Public transcript

Yann Le Cun : où va l’intelligence artificielle ?

By: Sciences Po
Length: 1 h 27 min
Language: French
Text from: the video's captions
Transcribed: 14 October 2026

Read the full transcript Open on YouTube

Notes in French.

Summary

Conférence d'ouverture de l'année universitaire 2026-2027 à Sciences Po : Yann Le Cun, en discussion avec Éric Azan, revient sur son parcours depuis les réseaux convolutifs des années 80 jusqu'à la création d'AMI, critique la « pause IA » et les discours sur le risque existentiel, et expose pourquoi les LLM ne mèneront pas à une intelligence de niveau humain. Il présente son architecture JEPA et les world models comme la prochaine révolution de l'IA, une opportunité pour la souveraineté européenne via des modèles open source. Il répond ensuite aux questions du public sur les données, la régulation, l'écologie et l'intelligence animale.

Key points

Yann Le Cun critique la « pause IA » portée par Dario Amodei comme un argument de marketing éthique visant à capturer le marché par la régulation et à interdire l'open source.
Il raconte son parcours : thèse isolée sur les réseaux de neurones en France, postdoc avec Geoffrey Hinton à Toronto, puis recrutement par Bell Labs où il développe les réseaux convolutifs.
Après une « période noire » d'environ dix ans (1995-2005) pour le deep learning, le renouveau vient en 2012 avec le record de performance de Hinton en reconnaissance d'images, suivi de la création de FAIR par Le Cun fin 2013.
Les LLM prédisent le mot suivant dans le texte, mais un enfant de 4 ans reçoit par la vision environ autant d'information (10 puissance 14 octets) que tout le texte disponible sur internet.
Il propose l'architecture JEPA (Joint Embedding Predictive Architecture) : apprendre des représentations abstraites du monde plutôt que prédire chaque pixel d'une vidéo.
Les world models permettraient de planifier des actions en prédisant leurs conséquences, avec des modèles plus petits et moins gourmands en mémoire que les LLM — une porte pour la souveraineté européenne.
Il défend un modèle open source fédéré (Project Tapestry) soutenu notamment par l'Inde, le Japon et le Vietnam, comme dépositaire de toute la connaissance humaine.
Il juge inutile de réguler la recherche en IA : il faut réguler les déploiements, et compare les scénarios de risque existentiel à des films de James Bond.

Questions it answers

00:00Accueil par Sciences Po

Qui est Yann Le Cun et pourquoi est-il invité à Sciences Po ?

Le directeur de Sciences Po présente Yann Le Cun, sa carrière de chercheur (prix Turing), d'entrepreneur (AMI) et de professeur, et pose les questions de la place de l'Europe, de la gouvernance de l'IA et de son rôle dans la formation.

Première grande conférence de l'année universitaire 2026-2027.
Yann Le Cun a lancé AMI (Advanced Machine Intelligence) il y a moins d'un an.
Un comité sur l'IA coprésidé par Éric Azan et Julie Clin sera annoncé.

09:48La pause IA

Que pense Yann Le Cun de la « pause IA » ?

Il juge les défenseurs de la pause incohérents : Dario Amodei a refusé puis libéré GPT-2, et l'argument du danger sert à capturer le marché par la régulation et à interdire l'open source.

Anthropic est financée via Open Philanthropy et l'effective altruism.
Il qualifie cette mouvance de « secte religieuse ».
L'argument de danger intrinsèque est selon lui faux.

14:30Parcours et débuts

Comment Yann Le Cun est-il arrivé dans l'IA ?

Intéressé depuis toujours par l'intelligence, il finit ses études en 1983 à l'époque des systèmes experts, fait une thèse isolée sur les réseaux de neurones, un postdoc avec Hinton à Toronto, puis Bell Labs où naissent les réseaux convolutifs.

Thèse supervisée par Maurice Milgram, sans communauté sur le sujet en France.
Bell Labs : transistor, laser, Unix, C++.
Réseaux convolutifs développés fin des années 80, début 90.

22:00L'hiver de l'IA et le renouveau

Comment le deep learning est-il revenu en force ?

Après une période noire de ~10 ans (1995-2005), il relance la recherche avec Hinton et Bengio ; en 2012 le record de Hinton en reconnaissance d'images fait basculer la communauté, et Le Cun crée FAIR fin 2013.

Reconnaissance de parole améliorée dès 2009-2010.
Revirement complet de la vision par ordinateur en 2012-2013.
Le prix Turing récompense cette persistance.

28:00Limites des LLM et JEPA

Pourquoi les LLM ne sont-ils pas un chemin vers l'intelligence de niveau humain ?

