{"id":648293,"date":"2026-07-06T17:14:59","date_gmt":"2026-07-06T15:14:59","guid":{"rendered":"https:\/\/aivancity.ai\/blog\/?p=648293"},"modified":"2026-07-06T17:15:02","modified_gmt":"2026-07-06T15:15:02","slug":"llm-ou-world-models-et-si-la-vraie-question-etait-ailleurs","status":"publish","type":"post","link":"https:\/\/aivancity.ai\/blog\/llm-ou-world-models-et-si-la-vraie-question-etait-ailleurs\/","title":{"rendered":"LLM ou World Models : et si la vraie question \u00e9tait ailleurs ?"},"content":{"rendered":"\n

Par Fay\u00e7al Braham, Data Scientist & Chef de projet SI | Professeur permanent<\/strong> \u00e0 aivancity<\/strong><\/a><\/p>\n\n\n\n

Mars 2026. Yann LeCun quitte Meta, l\u00e8ve un milliard de dollars, installe son quartier g\u00e9n\u00e9ral \u00e0 Paris et annonce que le paradigme dominant de l’intelligence artificielle est une impasse. Les r\u00e9seaux s’enflamment. Le d\u00e9bat se cristallise aussit\u00f4t en opposition binaire : LLMs contre World Models, ChatGPT contre JEPA, l’IA d’aujourd’hui contre l’IA de demain. Je pense que cette opposition est une erreur de lecture \u2014 et que la vraie question est ailleurs.<\/p>\n\n\n\n

Dans cet article, quand je parle de World Models, je sous-entends l’approche propos\u00e9e par LeCun : JEPA et ses d\u00e9riv\u00e9s \u2014 I-JEPA, V-JEPA, LeWM \u2014 qui en sont l’impl\u00e9mentation la plus aboutie \u00e0 ce jour.<\/p>\n\n\n\n

Prenons du recul. L’histoire de l’IA n’est pas une ligne droite \u2014 c’est une succession de ruptures conceptuelles, chacune impensable depuis la pr\u00e9c\u00e9dente. Je simplifie, mais l’id\u00e9e est l\u00e0 :<\/p>\n\n\n\n

Perceptron \u2192 R\u00e9tropropagation \u2192 CNN \u2192 Reinforcement Learning \u2192 Transformers \u2192 LLMs<\/strong><\/p>\n\n\n\n

Chaque palier n’a pas d\u00e9truit le pr\u00e9c\u00e9dent. Il l’a int\u00e9gr\u00e9, d\u00e9pass\u00e9, ouvert un espace de possibilit\u00e9s que personne n’anticipait vraiment. Et chaque fois, la communaut\u00e9 scientifique a d’abord r\u00e9sist\u00e9, avant de basculer. C’est le rythme normal de la science profonde, qui p\u00e8che par inertie.<\/p>\n\n\n\n

Ce qui caract\u00e9rise la course actuelle autour des LLMs, c’est pr\u00e9cis\u00e9ment qu’elle n’a pas ce caract\u00e8re de rupture. Plus de param\u00e8tres, plus de calcul, plus de donn\u00e9es, de l’upscaling , c’est une maximisation avec quelques optimisations \u00e7a et l\u00e0 mais pas de vrai palier. Une course lin\u00e9aire, dans un domaine qui a toujours progress\u00e9 par bonds. Cela ne signifie pas que les LLMs sont une impasse : ils ont repr\u00e9sent\u00e9 un palier r\u00e9el, massif, aux applications consid\u00e9rables. Mais ils plafonnent.<\/p>\n\n\n\n

C’est dans ce contexte que je lis les travaux de Yann LeCun \u2014 non pas comme la v\u00e9rit\u00e9 r\u00e9v\u00e9l\u00e9e d’un prix Turing, mais comme le travail patient d’un chercheur qui refuse de se laisser emporter par l’urgence mercantile. Quinze ans sur des id\u00e9es qui ont du mal \u00e0 faire leurs preuves et \u00e0 s’imposer. Des publications le jour de son d\u00e9part de Meta, comme un legs scientifique plut\u00f4t qu’un coup de communication. Dans un \u00e9cosyst\u00e8me o\u00f9 beaucoup confondent puissance de calcul et profondeur de compr\u00e9hension, ce profil m\u00e9rite qu’on s’y arr\u00eate.<\/p>\n\n\n\n

Mais LeCun n’est pas un oracle et JEPA n’est pas n\u00e9cessairement le prochain palier \u2014 c’est peut-\u00eatre un de ses candidats les plus s\u00e9rieux. Ce qui m’int\u00e9resse ici, c’est autre chose : comprendre pourquoi LLMs et World Models partagent plus qu’on ne le croit \u2014 \u00e0 commencer par les Transformers eux-m\u00eames \u2014 et pointer ce que la vraie fracture r\u00e9v\u00e8le : non pas quelle architecture va gagner, mais plut\u00f4t si la recherche en IA a encore les moyens et le courage de penser en rupture plut\u00f4t que de s’\u00e9puiser dans une course lin\u00e9aire et court-termiste.<\/p>\n\n\n\n

Deux philosophies de la recherche<\/h2>\n\n\n\n

Il y a une question que je trouve plus int\u00e9ressante que ‘qui a raison dans le d\u00e9bat LLMs vs World Models’ : comment se fait-il qu’une id\u00e9e puisse travailler dans l’ombre pendant quinze ans, sans reconnaissance de la communaut\u00e9, pendant que le reste du monde court dans une autre direction \u2014 et se positionner aujourd’hui comme l’une des pistes les plus s\u00e9rieuses vers l’AGI ?<\/p>\n\n\n\n

C’est exactement ce qui s’est pass\u00e9 avec JEPA. Et \u00e7a nous dit quelque chose d’important sur la mani\u00e8re dont progresse r\u00e9ellement la recherche en IA.<\/p>\n\n\n\n

Derri\u00e8re ce d\u00e9bat, il y a en r\u00e9alit\u00e9 deux philosophies qui s’affrontent silencieusement depuis des ann\u00e9es.<\/p>\n\n\n\n

La premi\u00e8re parie sur la force brute<\/strong> : donner plus de donn\u00e9es, plus de calcul, plus de param\u00e8tres aux Transformers et aux LLMs et laisser l’intelligence \u00e9merger \u2014 avec quelques optimisations ajout\u00e9es \u00e7a et l\u00e0 : RLHF, RLAIF, DPO, MoE, GRPO, contextes longs, ou encore le test-time compute \u2014 laisser le mod\u00e8le explorer plusieurs raisonnements avant de r\u00e9pondre, comme dans OpenAI o1, DeepSeek R1, Kimi k1.5. C’est l’approche dominante aujourd’hui \u2014 et elle a produit des r\u00e9sultats r\u00e9els, indiscutables.<\/p>\n\n\n\n

