélérateur des contradictions européennes
Fin 2025, la Commission européenne a dévoilé son projet d’omnibus numérique – une série d’amendements destinés à simplifier son arsenal législatif pour renforcer sa compétitivité. De nombreux observateurs doutent
Fin 2025, la Commission européenne a dévoilé son projet d’omnibus numérique – une série d’amendements destinés à simplifier son arsenal législatif pour renforcer sa compétitivité. De nombreux observateurs doutent néanmoins de l’intérêt économique des réformes proposées, tout en alertant sur leurs conséquences probables en matière de droits, de démocratie ou de souveraineté. Une chose est sûre : le projet jette un voile sur les ambitions mondiales de l’Union européenne en tant que pionnière de la régulation numérique.
« La plus importante réduction des droits à la vie privée depuis des années »1, c’est dans ces termes que le militant et expert de la vie privée Max Schrems a accueilli la proposition d’omnibus numérique de la Commission européenne. Dévoilée le 19 novembre 2025, celle-ci consiste en une série d’amendements visant son « vaste corpus de législation numérique », ayant pour but d’« apporter un soulagement immédiat aux entreprises, aux administrations publiques et aux citoyens, et […] stimuler la compétitivité ». Pour la Commission, il s’agit de faire en sorte que « le respect des règles se fasse à moindre coût, atteigne les mêmes objectifs et apporte en soi un avantage concurrentiel aux entreprises responsables »2. Mais cette interprétation ne fait pas l’unanimité, et pas uniquement parmi les défenseurs de la vie privée.
Une méthode controversée
En premier lieu, c’est la méthode même qui interroge. Comme l’explique l’ONG Corporate Europe Observatory (CEO), « les omnibus sont des propositions qui visent à modifier plusieurs lois de l’UE en une seule fois et qui fonctionnent comme des outils de déréglementation. L’utilisation de cet outil par la Commission est très controversée. Sous le couvert de n’apporter que des “modifications techniques”, elle contourne les procédures décisionnelles et les mécanismes de consultation normaux. Le Parlement européen vote sur bon nombre de ces “omnibus” dans le cadre de “procédures d’urgence”, sapant ainsi le contrôle démocratique »3.
Cette méthode illustre la préoccupation nouvelle de la Commission pour la « simplification »
Déjà utilisée dans les domaines de la protection de l’environnement ou des droits humains pour fragiliser des législations emblématiques – parfois à peine entrées en vigueur, à l’image de la loi sur le devoir de vigilance –, cette méthode illustre la préoccupation nouvelle de la Commission pour la « simplification », sur fond de virage conservateur au sein du Parlement et de nombreux États membres4.
Dans le cas de l’omnibus numérique, Max Schrems dénonce un empressement qui fait étrangement écho à la célèbre – et controversée – devise de la Silicon Valley : « Move fast and break things » (Bougez vite et cassez des choses). Selon lui, « l’absence d’évaluation d’impact ou de collecte d’éléments probants jette par-dessus bord les principes établis de longue date en matière de normes minimales pour l’élaboration de la législation de l’UE et se traduit par des changements erratiques de type “trumpien”. Il en résulte une très mauvaise rédaction et une législation qui n’est pas adaptée à l’objectif visé »5. En effet, si l’on perçoit bien la « simplification » que suppose la proposition, on voit mal en quoi celle-ci permettrait de maintenir les protections et les droits existants… ou encore de stimuler la compétitivité de l’industrie européenne.
