Normandie Digital

L'actualité du web, du référencement et de l'IA, expliquée pour les TPE et PME.

🇬🇧 EN

Yann LeCun : l’étude qui déplace le débat sur la taille des IA

L'étude de Yann LeCun et Randall Balestriero du 29 octobre 2026 montre que 42 fois moins de données suffisent pour aligner un modèle de texte sur la vision. Elle ne dit pas qu'un petit modèle égalera un gros.

Le 29 octobre 2026, Randall Balestriero et Yann LeCun déposent sur arXiv un article au titre ingrat. Le texte du papier annonce une preuve, celle de deux réseaux entraînés séparément qui finissent par se représenter le monde de la même manière, « à une rotation près ».

Depuis le 1er novembre, la reprise est bruyante. On lit que la course aux paramètres est terminée et qu’un ordinateur de bureau fera l’affaire. Numerama a lu le papier et en liste les réserves.

Que dit vraiment l’étude de Yann LeCun ?

Le travail part d’une hypothèse ancienne, celle d’une représentation commune vers laquelle convergeraient des modèles entraînés séparément. Une JEPA est une architecture qui apprend à prédire la représentation d’une observation à partir d’une autre, au lieu du mot suivant. Le théorème dit que des JEPA entraînées sur des modalités différentes apprennent la même représentation quand leurs paires d’entraînement sont deux observations d’une même scène, les bonnes vues.

Les chiffres du papier donnent l’ordre de grandeur. Sur un même corpus, une JEPA à bonnes vues atteint avec 21,6 millions d’échantillons l’alignement que la prédiction du mot suivant obtient avec 900 millions, soit 42 fois moins d’échantillons. Un JEPA de texte de 109 millions de paramètres s’aligne mieux sur la vision que tous les modèles de langage évalués, jusqu’à Qwen2.5-72B, alors que l’encodeur n’a lu que 116 milliards de jetons.

Vue du dessus d'un bureau clair avec un carnet fermé, un crayon posé en diagonale, une tasse vide et deux feuilles libres, illustration en risographie rose et ambre sur papier abricot.

Deux façons de relier deux vues d’une même réalité

La prédiction du mot suivant traite deux morceaux d’un même document comme deux vues de la même chose. Ces morceaux se suivent dans le texte, ils ne montrent pas la scène sous deux angles. C’est le cas des mauvaises vues, qui expliquerait pourquoi les modèles de langage ne s’alignent sur la vision qu’en grossissant. Une JEPA reçoit au contraire une photo et sa légende, et c’est le signal d’entraînement qui porte le résultat.

L’image de la carte du monde aide. Deux personnes dessinent le même village, l’une place le nord en haut, l’autre à droite. Les deux cartes contiennent la même information, orientée différemment, et il faut faire tourner l’une des deux pour les superposer. Le théorème dit que cette rotation suffit quand les vues sont bonnes, à condition de savoir dans quel sens la faire. Les fiches de catalogue, comme notre liste des modèles ouverts sortis en 2026, décrivent des modèles sans jamais dire comment ils se représentent le monde.

Vue du dessus de deux feuilles de papier identiques posées côte à côte sur une table, l'une droite et l'autre tournée d'un quart de tour, illustration en risographie rose et ambre.

L’enfant de quatre ans, et la réserve des linguistes

En mars 2024, dans le podcast de Lex Fridman, LeCun pose son calcul de référence, dont la transcription est publique. Un enfant de quatre ans est resté éveillé 16 000 heures, et l’information arrivée à son cortex visuel se compte en millions de milliards d’octets, contre 20 000 milliards pour un modèle alimenté par 170 000 ans de lecture.

L’analogie a une limite. Tal Linzen, linguiste computationnel à l’université de New York, prévient que « même si ce qu’elles font ressemble à ce que fait un humain, la manière d’y parvenir peut être très différente dans les deux cas ». L’institut canadien Amii compte mille fois plus de mots lus par un modèle que par un enfant de treize ans, qui reçoit une parole adressée, plus courte et échelonnée.

Une égalité de formes, pas de capacités

Le théorème compare la façon dont deux modèles rangent l’information, jamais ce qu’ils savent faire. Une carte commune n’est pas un savoir commun. Un modèle peut ranger le monde comme un autre et répondre moins bien à une question simple.

La facture d’entraînement, la mémoire et l’électricité

Moins d’échantillons, c’est moins de calcul, donc moins de mémoire et moins d’électricité. Le résumé exécutif de l’Agence internationale de l’énergie situe l’ordre de grandeur et couvre l’entraînement comme l’usage. Les centres de données ont consommé 485 TWh en 2025, et l’agence projette 950 TWh en 2030, soit environ 3 % de la demande électrique mondiale, avec une hausse de 17 % en 2025 et de 50 % pour les centres dédiés à l’intelligence artificielle. Une requête simple consomme pourtant moins qu’un téléviseur, quand la vidéo générative et les tâches agentiques consomment des milliers de fois plus.