La seconde parie sur la profondeur math\u00e9matique<\/strong> : trouver les bons concepts, les bonnes structures, les bonnes repr\u00e9sentations qui font sauter un verrou. Pas en tapant plus fort sur ce qui existe, mais en changeant de niveau. C’est ce que les convolutions ont fait pour la computer vision \u2014 pas en donnant plus de donn\u00e9es aux perceptrons, mais en trouvant la bonne approche math\u00e9matico-informatique. JEPA s’inscrit dans cette m\u00eame philosophie \u2014 le MPC, la gaussienne isotropique de LeJEPA ne sont pas des bricolages empiriques, ce sont des concepts math\u00e9matiques profonds appliqu\u00e9s \u00e0 un probl\u00e8me nouveau.<\/p>\n\n\n\n

L’histoire de l’IA sugg\u00e8re que ce sont les perc\u00e9es de la deuxi\u00e8me philosophie qui produisent les vrais paliers. Mais aujourd’hui, c’est la premi\u00e8re qui tient le haut du pav\u00e9. C’est peut-\u00eatre l\u00e0 que r\u00e9side la vraie tension \u2014 pas entre LLMs et World Models, mais entre deux mani\u00e8res de concevoir le progr\u00e8s scientifique.<\/p>\n\n\n\n

La caverne de Platon est une m\u00e9taphore utile ici \u2014 non pas pour d\u00e9signer ceux qui se trompent, mais pour pointer une tension structurelle dans toute recherche fondamentale : les r\u00e9sultats les plus solides mettent du temps \u00e0 \u00eatre visibles. Les ombres convaincantes \u2014 textes coh\u00e9rents, benchmarks impressionnants, d\u00e9mos spectaculaires \u2014 peuvent masquer des limites profondes. Et celui qui dit \u00ab\u00a0attendez, regardons ce qui se passe vraiment\u00a0\u00bb prend le risque d’\u00eatre ignor\u00e9, parfois pendant longtemps. LeCun lui-m\u00eame le reconna\u00eet : il est \u00e0 la fois celui qui a travaill\u00e9 dans l’obscurit\u00e9 pendant quinze ans et celui qui commence seulement \u00e0 en sortir \u2014 sans certitude d’avoir vu toute la lumi\u00e8re.<\/p>\n\n\n\n

Ce n’est pas une critique des LLMs. <\/strong>C’est une observation sur l’\u00e9cosyst\u00e8me : quand les investissements, les talents et l’attention m\u00e9diatique se concentrent massivement sur un paradigme,quelles questions n’est-on plus en train de financer ? Quelles pistes ferme-t-on sans le savoir ?<\/p>\n\n\n\n

C’est peut-\u00eatre la vraie valeur des chercheurs qui font \u00ab\u00a0bande \u00e0 part\u00a0\u00bb \u2014 non pas parce qu’ils ont raison par principe, mais parce qu’ils maintiennent ouvertes des directions que la pression du court terme aurait tendance \u00e0 fermer. L’histoire de l’IA, des perceptrons aux Transformers, sugg\u00e8re que le prochain palier vient rarement de l\u00e0 o\u00f9 on l’attend.<\/p>\n\n\n\n

Malgr\u00e9 leurs limites, les LLMs sont un passage oblig\u00e9<\/h2>\n\n\n\n

La critique de LeCun envers les LLMs est connue, souvent cit\u00e9e, parfois caricatur\u00e9e. Prenons le temps de la comprendre pr\u00e9cis\u00e9ment \u2014 parce qu’elle pointe quelque chose que m\u00eame les partisans des LLMs commencent \u00e0 admettre.<\/p>\n\n\n\n

Un LLM apprend en pr\u00e9disant le prochain token dans une s\u00e9quence textuelle. Cette m\u00e9canique, r\u00e9p\u00e9t\u00e9e \u00e0 une \u00e9chelle massive, produit des syst\u00e8mes remarquables \u2014 et il faut le dire clairement : remarquables dans des domaines bien d\u00e9finis. Le texte, le code, les math\u00e9matiques, la biologie computationnelle. Partout o\u00f9 la connaissance s’encode naturellement en symboles, les LLMs excellent. Ce n’est pas rien \u2014 c’est un palier r\u00e9el, massif, aux cons\u00e9quences pratiques consid\u00e9rables.<\/p>\n\n\n\n

Mais cette m\u00e9canique a une limite structurelle que le scaling ne r\u00e9sout pas : elle n’implique aucune exp\u00e9rience du monde physique. Un LLM ne sait pas ce qu’est une table. Il sait que le mot \u00ab\u00a0table\u00a0\u00bb appara\u00eet dans certains contextes textuels. La distinction para\u00eet philosophique \u2014 elle a des cons\u00e9quences tr\u00e8s concr\u00e8tes.<\/p>\n\n\n\n

C’est ce que le roboticien Hans Moravec formulait d\u00e8s la fin des ann\u00e9es 80 avec son paradoxe : les t\u00e2ches qui nous paraissent les plus simples \u2014 ramasser un objet, traverser une pi\u00e8ce, comprendre qu’une balle qui dispara\u00eet existe toujours derri\u00e8re un mur \u2014 sont les plus difficiles pour les machines. Tandis que les t\u00e2ches sophistiqu\u00e9es comme jouer aux \u00e9checs ou passer l’examen du barreau sont relativement simples \u00e0 automatiser. Quarante ans plus tard, on a des syst\u00e8mes qui gagnent aux Olympiades de math\u00e9matiques. On n’a toujours pas de robot capable de faire ce qu’un enfant de 10 ans fait la premi\u00e8re fois qu’on lui demande.<\/p>\n\n\n\n

Un calcul frappant illustre cette asym\u00e9trie : tout le texte disponible sur Internet repr\u00e9sente environ 10\u00b9\u2074 octets \u2014 il faudrait 500 000 ans \u00e0 un humain pour le lire. Un enfant de 4 ans, lui, a re\u00e7u en quatre ans exactement la m\u00eame quantit\u00e9 d’information… mais par la vision. La vision est un canal \u00e0 tr\u00e8s haute bande passante \u2014 et cette quantit\u00e9 modeste suffit \u00e0 construire une compr\u00e9hension du monde physique qu’aucun LLM n’approche.<\/p>\n\n\n\n

Ce diagnostic pointe trois limites structurelles que le scaling ne comble pas :<\/p>\n\n\n\n