Menaces sur les droits fondamentaux
Les défenseurs de la vie privée s’inquiètent tout particulièrement du projet d’omnibus numérique, considérant que ce dernier voudrait sacrifier la protection des données personnelles sur l’autel de la compétitivité et de la course à l’IA. Dès le Sommet de Paris pour l’action sur l’IA en février 2025, Ursula von der Leyen avait annoncé la couleur : « Europe is open for AI and for business! », laissant largement de côté les questions de droits fondamentaux et de contrôle démocratique (voir La rem n°73-74, p.22). Dans ce contexte, pourtant régulièrement professé comme une fierté et une source d’inspiration à travers le monde, le RGPD est désormais accusé de freiner l’innovation. Il est possible, sans aucun doute, de critiquer divers aspects de cette législation (voir La rem n°61-62, p.100), mais difficile de la juger trop protectrice… Au contraire, malgré ses réels défauts, il s’agit d’un dispositif rare « qui donne aux membres du public des mécanismes pour contester les éventuels abus de puissantes entreprises ou autorités »6, comme le soulignait récemment une coalition d’ONG qui dénonçait la volonté de la Commission de le vider de sa substance, notamment en autorisant la récolte et le traitement de données personnelles pour le développement de l’IA sans consentement préalable.
Mais les attaques vont bien au-delà des enjeux de protection de la vie privée. En matière d’IA, alors que les menaces que font peser les récents développements sont chaque jour plus pressantes (en matière de désinformation, de discrimination, de surveillance, d’exploitation, d’inégalité, d’exclusion, de pollution), la Commission propose… d’alléger ou de retarder certaines dispositions clés de l’AI Act pourtant adopté triomphalement il y a à peine plus d’un an (voir La rem n°69-70, p.11 et voir supra). Et d’autres textes comme le DMA, DSA, Data Act, etc., sont concernés, puisqu’il s’agit bien de passer toutes les législations numériques européennes au crible de la « simplification administrative ». Ainsi, selon plus de cent trente ONG ayant récemment interpellé la Commission, il s’agirait, en l’état, du « plus grand recul des droits fondamentaux numériques dans l’histoire de l’UE »7.
Selon plus de cent trente ONG […], il s’agirait, en l’état, du « plus grand recul des droits fondamentaux numériques dans l’histoire »
L’argument fallacieux de la compétitivité
Ce recul largement mené sous la bannière de la compétitivité – nouvelle boussole de la Commission von der Leyen8 – s’inscrit dans un contexte d’inquiétudes croissantes sur le décrochage économique de l’UE vis-à-vis de la Chine et des États-Unis. Or, non seulement on peut s’interroger sur la façon dont cet objectif de compétitivité est mobilisé au détriment d’autres impératifs tout aussi importants (sociaux, environnementaux, démocratiques), mais il est même très incertain qu’il puisse être atteint avec les mesures proposées, tout au contraire. Rappelons tout d’abord que l’antinomie supposée entre régulation et compétitivité est, au mieux, largement réductrice, au pire, parfaitement trompeuse.
L’antinomie supposée entre régulation et compétitivité est, au mieux, largement réductrice, au pire, parfaitement trompeuse
Les règles sont, en effet, nécessaires à l’existence même d’un cadre de concurrence clair et équitable9. On sait aussi que l’existence de contraintes peut souvent servir de moteur plutôt que de frein à l’innovation, comme en témoignent, entre autres, les conséquences des sanctions américaines à l’encontre de la Chine10. Rappelons, en l’occurrence, que Pékin n’a pas hésité, à partir de 2021, à adopter un vaste ensemble de régulations numériques, allant parfois plus loin que celles prévues en Europe11, afin d’éviter de perdre la main sur tout un secteur avec ses entreprises de plus en plus puissantes, alors même que les États-Unis intensifiaient au même moment leur guerre technologique et commerciale contre l’empire du Milieu…
Le fait est que la « simplification » annoncée par la Commission risque surtout d’aboutir à consolider la position d’entreprises qui sont déjà dominantes, au premier rang desquelles les géants numériques… américains. Des Big Tech qui n’ont jamais caché leur opposition féroce aux législations numériques européennes, ni ménagé leurs efforts de lobbying pour en atténuer la portée (voir La rem n°61-62, p.100). Or, comme l’a démontré l’ONG CEO, l’omnibus de la Commission reprend en grande partie les demandes des lobbys de la Tech12. Un résultat facilité par le processus lui-même, puisque la Commission a multiplié les rencontres – parfois secrètes – avec les représentants des industries numériques tout en marginalisant la société civile sous couvert de « consultations techniques », mais aussi sous les pressions et les menaces de l’administration Trump, qui se sont intensifiées ces derniers mois (voir La rem n°75, p.66). La Commission a beau affirmer qu’elle y reste insensible, il est difficile de la croire, notamment lorsque le sujet se retrouve au cœur des discussions entre la commissaire en charge de la souveraineté technologique, de la sécurité et de la démocratie Henna Virkkunen et le représentant américain au commerce lors d’une rencontre au mois de novembre…
L’omnibus de la Commission reprend en grande partie les demandes des lobbys de la Tech
La fin du Brussels effect ?