Les LLM prédisent le mot suivant, mais un enfant de 4 ans reçoit par la vision autant d'information que tout le texte d'internet. Il propose JEPA : apprendre des représentations abstraites plutôt que prédire les pixels.

20000 milliards de mots ≈ 10 puissance 14 octets ≈ vision d'un enfant de 4 ans.
Pas de voiture autonome ni de robot domestique fiables aujourd'hui.
JEPA : Joint Embedding Predictive Architecture, publiée en 2022, ~2900 articles.

45:30World models et souveraineté

Comment l'Europe peut-elle garder une place dans l'IA ?

Les world models (prédire les conséquences d'actions) nécessitent moins de mémoire que les LLM, et un modèle open source fédéré (Project Tapestry) pourrait rendre l'IA souveraine.

Les world models ouvriront la robotique et une nouvelle révolution IA.
Des assistants propriétaires américains ou chinois seraient mauvais pour la démocratie.
Project Tapestry soutenu par l'Inde, le Japon, le Vietnam.

52:00Questions du public

Comment réguler l'IA et qu'en est-il de son impact écologique ?

Il faut réguler les déploiements (conduite, imagerie médicale), pas la recherche ; les data centers ne consomment pas d'eau et l'incitation économique pousse déjà à réduire l'énergie.

Réguler la recherche en IA serait comme réguler les vols transatlantiques à réaction en 1920.
Les capteurs de toucher actuels ne durent pas assez pour la manipulation robotique.
Les robots humanoïdes actuels sont « complètement inutiles ».

1:08:00Intelligence animale et causalité

Que dit-il de l'intelligence animale, de la langue et de la causalité ?

Les animaux (pieuvres, coucous) deviennent intelligents sans interaction sociale ; la langue doit être ancrée dans la réalité ; les world models conditionnés par des actions permettent d'établir des relations causales.

L'intelligence humaine est hyper spécialisée mais très adaptative.
Un adolescent apprend à conduire en 20 heures ; l'imitation sur des milliards d'heures ne suffit pas.
Les JEPA entraînés sur (état, action, état suivant) deviennent des modèles causaux.

Notes

La « pause IA »

Yann Le Cun qualifie les défenseurs de la pause IA (Dario Amodei, suivi de Sam Altman et Elon Musk) d'incohérents. Il rappelle que Dario Amodei refusait en 2019 de distribuer GPT-2 en open source, avant de le faire six mois plus tard. Il relie Anthropic à la mouvance de l'effective altruism, financée par des gens « avec beaucoup d'argent et trop de temps libre » (Dustin Moskovitz, Jaan Tallin), et voit dans l'argument du danger intrinsèque une volonté de capturer le marché par la régulation et d'interdire l'open source.

Parcours

Toujours intéressé par la question de l'intelligence, il finit ses études d'ingénieur en 1983, à l'époque des systèmes experts. Faute de directeur de thèse sur le sujet, il est supervisé par Maurice Milgram (réseaux d'automates). Il rencontre la communauté naissante en 1987 (Geoffrey Hinton, Terry Sejnowski), fait son postdoc à Toronto, puis est recruté par Bell Labs, où il développe les réseaux convolutifs à la fin des années 80.

L'hiver et le renouveau

Entre ~1995 et 2005, la communauté du machine learning délaisse les réseaux de neurones. Il revient au domaine en 2001-2002, devient prof à NYU en 2003, et relance la recherche avec Hinton et Yoshua Bengio. En 2012, le record de Hinton en classification d'images provoque un revirement complet ; Le Cun crée FAIR fin 2013.

Limites des LLM et JEPA

Les LLM prédisent le mot suivant (prédiction autorégressive). Or tout le texte d'internet (~20000 milliards de mots, ~10 puissance 14 octets) représente autant d'information que ce qu'un enfant de 4 ans reçoit par la vision (16000 heures éveillé, 2 millions d'octets/s). Prédire les pixels d'une vidéo est bien plus difficile : d'où JEPA (Joint Embedding Predictive Architecture), apprendre des représentations abstraites où les détails imprédictibles sont éliminés.

World models et souveraineté

Un world model permet de prédire les conséquences d'actions et donc de planifier. Ces modèles ont besoin de moins de mémoire que les LLM : une porte pour l'Europe. Il plaide aussi pour un modèle open source fédéré (Project Tapestry), soutenu par l'Inde, le Japon, le Vietnam.

Régulation et risques

Il faut réguler les déploiements (conduite, mammographie), pas la recherche. Les scénarios de risque existentiel (virus, botnets) sont des « scénarios de James Bond ». Sur l'écologie, les data centers ne consomment pas d'eau (circuit fermé) ; l'incitation économique suffit à réduire la consommation énergétique.

Text from the video's own captions. Summary and notes written by AI from the transcript, so check anything important against the recording.