L’absence d’ancrage physique<\/strong> \u2014 les LLMs n’ont aucune repr\u00e9sentation de la causalit\u00e9, du temps, de la physique. Ils ne peuvent pas pr\u00e9voir ce qui se passe si on l\u00e2che un objet.<\/p>\n\n\n\n

L’absence de m\u00e9moire persistante<\/strong> \u2014 un LLM n’a qu’une fen\u00eatre de contexte. Quand la conversation se termine, tout dispara\u00eet. Ce qu’on appelle \u00ab\u00a0m\u00e9moire\u00a0\u00bb dans ChatGPT ou Claude, c’est un r\u00e9sum\u00e9 inject\u00e9 \u00e0 chaque session \u2014 on dit au mod\u00e8le ce qu’il faut savoir, il ne s’en souvient pas.<\/p>\n\n\n\n

L’incapacit\u00e9 \u00e0 planifier<\/strong> \u2014 sans mod\u00e8le du monde, un syst\u00e8me ne peut pas encha\u00eener des actions sur le long terme pour atteindre un objectif. Il r\u00e9pond, il ne planifie pas.<\/p>\n\n\n\n

Mais est-ce vraiment une impasse ?<\/h2>\n\n\n\n

Ici je marque une nuance importante par rapport \u00e0 LeCun. Les mod\u00e8les r\u00e9cents qui d\u00e9composent les probl\u00e8mes en \u00e9tapes interm\u00e9diaires \u2014 le chain-of-thought \u2014 sont une tentative certes limit\u00e9e mais symptomatique : m\u00eame dans le camp LLM, on reconna\u00eet que la r\u00e9ponse directe ne suffit pas \u2014 qu’il faut simuler un raisonnement interm\u00e9diaire avant de conclure.<\/strong><\/p>\n\n\n\n

Et si on regarde de plus pr\u00e8s, les World Models reprennent beaucoup de concepts d\u00e9velopp\u00e9s durant la p\u00e9riode LLM.<\/p>\n\n\n\n

L’apprentissage auto-supervis\u00e9 comme intuition commune<\/h2>\n\n\n\n

BERT masque des tokens et demande au mod\u00e8le de les pr\u00e9dire. JEPA masque des patches d’image ou des frames vid\u00e9o et demande de pr\u00e9dire leur repr\u00e9sentation abstraite. La m\u00e9canique diff\u00e8re mais la philosophie est identique : c’est en pr\u00e9disant ce qui manque qu’un mod\u00e8le apprend \u00e0 comprendre ce qu’il voit \u2014 sans avoir besoin d’\u00e9tiquettes humaines.<\/p>\n\n\n\n

L’espace latent comme terrain commun<\/h2>\n\n\n\n

Les deux paradigmes travaillent dans des espaces d’embeddings \u2014 des repr\u00e9sentations internes de haute dimension qui capturent le sens au-del\u00e0 des donn\u00e9es brutes. Et ce terrain est d\u00e9j\u00e0 partag\u00e9 plus largement qu’on ne le croit : Flux, DALL-E 3 et Imagen 3 travaillent dans des espaces latents, pas au niveau des pixels. CLIP et T5 encodent conjointement images et texte dans des espaces abstraits compatibles \u2014 architecturalement tr\u00e8s proche de ce que JEPA cherche \u00e0 faire.<\/p>\n\n\n\n

Un mod\u00e8le du monde \u00e9mergent<\/h2>\n\n\n\n

Un LLM entra\u00een\u00e9 sur suffisamment de texte d\u00e9veloppe une forme implicite de mod\u00e8le du monde \u2014 il sait que Paris est en France, que la gravit\u00e9 fait tomber les objets, que les contrats ont des clauses. C’est une propri\u00e9t\u00e9 \u00e9mergente, pas une conception d\u00e9lib\u00e9r\u00e9e \u2014 mais elle existe, il faut le reconna\u00eetre. L’ambition des World Models est pr\u00e9cis\u00e9ment de construire ce mod\u00e8le du monde explicitement et physiquement. Deux chemins vers le m\u00eame besoin.<\/p>\n\n\n\n

La convergence vers les agents<\/h2>\n\n\n\n

Les deux paradigmes sont aujourd’hui mobilis\u00e9s pour construire des agents autonomes. Les agents LLM planifient en texte. Les agents World Model simulent les cons\u00e9quences de leurs actions dans un espace latent avant de planifier ce qu’ils vont faire. Deux approches diff\u00e9rentes mais un m\u00eame objectif : encha\u00eener des actions sur le long terme pour atteindre un but.<\/p>\n\n\n\n

Ce n’est donc pas une guerre de religions entre deux camps irr\u00e9conciliables. C’est une divergence sur ce qu’on cherche \u00e0 produire \u2014 du texte vraisemblable d’un c\u00f4t\u00e9, des actions efficaces dans le monde r\u00e9el de l’autre. Et cette divergence ouvre une question que je trouve plus int\u00e9ressante que \u00ab\u00a0lequel va gagner\u00a0\u00bb : et si le prochain palier \u00e9tait non pas le remplacement des LLMs par les World Models mais leur int\u00e9gration.<\/p>\n\n\n\n

De la r\u00e9action \u00e0 l’anticipation : le c\u0153ur du d\u00e9bat<\/h2>\n\n\n\n

Pour comprendre l’ambition des World Models, il faut d’abord comprendre pourquoi la quasi-totalit\u00e9 de l’IA actuelle \u2014 LLMs inclus \u2014 fonctionne encore en mode r\u00e9flexe.<\/p>\n\n\n\n

Les psychologues distinguent deux modes de pens\u00e9e. Le Syst\u00e8me 1<\/strong> est r\u00e9actif, imm\u00e9diat \u2014 un conducteur exp\u00e9riment\u00e9 qui conduit sans r\u00e9fl\u00e9chir, un joueur de tennis qui renvoie la balle sans d\u00e9lib\u00e9rer. On per\u00e7oit, on encode, on agit. Le Syst\u00e8me 2<\/strong> est d\u00e9lib\u00e9r\u00e9 \u2014 on utilise un mod\u00e8le mental du monde pour imaginer diff\u00e9rentes s\u00e9quences d’actions, en \u00e9valuer les cons\u00e9quences et choisir la meilleure avant d’agir. C’est ce qu’on fait les premi\u00e8res heures quand on apprend \u00e0 conduire une voiture : on h\u00e9site, on imagine des sc\u00e9narios, on planifie chaque man\u0153uvre. Progressivement, \u00e7a se compile dans le Syst\u00e8me 1 et devient automatique.<\/p>\n\n\n\n