Quoi qu’il en soit, ce qui semble acquis, c’est l’abandon des ambitions de l’UE d’incarner à la fois un leader mondial de la régulation du numérique et une troisième voie entre les États-Unis et la Chine. Pour le magazine Politico, cette proposition d’omnibus numérique signerait d’ailleurs ni plus ni moins que la mort du Brussels effect – ce terme désignant la capacité de l’UE à utiliser le poids de son marché pour imposer des règles qui deviennent ensuite des références mondiales13. Si l’on pouvait critiquer l’eurocentrisme et l’unilatéralisme de cette notion (par ailleurs souvent surestimée par les dirigeants européens), le recul vers un plus petit dénominateur commun compatible avec les intérêts des États-Unis et de leurs entreprises – quand il ne s’agit pas simplement de s’y soumettre – est évidemment encore plus problématique.
En particulier au moment où Washington affirme de plus en plus ouvertement une visée de domination non plus seulement économique et géopolitique, mais aussi civilisationnelle, comme en témoignent les penchants technofascistes assumés d’une grande partie de l’entourage de Donald Trump, ainsi que son soutien affiché aux extrêmes droites européennes14. Cependant tout n’est pas joué. Les premières réactions face à la proposition de la Commission montrent un Parlement européen et des États membres profondément divisés sur la pertinence du projet, sans parler des intérêts contradictoires qui se sont manifestés au sein de la société civile et de différents groupes d’intérêts. Une chose est sûre : la bataille sera âpre tout au long de 2026 15, avec notamment pour enjeu l’avenir et la forme que pourra prendre la souveraineté numérique européenne dans un contexte mondial de plus en plus incertain.
05.05.2026 à 09:00
Spécialiste français des semi-conducteurs programmables pour le spatial et pionnier européen des puces durcies aux radiations, NanoXplore lève 20 millions d’euros pour accélérer sa diversification vers le secteur militaire.
Fondée en Is&
Spécialiste français des semi-conducteurs programmables pour le spatial et pionnier européen des puces durcies aux radiations, NanoXplore lève 20 millions d’euros pour accélérer sa diversification vers le secteur militaire.
Fondée en Isère en 2010 par Olivier Lepape et dirigée actuellement par son fils, Édouard Lepape, l’entreprise familiale française NanoXplore est spécialisée dans l’architecture électronique de pointe, et plus particulièrement dans les FPGA (field-programmable gate arrays) durcis aux radiations. Contrairement aux circuits intégrés standards (ASIC) dont l’architecture logique est définitivement figée lors de la phase de fabrication, le FPGA est un composant matériel reprogrammable basé sur un circuit électronique numérique, dont la spécificité est de pouvoir être reconfiguré à volonté après son déploiement. Autrement dit, un même composant peut évoluer dans le temps pour exécuter de nouvelles tâches, comme le traitement du signal, puis l’analyse d’images, puis de la cryptographie, au cours de son cycle de vie. Cette capacité de reconfiguration est cruciale pour les missions spatiales, puisqu’elle permet ainsi d’assurer la maintenance évolutive des satellites alors qu’ils gravitent en orbite. En cas d’anomalie ou de changement de mission, les ingénieurs peuvent téléverser une nouvelle configuration matérielle pour corriger des bugs ou ajouter des fonctionnalités, une opération impossible avec des puces à architecture fixe. Comme Nvidia (voir La rem n°72, p.30 et n°69-70, p.71), c’est une entreprise fabless, c’est-à-dire qu’elle dessine les plans de puces électroniques reprogrammables et elle en sous-traite la conception physique auprès de fonderies.