Le chain-of-thought des LLMs, souvent pr\u00e9sent\u00e9 comme une forme de planification, illustre pr\u00e9cis\u00e9ment cette limite : le mod\u00e8le g\u00e9n\u00e8re des \u00e9tapes en texte \u2014 ce qui ressemble \u00e0 du Syst\u00e8me 2 \u2014 mais sans construire de plan interne ancr\u00e9 dans un mod\u00e8le du monde. C’est du Syst\u00e8me 1 d\u00e9guis\u00e9.<\/p>\n\n\n\n

La quasi-totalit\u00e9 de l’IA actuelle fonctionne en Syst\u00e8me 1. Le Reinforcement Learning \u2014 la m\u00e9thode qui a permis \u00e0 AlphaGo de battre les meilleurs joueurs de Go \u2014 en est l’exemple parfait : le syst\u00e8me essaie une action, re\u00e7oit une r\u00e9compense ou une punition, ajuste ses param\u00e8tres et recommence des millions de fois. Du t\u00e2tonnement pur, sans planification.<\/p>\n\n\n\n

Le constat est brutal : un adolescent apprend \u00e0 conduire en 10 \u00e0 20 heures de pratique. On dispose de millions d’heures de donn\u00e9es pour entra\u00eener des voitures autonomes \u2014 et on n’a toujours pas atteint le niveau 5, une voiture enti\u00e8rement autonome dans laquelle on n’a jamais besoin de toucher le volant.<\/p>\n\n\n\n

Ce constat rejoint directement la question des paliers soulev\u00e9e en introduction : le RL a permis des avanc\u00e9es spectaculaires dans des environnements bien d\u00e9finis \u2014 jeux de plateau, optimisation de syst\u00e8mes ferm\u00e9s. Mais comme les LLMs face au monde physique, il bute sur la complexit\u00e9 ouverte du monde r\u00e9el. Deux paradigmes dominants, deux plafonds structurels diff\u00e9rents.<\/p>\n\n\n\n

La r\u00e9ponse : doter les machines d’un mod\u00e8le du monde<\/h2>\n\n\n\n

L’ambition des World Models est conceptuellement simple : donner aux syst\u00e8mes la capacit\u00e9 d’imaginer les cons\u00e9quences de leurs actions avant<\/em> d’agir. Pas t\u00e2tonner des millions de fois comme dans le RL \u2014 simuler mentalement, comme un joueur d’\u00e9checs qui calcule plusieurs coups \u00e0 l’avance sans les jouer.<\/p>\n\n\n\n

La m\u00e9thode combine World Model et MPC \u2014 Model Predictive Control, une technique d’optimisation qui remonte aux ann\u00e9es 60. Le principe : \u00e0 partir d’un mod\u00e8le du syst\u00e8me, on cherche la s\u00e9quence d’actions qui atteint un objectif tout en respectant des contraintes. On ex\u00e9cute la premi\u00e8re action, on observe le r\u00e9sultat r\u00e9el et on recalcule. Ce qui est nouveau ici : au lieu d’\u00e9crire \u00e0 la main les \u00e9quations qui gouvernent le syst\u00e8me \u2014 impossible dans un environnement r\u00e9el complexe \u2014 on apprend le World Model depuis les donn\u00e9es.<\/p>\n\n\n\n

La boucle compl\u00e8te : le syst\u00e8me per\u00e7oit l’\u00e9tat actuel du monde, produit une repr\u00e9sentation abstraite, pr\u00e9dit \u00ab\u00a0si je fais cette action, voil\u00e0 l’\u00e9tat dans un instant\u00a0\u00bb<\/em>, \u00e9value si \u00e7a l’approche de son objectif, optimise la s\u00e9quence d’actions, ex\u00e9cute la premi\u00e8re, observe et recommence. C’est de la planification \u2014 pas de la r\u00e9action.<\/p>\n\n\n\n

Mais planifier \u00e0 quel niveau d’abstraction ?<\/h2>\n\n\n\n

C’est ici que la vraie difficult\u00e9 appara\u00eet. Cette planification doit \u00eatre hi\u00e9rarchique<\/strong> \u2014 et c’est l’un des probl\u00e8mes les plus difficiles de l’IA actuelle.<\/p>\n\n\n\n

Un exemple simple l’illustre : un voyage de New York \u00e0 Paris. Impossible de planifier au niveau des contractions musculaires milliseconde par milliseconde. Il faut d’abord d\u00e9cider \u00ab\u00a0prendre un avion\u00a0\u00bb, puis \u00ab\u00a0aller \u00e0 l’a\u00e9roport\u00a0\u00bb, puis \u00ab\u00a0sortir du b\u00e2timent\u00a0\u00bb, puis \u00ab\u00a0se lever de sa chaise\u00a0\u00bb. Chaque niveau utilise un mod\u00e8le du monde diff\u00e9rent, \u00e0 un niveau d’abstraction diff\u00e9rent. Construire cette hi\u00e9rarchie automatiquement est de l’avis m\u00eame de ses concepteurs l’un des grands probl\u00e8mes non r\u00e9solus de l’IA.<\/p>\n\n\n\n

Quatre ruptures que cette approche implique<\/h2>\n\n\n\n

Ce changement de paradigme implique quatre ruptures conceptuelles profondes par rapport \u00e0 l’approche dominante :<\/p>\n\n\n\n

    \n
  • Les mod\u00e8les g\u00e9n\u00e9ratifs<\/strong> \u2192 au profit des architectures joint-embedding comme JEPA. Arr\u00eater de pr\u00e9dire des pixels ou des tokens, commencer \u00e0 pr\u00e9dire des repr\u00e9sentations abstraites.<\/li>\n\n\n\n
  • Les mod\u00e8les probabilistes<\/strong> \u2192 au profit des energy-based models. Un LLM pr\u00e9dit le mot suivant en produisant une distribution de probabilit\u00e9s sur les 128 000 tokens possibles \u2014 g\u00e9rable pour du texte discret. Mais sur des espaces continus comme des vid\u00e9os ou des capteurs, ces distributions deviennent math\u00e9matiquement ing\u00e9rables. Les energy-based models contournent \u00e7a : au lieu de calculer des probabilit\u00e9s, ils calculent une \u00ab\u00a0\u00e9nergie\u00a0\u00bb \u2014 une valeur basse si une configuration est plausible, haute si elle ne l’est pas. Plus simple, plus maniable, sans les probl\u00e8mes math\u00e9matiques des distributions sur des espaces infinis.<\/li>\n\n\n\n
  • Les m\u00e9thodes contrastives<\/strong> \u2192 au profit des m\u00e9thodes r\u00e9gularis\u00e9es, plus stables et g\u00e9n\u00e9ralisables aux vid\u00e9os et aux flux de capteurs.<\/li>\n\n\n\n
  • Le Reinforcement Learning comme moteur principal<\/strong> \u2192 au profit du Model Predictive Control.<\/li>\n<\/ul>\n\n\n\n

    Une nuance importante sur le RL<\/h2>\n\n\n\n

    Il ne s’agit pas d’abandonner le RL compl\u00e8tement \u2014 mais de changer son r\u00f4le. Utilis\u00e9 comme moteur principal d’apprentissage, il est extr\u00eamement inefficace. Utilis\u00e9 comme m\u00e9canisme de correction \u2014 quand la planification MPC \u00e9choue, quand le r\u00e9sultat r\u00e9el diverge de ce que le World Model avait pr\u00e9dit \u2014 il redevient utile. C’est le RL comme outil de diagnostic, pas comme moteur principal. Une diff\u00e9rence de r\u00f4le fondamentale.<\/p>\n\n\n\n

    On est entre deux paliers \u2014 c’est inconfortable et c’est exactement l\u00e0 o\u00f9 la recherche fondamentale a le plus de valeur.<\/p>\n\n\n\n

    JEPA : quinze ans dans l’obscurit\u00e9<\/h2>\n\n\n\n
    \"\"<\/figure>\n\n\n\n

    Il y a quelque chose de frappant dans l’histoire de JEPA que les annonces de mars 2026 ont tendance \u00e0 faire oublier : cette architecture a mis quinze ans \u00e0 fonctionner. Dix ans d’\u00e9checs. Et pendant ce temps, le reste du monde construisait des LLMs.<\/p>\n\n\n\n

    C’est peut-\u00eatre l’illustration la plus concr\u00e8te de ce que j’\u00e9voquais en introduction avec la caverne de Platon \u2014 non pas comme m\u00e9taphore romantique mais comme r\u00e9alit\u00e9 du travail scientifique fondamental. Une id\u00e9e qu’on pressent juste, qu’on ne sait pas encore faire fonctionner et qu’on continue de creuser pendant que les projecteurs sont ailleurs.<\/p>\n\n\n\n

    Le probl\u00e8me du stylo<\/h2>\n\n\n\n

    La question de d\u00e9part est simple \u00e0 poser : comment apprendre \u00e0 pr\u00e9dire la suite d’une vid\u00e9o ? La r\u00e9ponse s’est av\u00e9r\u00e9e redoutable.<\/p>\n\n\n\n

    Quand on montre quatre images d’une vid\u00e9o \u00e0 un r\u00e9seau de neurones et qu’on lui demande de pr\u00e9dire les suivantes, il y a un nombre infini de continuations plausibles. L’exemple du stylo tenu debout, pointe sur la table, index pos\u00e9 sur le capuchon l’illustre parfaitement : on sait qu’il va tomber d\u00e8s qu’on l\u00e8ve le doigt mais impossible de pr\u00e9dire dans quelle direction. \u00c0 droite, \u00e0 gauche, vers soi \u2014 une direction diff\u00e9rente \u00e0 chaque fois.<\/p>\n\n\n\n

    Le r\u00e9seau optimise pour minimiser l’erreur de pr\u00e9diction en moyenne. Il calcule donc la moyenne de tous les futurs possibles. La moyenne de \u00ab\u00a0tombe \u00e0 droite\u00a0\u00bb + \u00ab\u00a0tombe \u00e0 gauche\u00a0\u00bb + \u00ab\u00a0tombe vers soi\u00a0\u00bb donne une image floue au centre de toutes les possibilit\u00e9s. Math\u00e9matiquement correct, totalement inutile.<\/p>\n\n\n\n

    Pendant des ann\u00e9es, les tentatives pour corriger \u00e7a \u2014 notamment en ajoutant des variables cach\u00e9es pour param\u00e9trer l’incertitude \u2014 ont fonctionn\u00e9 dans des cas tr\u00e8s simples et \u00e9chou\u00e9 d\u00e8s qu’on passait \u00e0 des vid\u00e9os r\u00e9elles. La quantit\u00e9 d’information n\u00e9cessaire pour pr\u00e9dire tous les d\u00e9tails d’une sc\u00e8ne complexe est tout simplement ing\u00e9rable.<\/p>\n\n\n\n

    La cl\u00e9 : quitter la dictature du pixel<\/h2>\n\n\n\n

    La solution, \u00e9vidente a posteriori, a pourtant mis des ann\u00e9es \u00e0 s’imposer : ne pas pr\u00e9dire au niveau des pixels du tout<\/em>.<\/p>\n\n\n\n

    Si le stylo tombe, inutile de pr\u00e9dire exactement o\u00f9 chaque pixel va se retrouver. On peut pr\u00e9dire \u00ab\u00a0le stylo sera en position horizontale quelque part sur la table\u00a0\u00bb. C’est pr\u00e9dictible. C’est utile. C’est l\u00e0 que na\u00eet JEPA : au lieu de pr\u00e9dire les pixels de la suite d’une vid\u00e9o, on pr\u00e9dit une repr\u00e9sentation abstraite<\/em> de cette suite.<\/p>\n\n\n\n

    L’encodeur apprend automatiquement \u00e0 \u00e9liminer ce qui n’est pas pr\u00e9dictible \u2014 la direction exacte de la chute, les reflets, le bruit \u2014 pour ne garder que ce qui l’est : la physique de base, les relations causales, la structure du monde.<\/p>\n\n\n\n

    Une analogie tir\u00e9e de l’astronomie l’illustre bien : si on regarde les plan\u00e8tes dans le ciel sans trouver la bonne repr\u00e9sentation, on voit des trajectoires compliqu\u00e9es avec des \u00e9picycles \u2014 ces cercles dans les cercles que les anciens astronomes avaient invent\u00e9s pour expliquer le mouvement apparent des plan\u00e8tes autour de la Terre. Mais si on r\u00e9alise que les plan\u00e8tes tournent autour du Soleil avec des orbites elliptiques, quelques variables suffisent \u00e0 pr\u00e9dire la position de Jupiter dans 50 ans. La cl\u00e9 est toujours de trouver le bon niveau d’abstraction \u2014 pas de simuler la r\u00e9alit\u00e9 en d\u00e9tail. Un World Model n’est pas un simulateur du monde. C’est un syst\u00e8me de compr\u00e9hension qui permet de faire des pr\u00e9dictions utiles.<\/p>\n\n\n\n

    JEPA traduit pr\u00e9cis\u00e9ment ce principe en architecture concr\u00e8te.<\/p>\n\n\n\n