Parce que ces puces ont également la particularité d’être résistantes aux radiations solaires, l’entreprise, après avoir signé un premier contrat de 3 millions d’euros en 2014 avec le Centre national d’études spatiales (Cnes), équipe tout à la fois les satellites des programmes européens Galileo, opérant dans le domaine de la navigation spatiale (voir La rem n°41, p.29), et Copernicus, à l’œuvre dans le domaine de l’observation de la Terre (voir La rem n°42-43, p.25). NanoXplore travaille actuellement avec une cinquantaine de clients, principalement dans le secteur de l’espace, parmi lesquels Airbus Defence and Space, Thales Alenia Space et OHB, mais également le missilier MBDA. « Il existe beaucoup de sociétés qui travaillent dans les semi-conducteurs pouvant servir à la défense, mais aucune n’a un projet similaire », analyse Nicolas Berdou, directeur d’investissement du Fonds Innovation Défense de Bpifrance. « Le marché du spatial nécessite de réaliser des développements spécifiques concernant la résistance aux radiations, par exemple, sur lesquels les grands groupes ne vont pas. Les acteurs américains vont plutôt pallier cette défaillance technique en misant sur la redondance des composants. »
En novembre 2025, l’entreprise a acquis l’activité ASIC de la société iséroise Dolphin Design, spécialisée dans la conception de circuits intégrés sur mesure dans la défense, dont l’un des clients n’est autre que la Direction générale de l’armement (DGA).
NanoXplore a annoncé en décembre 2025 une levée de fonds en série A de 20 millions d’euros, dont la moitié provient de l’armurier français MBDA, leader européen dans la conception de missiles et de systèmes de missiles, déjà client de NanoXplore, et l’autre moitié, du Fonds Innovation Défense, souscrit par l’Agence de l’innovation de défense et géré par Bpifrance. Si l’entreprise explique avoir investi 120 millions d’euros depuis 2013, en fonds propres ou par la dette, il s’agit de sa toute première levée de fonds externe, le capital ayant exclusivement été détenu par ses fondateurs, au sein d’une structure familiale. En forte croissance, l’entreprise a réalisé un chiffre d’affaires de 20 millions d’euros en 2025 – trois de plus que l’année précédente –, et compte le doubler en 2026, sur un marché adressable total, selon les dirigeants, de 200 millions d’euros pour le spatial en Europe, et de 500 à 600 millions d’euros pour la défense. Cette levée de fonds, selon les dirigeants, vise notamment à « accélérer la diversification de NanoXplore du spatial vers la défense en développant une nouvelle génération de composants spécifiquement orientés pour ces usages (FPGA sécurisés, très basse consommation) et en adaptant les technologies existantes aux besoins des systèmes terrestres, aériens et navals ».
De plus, NanoXplore souhaite s’émanciper de la réglementation américaine ITAR (International Traffic in Arms Regulations), cette réglementation conférant aux États-Unis le droit de bloquer l’exportation d’un équipement complet, comme un satellite, un avion, ou encore un missile vers un pays tiers, dès lors qu’il contient un seul composant électronique d’origine américaine et soumis à l’ITAR. En garantissant que ses composants sont 100 % européens, NanoXplore est « ITAR-free », ce qui permet à un constructeur comme Airbus ou Thales de vendre leurs satellites à n’importe quel pays sans demander l’autorisation à Washington, un gage de liberté commerciale et politique. En revanche, si NanoXplore conçoit les puces et les fait fabriquer actuellement en France par la multinationale franco-italienne STMicroelectronics, elle se voit contrainte de travailler avec le fondeur taïwanais TSMC, qui possède les seules usines au monde capables de produire des puces à la finesse de gravure requise (voir La rem n°69-70, p.71). Mais, à choisir entre une dépendance géopolitique vis-à-vis des États-Unis ou une dépendance industrielle vis-à-vis de Taïwan, les dirigeants ont tranché : « On atteint les limites de ce qu’on peut faire [en France] et l’explosion de la performance dans les satellites va nous imposer d’aller sur des technologies taïwanaises malheureusement. » Après des décennies de désindustrialisation, relocaliser ce type d’usine demanderait des investissements colossaux, supérieurs à 10 milliards d’euros.