    Ce que JEPA fait concr\u00e8tement<\/h2>\n\n\n\n

    Le nom refl\u00e8te directement les choix architecturaux. Joint<\/strong> : le m\u00eame encodeur traite les deux parties de la donn\u00e9e \u2014 le contexte visible et la partie masqu\u00e9e \u2014 et produit pour chacune une repr\u00e9sentation dans le m\u00eame<\/em> espace abstrait. C’est ce partage qui est nouveau : dans une architecture g\u00e9n\u00e9rative classique, seule l’entr\u00e9e est encod\u00e9e et la sortie est g\u00e9n\u00e9r\u00e9e au niveau des pixels. Ici les deux c\u00f4t\u00e9s vivent dans le m\u00eame espace. Embedding<\/strong> : on travaille sur ces repr\u00e9sentations abstraites, pas sur les donn\u00e9es brutes. Predictive<\/strong> : le pr\u00e9dicteur prend la repr\u00e9sentation visible et tente de deviner celle de la partie masqu\u00e9e \u2014 jamais des pixels, toujours une repr\u00e9sentation abstraite. En quatre mots : JEPA (Joint Embedding Predictive Architecture) pr\u00e9dit la repr\u00e9sentation du futur, pas ses pixels.<\/p>\n\n\n\n

    Le pr\u00e9dicteur dispose \u00e9galement d’une variable libre Z qui param\u00e9trise l’incertitude r\u00e9siduelle. En faisant varier Z, il peut g\u00e9n\u00e9rer plusieurs pr\u00e9dictions plausibles de la m\u00eame situation \u2014 c’est l’h\u00e9ritier des variables latentes des ann\u00e9es d’\u00e9chec, op\u00e9rant maintenant dans un espace abstrait ma\u00eetrisable. Et parce que cet espace est de dimension r\u00e9duite \u2014 quelques centaines de dimensions plut\u00f4t que des millions de pixels \u2014 Z peut \u00eatre optimis\u00e9 en quelques millisecondes pendant l’inf\u00e9rence pour trouver l’action qui rapproche le plus de l’objectif. C’est l\u00e0 que JEPA rejoint directement la boucle MPC d\u00e9crite dans \u00ab\u00a0La r\u00e9ponse : doter les machines d’un mod\u00e8le du monde\u00a0\u00bb.<\/p>\n\n\n\n

    En pratique, l’entra\u00eenement fonctionne ainsi : on prend une image et on g\u00e9n\u00e8re deux vues diff\u00e9rentes de la m\u00eame sc\u00e8ne \u2014 deux recadrages, deux rotations, deux \u00e9clairages. On dit au syst\u00e8me : ces deux vues repr\u00e9sentent la m\u00eame r\u00e9alit\u00e9 donc l’encodeur doit produire la m\u00eame repr\u00e9sentation abstraite pour les deux. C’est ce m\u00e9canisme qui force l’encodeur \u00e0 apprendre ce qui est invariant<\/em> dans la r\u00e9alit\u00e9 \u2014 ce qui ne change pas malgr\u00e9 les variations de point de vue, de lumi\u00e8re ou d’angle. Exactement ce qu’on veut dans un World Model : une repr\u00e9sentation qui capture la structure stable du monde, pas les d\u00e9tails superficiels.<\/p>\n\n\n\n

    Mais utiliser le m\u00eame encodeur pour les deux parties cr\u00e9e un risque majeur. Une pr\u00e9cision importante d’abord : l’encodeur n’est pas fix\u00e9 \u00e0 l’avance. Ce n’est pas une fonction pr\u00e9d\u00e9finie \u2014 c’est un r\u00e9seau de neurones dont les poids sont initialis\u00e9s al\u00e9atoirement et ajust\u00e9s progressivement pendant l’entra\u00eenement. Les repr\u00e9sentations qu’il produit ne sont donc pas impos\u00e9es, elles sont apprises<\/em> et \u00e9voluent \u00e0 chaque \u00e9tape.<\/p>\n\n\n\n

    C’est pr\u00e9cis\u00e9ment cette libert\u00e9 qui cr\u00e9e le danger : rien n’emp\u00eache a priori l’encodeur de converger vers la solution triviale \u2014 produire le m\u00eame vecteur constant, disons z\u00e9ro, pour absolument toute entr\u00e9e quelle que soit l’image. Partie visible \u2192 z\u00e9ro. Partie masqu\u00e9e \u2192 z\u00e9ro. Le pr\u00e9dicteur a alors un travail trivial : il pr\u00e9dit toujours z\u00e9ro. L’erreur est z\u00e9ro. Le syst\u00e8me a \u00ab\u00a0gagn\u00e9\u00a0\u00bb math\u00e9matiquement mais il n’a rien appris sur le monde. Il a juste appris \u00e0 tout ignorer.<\/p>\n\n\n\n

    Le collapse : quand le syst\u00e8me apprend \u00e0 ne rien apprendre<\/h2>\n\n\n\n

    Une analogie : un \u00e9tudiant \u00e0 qui on demande de r\u00e9sumer un livre, \u00e9valu\u00e9 en comparant son r\u00e9sum\u00e9 \u00e0 celui d’un autre \u00e9tudiant. Si les deux rendent une page blanche, l’erreur entre les deux r\u00e9sum\u00e9s est z\u00e9ro \u2014 mais personne n’a lu le livre.<\/p>\n\n\n\n

    R\u00e9soudre ce probl\u00e8me \u2014 forcer le syst\u00e8me \u00e0 produire des repr\u00e9sentations riches et distinctives \u2014 a \u00e9t\u00e9 l’un des chantiers centraux de la recherche en auto-supervision ces dix derni\u00e8res ann\u00e9es. M\u00e9thodes contrastives, m\u00e9thodes r\u00e9gularis\u00e9es, puis DINO avec son architecture enseignant-\u00e9l\u00e8ve d\u00e9velopp\u00e9e par le laboratoire FAIR de Meta \u00e0 Paris \u2014 chaque approche a progress\u00e9 mais aucune n’avait de fondation math\u00e9matique rigoureuse. DINO lui-m\u00eame \u00ab\u00a0marche pour des raisons myst\u00e9rieuses\u00a0\u00bb<\/em> \u2014 le m\u00e9canisme exact qui \u00e9vite le collapse n’est pas enti\u00e8rement compris th\u00e9oriquement.<\/p>\n\n\n\n

    C’est pr\u00e9cis\u00e9ment ce manque que corrige LeJEPA<\/strong>, publi\u00e9 le 11 novembre 2025 \u2014 le jour m\u00eame o\u00f9 le d\u00e9part de Meta \u00e9tait annonc\u00e9, comme un legs scientifique. La d\u00e9monstration : la distribution optimale pour les repr\u00e9sentations dans un JEPA est la gaussienne isotropique, prouv\u00e9e math\u00e9matiquement. Plus de bricolage, plus d’heuristiques \u2014 deux termes de loss, un seul hyperparam\u00e8tre, z\u00e9ro approximation. L\u00e0 o\u00f9 les m\u00e9thodes pr\u00e9c\u00e9dentes n\u00e9cessitaient jusqu’\u00e0 sept termes \u00e0 \u00e9quilibrer manuellement, LeJEPA se r\u00e9duit \u00e0 l’essentiel.<\/p>\n\n\n\n