Sources :
30.04.2026 à 09:00
ou Modèle du monde
L’engouement déclenché par le lancement de ChatGPT par OpenAI et celui d’autres grands modèles de langage (LLM) en novembre 2022 a marqué un tournant majeur dans la perception et l’adoption de l&
ou Modèle du monde
L’engouement déclenché par le lancement de ChatGPT par OpenAI et celui d’autres grands modèles de langage (LLM) en novembre 2022 a marqué un tournant majeur dans la perception et l’adoption de l’intelligence artificielle générative par le grand public. Cependant, si ces systèmes excellent dans la manipulation syntaxique et rhétorique, ce sont avant tout des « perroquets stochastiques », pour reprendre la métaphore de la linguiste américaine Emily Bender et de la chercheuse spécialisée dans l’éthique de l’intelligence artificielle Timnit Gebru, autrices en 2021 de l’article « On the dangers of stochastic parrots: Can Language Models be too big? » : « Contrairement à ce qu’il peut sembler lorsque nous observons ses résultats, un modèle de langage est un système qui assemble au hasard des séquences de formes linguistiques qu’il a observées dans ses vastes données d’entraînement, selon des informations probabilistes sur la façon dont elles se combinent, mais sans aucune référence au sens : un perroquet stochastique. » Google a, d’ailleurs, tenté de bloquer cette publication, la jugeant trop critique à l’égard de ses propres technologies.
Cet événement, s’ajoutant à d’autres tensions internes, entraîna la démission de Timnit Gebru et provoqua de vives réactions, comme en témoigne la signature d’une lettre de protestation par plus de 1 400 membres du personnel de Google et par 1 900 autres sympathisants. Depuis, Emily Bender est également en croisade contre ces « machines à plagier » ou encore ces « extrudeuses de texte synthétique » qu’elle décrit, lors d’une interview parue dans le Financial Times en juin 2025, comme n’étant rien de plus qu’un « emballage sophistiqué autour de quelques feuilles de calcul ».
Un jugement que partage également Yann Le Cun, ancien directeur de la recherche fondamentale en intelligence artificielle de Meta, l’un des pères du deep learning et lauréat du prestigieux prix Turing avec deux confrères, Yoshua Bengio et Geoffrey Hinton, en 2018. Les grands modèles de langage « imitent ce qu’ils connaissent déjà […] mais échouent lamentablement dès qu’il s’agit de comprendre la causalité physique. Nous n’avons pas de robot capable de faire la même chose qu’un enfant de 5 ou 6 ans ». Si un enfant lâche un verre, il sait intuitivement qu’il va se casser, tandis qu’un modèle de langage n’a aucune « compréhension » que celle d’avoir traité des millions de phrases reliant les concepts de « verre », de « chute » et de « bris ».
L’écueil est triple. Cette absence d’ancrage dans le réel limite drastiquement l’usage de l’IA dans le monde physique, et notamment dans les domaines de la robotique, de l’industrie ou encore de la conduite autonome. De plus, les IA génératives actuelles ont atteint un plafond de verre : elles font face au « mur de la donnée », selon lequel tous les grands modèles de langage ayant ingéré la quasi-totalité du web public de qualité, les efforts pour améliorer encore leurs performances exigent désormais une énergie croissante pour des bénéfices de plus en plus modestes (voir La rem n°69-70, p.52). Et, enfin, il manque une dimension essentielle à l’IA générative : la compréhension de l’espace et du temps. Alors que l’industrie a parié sur une loi d’échelle selon laquelle plus de données et plus de puissance de calcul devaient mécaniquement conduire au graal d’une intelligence artificielle générale, le constat est aujourd’hui sans appel : les IA génératives probabilistes sont incapables de prédire la moindre conséquence de n’importe laquelle de leurs actions.
C’est dans ce contexte de frustration relative et d’anticipation d’un nouveau cycle technologique que les regards se tournent vers une architecture différente, portée par les pionniers du secteur, parmi lesquels Yann Le Cun et Fei-Fei Li, autour des World Models (modèles du monde), également appelés « Large World Models » (grands modèles du monde).