    Ce qui frappe dans cette trajectoire \u2014 quinze ans, dix ans d’\u00e9checs, une solution finale d’une \u00e9l\u00e9gance math\u00e9matique \u2014 c’est qu’elle ressemble moins \u00e0 une course qu’\u00e0 une fouille. Pas l’optimisation d’un syst\u00e8me existant mais la recherche patiente du bon niveau de repr\u00e9sentation. C’est exactement ce que l’\u00e9cosyst\u00e8me actuel, avec ses cycles d’annonces fr\u00e9n\u00e9tiques et ses lev\u00e9es de fonds records, a tendance \u00e0 n\u00e9gliger \u2014 jusqu’au moment o\u00f9 les travaux concernant les World Models, men\u00e9s dans l’ombre, finissent par s’imposer au d\u00e9bat.<\/p>\n\n\n\n

    LeWorldModel : quand la machine apprend \u00e0 penser<\/h2>\n\n\n\n
    \"\"<\/figure>\n\n\n\n

    En mars 2026, LeWorldModel \u2014 LeWM \u2014 franchit une \u00e9tape concr\u00e8te : premier syst\u00e8me entra\u00eenable de bout en bout depuis des pixels bruts, sur un seul GPU, sans encodeur pr\u00e9-entra\u00een\u00e9 gel\u00e9, sans artifices techniques.<\/p>\n\n\n\n

    Les chiffres sont frappants. \u00c0 l’heure o\u00f9 l’industrie construit des infrastructures pour des LLMs \u00e0 l’\u00e9chelle du trillion de param\u00e8tres, LeWM n’en utilise que 15 millions<\/strong>. Il s’entra\u00eene en quelques heures sur un seul GPU \u2014 pas sur un cluster \u00e0 un milliard de dollars. 200 fois plus \u00e9conome et 48 fois plus rapide pour planifier une action physique que les architectures g\u00e9n\u00e9ratives actuelles.<\/p>\n\n\n\n

    Mais ce qui est le plus remarquable n’est pas l’efficacit\u00e9 \u2014 c’est ce que le mod\u00e8le apprend et comment.<\/p>\n\n\n\n

    Apprendre comme un b\u00e9b\u00e9<\/h2>\n\n\n\n

    Contrairement aux LLMs, LeWM n’apprend pas en lisant Wikip\u00e9dia. Il observe des vid\u00e9os brutes de pixels, tente de pr\u00e9dire l’\u00e9tat suivant dans son espace de repr\u00e9sentations abstraites, se trompe et ajuste son mod\u00e8le interne. De l’apprentissage auto-supervis\u00e9 pur \u2014 comme un b\u00e9b\u00e9 qui observe le monde et construit progressivement une physique intuitive.<\/p>\n\n\n\n

    Au bout de quelques heures d’entra\u00eenement, quelque chose de remarquable se produit : le mod\u00e8le semble d\u00e9duire des lois de la physique de ce qu’il observe. Il comprend qu’un objet ne peut pas traverser un mur, qu’une balle doit rebondir, que la gravit\u00e9 est une constante. On ne lui a pas appris la physique \u2014 il la d\u00e9couvre par l’observation.<\/p>\n\n\n\n

    Ce qui distingue LeWM du deep learning classique<\/h2>\n\n\n\n

    En deep learning classique \u2014 et c’est ici que le contraste avec les LLMs est \u00e9clairant \u2014 un mod\u00e8le apprend P(x_{t+1} | x_t) : \u00e9tant donn\u00e9 l’\u00e9tat actuel, pr\u00e9dit l’\u00e9tat suivant. Pas d’action, pas d’agent. Le syst\u00e8me observe et d\u00e9crit, sans jamais mod\u00e9liser sa propre capacit\u00e9 \u00e0 intervenir sur le monde.<\/p>\n\n\n\n

    LeWM r\u00e9introduit une variable que les LLMs avaient \u00e9vacu\u00e9e : l’action<\/strong>. Le mod\u00e8le apprend P(x_{t+1} | x_t, a_t) \u2014 l’\u00e9tat futur pr\u00e9dit conjointement \u00e0 partir de l’\u00e9tat actuel et d’une action envisag\u00e9e. Ce n’est pas une invention ex nihilo : c’est l’ADN du contr\u00f4le optimal depuis Bellman, du RL model-based \u2014 dont MuZero de DeepMind est un exemple embl\u00e9matique \u2014 et du MPC.<\/p>\n\n\n\n

    Ce qui est nouveau, c’est moins la variable que ce qu’elle ouvre dans ce contexte pr\u00e9cis : la contrefactualit\u00e9 \u2014 le raisonnement sur des mondes possibles. On passe d’un mod\u00e8le qui d\u00e9crit le monde \u00e0 un mod\u00e8le qui r\u00e9pond \u00e0 \u00ab\u00a0et si je faisais \u00e7a ?\u00a0\u00bb<\/em>. La pr\u00e9diction devient conditionnelle \u00e0 un sujet agissant \u2014 ce qui permet de d\u00e9rouler des trajectoires imaginaires et d’optimiser dessus avant d’agir.<\/p>\n\n\n\n

    C’est moins une r\u00e9volution qu’un retour de l’agent dans une sc\u00e8ne que les mod\u00e8les de langage avaient d\u00e9sert\u00e9e.<\/p>\n\n\n\n

    Le probl\u00e8me de l’action cach\u00e9e<\/h2>\n\n\n\n

    Mais la plupart des vid\u00e9os disponibles ne montrent pas l’action directement. On voit l’\u00e9tat initial, on voit l’\u00e9tat final \u2014 l’action elle-m\u00eame, les intentions, les forces appliqu\u00e9es, est cach\u00e9e. Sans elle, on apprend des corr\u00e9lations, pas des causalit\u00e9s.<\/p>\n\n\n\n

    La r\u00e9ponse d\u00e9velopp\u00e9e d\u00e9but 2026 : inf\u00e9rer une action latente \u00e0 partir de la seule paire \u00e9tat initial \/ \u00e9tat final. Un module interne tente de d\u00e9duire quelle action a caus\u00e9 la transition, m\u00eame sans l’avoir vue. En observant uniquement l’\u00e9tat initial et l’\u00e9tat final d’une sc\u00e8ne, le syst\u00e8me d\u00e9duit quelque chose qui ressemble \u00e0 un concept \u2014 exemple : \u00ab\u00a0se d\u00e9placer vers la droite\u00a0\u00bb. Appliqu\u00e9 \u00e0 une nouvelle situation, ce concept produit le m\u00eame effet, sur une autre personne, dans un autre contexte.<\/p>\n\n\n\n