D’une intuition biologique aux premières théories
Le concept de « modèle du monde » n’est pas né avec la dernière vague d’IA et trouve ses racines dans la psychologie cognitive du milieu du 20e siècle. Un « modèle mental », ou « modèle mental du monde », désigne alors une représentation interne permettant de simuler mentalement le déroulement d’un phénomène pour anticiper les résultats d’une action. On doit le terme « modèle mental » au philosophe et psychologue écossais Kenneth Craik et à son livre The Nature of Explanation publié en 1943, dans lequel il jette les bases du concept : « Mon hypothèse est que la pensée modélise, ou imite (parallélise), la réalité – que sa caractéristique essentielle n’est ni “l’esprit” ni “le soi” ni les “données sensorielles”, ni des propositions, mais le symbolisme, et que ce symbolisme est largement du même type que celui qui nous est familier dans les dispositifs mécaniques qui aident à la pensée et au calcul. »
Pour Kenneth Craik, dont les idées se retrouvent dorénavant au cœur des IA de nouvelle génération, la pensée n’est pas juste un « esprit » abstrait, mais plutôt un système de symboles qui imite la structure du monde réel, forme des modèles de la réalité, et les utilise pour prédire des événements futurs similaires. Une intuition confirmée à peine quelques années plus tard, en 1948, lorsque le psychologue Edward Tolman observe que des rats ne naviguent pas dans un labyrinthe par simple réflexe entre la gauche et la droite, mais qu’ils construisent une « carte cognitive » de leur environnement. L’intelligence, c’est avoir une simulation interne du monde extérieur.
Avec l’essor de l’apprentissage par renforcement dans les années 1990, la communauté scientifique explore alors deux paradigmes distincts. D’une part, l’approche Model-Free, selon laquelle un agent – comme un robot, un agent conversationnel ou un personnage dans un jeu vidéo – apprend par réaction, en reliant une observation à une action et à son résultat. Et d’autre part, l’approche Model-Based, où l’agent est capable de planifier en intégrant des règles liées à son environnement. La première, pragmatique, est limitée, car elle fonctionne dans un environnement fermé, comme un jeu vidéo, alors que la seconde, bien plus ambitieuse, requiert une puissance de calcul hors de portée des machines de l’époque. C’est durant cette période que l’informaticien canadien Richard Sutton pose néanmoins les bases mathématiques qui permettront ultérieurement d’intégrer des modèles de planification dans les modèles d’apprentissage par renforcement.
La fin des années 2010 marque le point d’inflexion où les réseaux de neurones profonds sont suffisamment puissants pour faire fonctionner ces concepts théoriques. En 2018, David Ha et Jürgen Schmidhuber publient un article scientifique sobrement intitulé « World Models », dans lequel ils présentent une intelligence artificielle qui apprend d’une simulation qu’elle a elle-même générée. Après avoir entraîné une IA à jouer à un jeu de course de voiture, CarRacing, l’intelligence artificielle fut capable de créer sa propre simulation mentale afin qu’elle s’exerce d’abord à conduire dans un monde imaginaire, élaboré par ses soins, avant d’appliquer ce savoir dans la réalité.
L’évolution d’AlphaGo à AlphaZero puis à MuZero illustre bien tout l’enjeu d’un modèle du monde dont la vocation est de construire une représentation interne et abstraite de l’environnement. Lorsque AlphaGo, développé par l’équipe de Demis Hassabis et David Silver chez Google, bat en 2016 par quatre parties à une Lee Sedol, le champion du monde de go, non seulement les règles du jeu – le modèle du monde, ici le jeu de go – lui sont fournies a priori par les ingénieurs, mais également 160 000 parties déjà jouées par des humains. En 2017, les ingénieurs donnent les règles du jeu à AlphaZero qui n’a, cette fois, plus besoin de parties déjà jouées, puisqu’il apprend tout seul, en jouant contre lui-même. Avec MuZero en 2020, l’algorithme déduit les règles en observant des parties de go, puis il les simule en jouant contre lui-même, planifiant ses actions selon des représentations latentes et validant ainsi la puissance de l’apprentissage par modèle dans les tâches hautement complexes. L’objectif des modèles du monde est donc de passer d’un système qui « récite » à un système qui « raisonne », un système capable de simuler les conséquences d’une action avant de l’entreprendre. Cette transition entre les grands modèles de langage (Large Language Models) et les grands modèles du monde (Large World Models) marque la fin de l’ère du tout-génératif pour un retour vers une ambition plus fondamentale, celle de doter la machine d’une forme de sens commun et d’une intelligence spatiale.
Un avenir à dix ans
En empruntant des voies très différentes, Yann Le Cun et la Sino-Américaine Fei-Fei Li, deux figures majeures dans le domaine de l’intelligence artificielle, ont chacun initié ce virage stratégique pour passer d’une IA générative probabiliste aux modèles du monde. Yann Le Cun, qui a quitté ses fonctions opérationnelles chez Meta pour lancer sa propre entreprise, a théorisé son approche, en 2022, dans un manifeste intitulé A path towards Autonomous Machine Intelligence. Il y déconstruit d’abord le paradigme des IA génératives pour proposer une architecture cognitive inspirée du vivant, structurée autour de deux grands axes.
Le premier tient à la « prédiction dans l’espace de représentation », avec le modèle d’architecture prédictive à représentations jointes (Joint Embedding Predictive Architecture – JEPA). Contrairement aux modèles génératifs, qui tentent de reconstruire une image future pixel par pixel, le modèle du monde JEPA projette les données brutes vers un niveau supérieur d’abstraction. Selon Yann Le Cun, si l’on conduit dans une rue bordée d’arbres par jour de vent, un modèle génératif essaierait de prédire le mouvement exact de chaque feuille de chaque arbre – une tâche impossible, car trop coûteuse en calcul et surtout parfaitement inutile –, alors que le modèle du monde JEPA ignorerait le mouvement des feuilles, l’interprétant comme du bruit. Pour le scientifique, l’IA doit apprendre à faire fi des détails imprévisibles et à opérer dans un « espace de représentation » abstrait, où elle manipule des concepts et non des données sensorielles brutes.
Le second axe de recherche a trait au raisonnement, que Yann Le Cun appréhende comme un processus de simulation et d’optimisation, guidé par un coût. Le modèle du monde est capable de simuler différents scénarios en fonction des actions envisagées et de mesurer leur efficacité par rapport à une fonction de coût intrinsèque, comme éviter la douleur, maximiser l’efficacité énergétique ou encore atteindre un but. Le raisonnement devient alors l’exploration planifiée d’un futur latent, permettant à la machine de prendre des décisions de manière autonome, ancrée dans une compréhension causale de son environnement.
Pour développer ce modèle, Yann Le Cun a créé, en décembre 2025 à Paris, la start-up Advanced Machine Intelligence (AMI Labs), avec Laurent Solly, ex-directeur de Meta France, et Alexandre Lebrun, fondateur de Nabla. Il anticipe son développement en trois phases. « Durant six à douze mois, nous travaillerons à la solidification de notre méthode et à son élargissement aux données de capteurs, de robots… Puis, d’ici un à deux ans, nous aurons, pour des partenaires, des systèmes applicables dans des procédés industriels. Enfin, d’ici trois à cinq ans, nous développerons des systèmes plus universels, utilisables dans les robots domestiques, les voitures autonomes. » AMI Labs finalise un premier tour de table auprès de potentiels investisseurs, dont Cathay Innovation, le fonds britannique Hiro Capital et Greycroft. Il aurait déjà sécurisé 350 millions de dollars, selon Bloomberg News – avec, pour objectif, de lever 150 millions d’euros supplémentaires.