    La limite est reconnue ouvertement : le syst\u00e8me peut inf\u00e9rer une causalit\u00e9 qui n’existe pas. Comme les jeunes enfants qui pensent que ce sont les feuilles qui bougent qui causent le vent. La causalit\u00e9 est difficile \u00e0 identifier correctement \u2014 m\u00eame pour les humains. C’est l’une des directions de recherche les plus ouvertes d’AMI Labs.<\/p>\n\n\n\n

    O\u00f9 en sommes-nous vraiment ?<\/h2>\n\n\n\n

    Les premiers r\u00e9sultats exp\u00e9rimentaux sont significatifs : un mod\u00e8le vid\u00e9o entra\u00een\u00e9 avec JEPA d\u00e9tecte des \u00e9v\u00e9nements physiquement impossibles \u2014 une balle qui dispara\u00eet en plein vol \u2014 exactement comme le feraient des b\u00e9b\u00e9s de 10 mois qui \u00e9carquillent les yeux face \u00e0 l’impr\u00e9vu. C’est le premier syst\u00e8me connu \u00e0 avoir acquis une forme d’intuition physique.<\/p>\n\n\n\n

    Mais une ironie froide remet les choses en perspective : un bras de robot entra\u00een\u00e9 par auto-supervision sur 100 ans de vid\u00e9os arrive \u00e0 planifier comment d\u00e9placer un verre. \u00ab\u00a0100 ans de vid\u00e9os, c’est un jour d’upload sur YouTube.\u00a0\u00bb<\/em> Pas beaucoup \u2014 et d\u00e9placer un verre reste une t\u00e2che triviale pour un enfant de 2 ans.<\/p>\n\n\n\n

    Ces r\u00e9sultats sont \u00e0 la fois une preuve que l’approche est sur la bonne voie et un rappel brutal du chemin qui reste \u00e0 parcourir. On est sorti de la caverne \u2014 mais \u00e0 peine. La lumi\u00e8re est l\u00e0, quelque part devant. Le prochain palier n’est pas encore visible.<\/p>\n\n\n\n

    AMI Labs : un pari europ\u00e9en sur le long terme<\/h2>\n\n\n\n

    En novembre 2025, Yann LeCun officialise la cr\u00e9ation d’AMI Labs \u2014 Advanced Machine Intelligence \u2014 dont le si\u00e8ge s’installe \u00e0 Paris. La lev\u00e9e de fonds annonc\u00e9e en mars 2026 atteint 1,03 milliard de dollars, la plus grande s\u00e9rie seed de l’histoire de la tech europ\u00e9enne, pour une valorisation de 3,5 milliards avant m\u00eame d’avoir sorti un produit.<\/p>\n\n\n\n

    Les noms au capital \u2014 Nvidia, Samsung, Toyota, Bezos, Bpifrance, le Groupe Dassault \u2014 disent quelque chose d’important : des acteurs industriels s\u00e9rieux misent sur une approche alternative aux LLMs, port\u00e9e par une \u00e9quipe dont la l\u00e9gitimit\u00e9 scientifique est incontestable. Ce n’est pas du capital-risque sp\u00e9culatif \u2014 c’est un pari sur un paradigme.<\/p>\n\n\n\n

    Cinq domaines o\u00f9 les LLMs \u00e9chouent structurellement<\/h2>\n\n\n\n

    La feuille de route d’AMI Labs cible pr\u00e9cis\u00e9ment les zones d’\u00e9chec identifi\u00e9es dans les parties pr\u00e9c\u00e9dentes.<\/p>\n\n\n\n

    La sant\u00e9<\/strong> d’abord \u2014 analyser et pr\u00e9dire le comportement d’organes, interpr\u00e9ter des donn\u00e9es m\u00e9dicales complexes, assister des diagnostics. Nabla est annonc\u00e9 comme premier partenaire \u2014 un choix logique : Alexandre Lebrun, PDG d’AMI Labs, en est le fondateur. C’est aussi le domaine o\u00f9 une hallucination peut avoir des cons\u00e9quences mortelles \u2014 ce qui rend la r\u00e9duction structurelle des erreurs non pas souhaitable mais n\u00e9cessaire.<\/p>\n\n\n\n

    L’industrie<\/strong> ensuite \u2014 mod\u00e9liser le comportement d’un moteur d’avion, d’une centrale \u00e9lectrique, d’une cha\u00eene de production, pour anticiper des pannes ou optimiser des proc\u00e9d\u00e9s. Des domaines o\u00f9 la causalit\u00e9 physique est centrale et o\u00f9 un LLM sans ancrage dans le monde r\u00e9el ne peut pas aller.<\/p>\n\n\n\n

    La robotique<\/strong> \u2014 un robot humano\u00efde dans un environnement domestique rencontre chaque jour des situations in\u00e9dites. Le RL ne peut pas tout anticiper \u00e0 l’entra\u00eenement. Un World Model lui permet de simuler mentalement ce qui va se passer avant d’agir \u2014 ce qui ferait passer le robot de la t\u00e2che r\u00e9p\u00e9titive \u00e9troite \u00e0 l’adaptabilit\u00e9 g\u00e9n\u00e9rale.<\/p>\n\n\n\n

    La voiture autonome<\/strong> \u2014 malgr\u00e9 des milliards investis, personne n’a encore atteint le niveau 5. Waymo en est l’illustration : des voitures quasi-autonomes qui ne fonctionnent que dans des zones cartographi\u00e9es et peuvent appeler un op\u00e9rateur humain en cas d’impr\u00e9vu. Ce n’est pas de l’autonomie r\u00e9elle \u2014 c’est de la gestion de cas connus. Un World Model peut projeter des sc\u00e9narios et adapter sa trajectoire en cons\u00e9quence, m\u00eame sans avoir vu cette situation dans les donn\u00e9es d’entra\u00eenement.<\/p>\n\n\n\n

    Les agents IA<\/strong> enfin \u2014 un agent LLM peut d\u00e9composer une t\u00e2che en \u00e9tapes mais sa planification reste textuelle, sans mod\u00e8le du monde pour valider que chaque \u00e9tape est r\u00e9ellement ex\u00e9cutable. Un agent fond\u00e9 sur un World Model simule les cons\u00e9quences r\u00e9elles de chaque action et peut d\u00e9tecter une incoh\u00e9rence avant de la commettre.<\/p>\n\n\n\n