Tout comme les travaux de Yann Le Cun, ceux de Fei-Fei Li ont joué un rôle prépondérant dans le développement de l’apprentissage machine et du deep learning (voir La rem n°30-31, p.75), notamment grâce à la création d’ImageNet en 2006, gigantesque base de données d’images annotées, conçue pour apprendre aux ordinateurs « à voir ». Pour la scientifique sino-américaine, l’avenir résidant dans l’« intelligence spatiale », l’IA devra sortir du texte pour ingérer de la vidéo, de la physique et de la géométrie. Dans une célèbre conférence TED enregistrée en mai 2024, Fei-Fei Li a théorisé ce concept comme la capacité d’une machine non plus seulement à nommer les objets, mais à comprendre leur position, leur matérialité et leurs interactions dans un espace en trois dimensions. « La nature a créé ce cercle vertueux de voir et d’agir grâce à l’ “intelligence spatiale” », explique-t-elle en montrant l’image d’un chat sur une table dont la patte pousse un verre de lait sur le point de tomber à la renverse.
Quand un modèle génératif d’images classique produit une représentation photographique parfaite d’un chat posé sur le bord d’une table, il ignore en fait tout des forces en jeu. À l’inverse, une intelligence spatiale comprend intuitivement la géométrie de la scène, la fragilité des objets et la force gravitationnelle, anticipant que le verre est sur le point de chuter et de se briser au sol. L’enjeu est de passer de la simple reconnaissance de motifs 2D à une véritable modélisation volumétrique et dynamique permettant à l’IA d’inférer ce qui se trouve masqué derrière un objet ou de prédire le résultat d’une interaction physique avant même que celle-ci ne se produise. Cette compréhension est le prérequis pour que les futurs systèmes robotiques puissent naviguer dans le monde réel sans heurts, manipuler des outils complexes ou assister les humains dans des tâches chirurgicales délicates.
Pour concrétiser cette vision, Fei-Fei Li – entourée de Justin Johnson, Christoph Lassner et Ben Mildenhall, pionniers des technologies de rendu neuronal (NeRF) – a fondé, en 2024 à San Francisco, la start-up World Labs, afin de développer des grands modèles du monde capables de générer et de simuler des environnements virtuels interactifs complets avec une représentation physique cohérente. L’entreprise vise dans un premier temps les développeurs de jeux vidéo et les designers, en leur proposant la génération instantanée de mondes 3D manipulables, avant de développer les « cerveaux » des futurs robots autonomes. En l’espace de quelques mois et avant même la commercialisation d’un premier produit public, World Labs, déjà valorisée à plus de 1 milliard de dollars, a finalisé deux levées de fonds successives, mobilisant quelque 230 millions de dollars auprès d’acteurs majeurs du capital-risque tels qu’Andreessen Horowitz, NEA et Radical Ventures.
L’impact économique des World Models promet d’être bien plus tangible que celui des chatbots, en permettant aux machines d’intégrer les lois de la physique et les liens de causalité, et ainsi d’interagir avec le monde réel. Néanmoins, les défis, menant de l’enthousiasme académique au déploiement opérationnel de ces modèles, sont colossaux. La consommation énergétique pour simuler des modèles du monde dépasse largement celle du traitement de texte ; ceux-ci nécessitent des infrastructures toujours plus massives, très éloignées des enjeux actuels de sobriété numérique. De plus, la fiabilité de ces « simulateurs du monde » doit être totale, car une hallucination sur la loi de la gravité dans un environnement industriel pourrait s’avérer bien plus catastrophique qu’un chatbot qui raconte une bêtise. Enfin, l’entraînement de ces modèles sur des millions d’heures de vidéo soulève des questions de propriété intellectuelle, promettant de futurs affrontements juridiques aussi intenses que ceux en cours devant les tribunaux pour le texte, encore sans issue à ce jour.
Tout dépend de la trajectoire donnée à l’artifice de ces intelligences, même si, pour Fei-Fei Li, « il n’y a rien d’artificiel dans l’intelligence artificielle. Elle est inspirée par les humains, créée par les humains, et surtout, elle impacte les humains. […] Je crois que tout ce que fait l’IA aujourd’hui, ou dans le futur, dépend de nous. C’est à nous de décider. Si nous n’agissons pas en tant que société responsable, nous pouvons tout gâcher ».
Sources :