Le marché de la mémoire reste le poste contraint du moment. TrendForce a relevé sur un trimestre une hausse de 90 à 95 % des prix contractuels de la DRAM conventionnelle. Le prix de certaines mémoires a été multiplié par cinq en un an, d’après Counterpoint Research cité par le Financial Times, et franceinfo a détaillé le marché. Samsung, SK Hynix et Micron se partagent 87 % de l’offre.

L’entraînement lui-même a été chiffré. L’analyse de cycle de vie du modèle Mistral Large 2, menée avec Carbone 4 et l’ADEME, retient 20,4 kt d’équivalent CO2 et 281 000 m3 d’eau. Le document précise que l’entraînement pèse 95 % des émissions du cycle de vie, un chiffre repris par Hugging Face. Le Sénat retient qu’un grand modèle peut émettre autant de CO2 que cinq voitures sur leur cycle de vie. Un modèle spécialisé, lui, demande 0,3 g d’équivalent CO2 pour 1 000 inférences.

Vue du dessus d'un plan de travail avec trois piles de disques ronds de hauteurs différentes alignées en rang et un crayon posé à côté, illustration en risographie rose et ambre sur papier abricot.

Yann LeCun est français, et le retard ne tient pas aux cerveaux

LeCun a reçu le prix Turing en 2019 et a passé douze ans comme chef scientifique de l’intelligence artificielle chez Meta. Il quitte le groupe fin 2025 pour fonder AMI Labs à Paris. Bpifrance Big Média en a listé les cinq points. AMI Labs annonce 1,03 milliard de dollars levés le jour du lancement, soit environ 890 millions d’euros, pour une valorisation de 3,5 milliards de dollars, sans un seul produit commercialisé.

Le récit du rattrapage se casse ailleurs, comme le documente le rapport du Sénat. 70 % des données liées aux usages numériques en France sont hébergées hors du pays, majoritairement aux États-Unis, et la consommation électrique des centres installés en France reste de l’ordre de 4 TWh, moins de 1 % de la consommation nationale. Le rapport crédite pourtant la France d’une première place mondiale pour les investissements dans les centres de données en 2025.

Le Grand Continent a tenté l’arithmétique de l’indépendance dans une analyse publiée en septembre 2026. Il faut construire 12 GW de centres de calcul d’ici 2029, avec des puces surtout fournies par Nvidia et soumises au contrôle américain des exportations. Environ 150 milliards d’euros d’investissements privés sont annoncés, pour un besoin total estimé à 620 milliards d’euros sur trois ans. Aucune petite entreprise ne construira ces centres de calcul, et ce n’est pas là que se joue sa facture. Ce qui la concerne tient en une question, où sont hébergées ses données et à quel prix, ce que détaille notre article sur ce que veut dire héberger chez soi.

Le revers est aussi social. Chez Meta France, le plan de départs révélé début novembre 2026 vise près d’un tiers des effectifs, environ 100 postes sur 350 salariés, après la suppression d’environ 8 000 postes dans le monde au printemps 2026. Maddyness a détaillé la procédure.

Clubic a relayé son dernier entretien, où LeCun refuse l’enthousiasme. Seule une faible proportion des tâches est aujourd’hui automatisable, et les économistes Philippe Aghion et Erik Brynjolfsson chiffrent la hausse incrémentale de productivité à environ 6 % par an, contre 10 à 20 % annoncés par certains dirigeants de la tech.

Les limites du résultat

Le papier est un préprint, déposé avant toute relecture par des pairs. Aucune équipe n’a publié de reproduction indépendante du théorème. La métrique d’alignement est choisie par les auteurs, et elle mesure une proximité de représentations, pas une performance en situation.

Un autre point mérite d’être dit, et le papier ne le cache pas. L’architecture qui gagne est celle des deux signataires, et l’un d’eux dirige la start-up qui la développe. La comparaison porte sur des modèles entraînés sur 15 000 à 18 000 milliards de jetons. Un modèle mieux aligné sur la vision ne rédige pas un courriel.

Pour un dirigeant, la question change de place

La taille d’un modèle reste un critère commercial commode, et elle ne dit pas grand-chose de ce qu’on peut en attendre. La question porte sur les données d’entraînement, sur leur nature et sur l’objectif poursuivi, plus que sur le compteur de paramètres.

Demandez au fournisseur sur quelles données son modèle a été entraîné, et pour quel objectif. Testez un modèle plus petit et spécialisé sur une tâche répétitive, en gardant en tête que le rapport du Sénat retient 0,3 g d’équivalent CO2 pour 1 000 inférences contre 10 g pour un modèle polyvalent. Vérifiez le budget matériel avant de renouveler un parc, le prix de la mémoire ayant changé d’échelle en un an. Un modèle plus petit, mieux entraîné, coûte moins cher à faire tourner, et sa limite est de savoir faire moins de choses.

L’étude de Yann LeCun prouve-t-elle qu’un petit modèle vaut un grand modèle ?

Non. Le travail mesure la proximité des représentations internes, pas la qualité des réponses produites. L’alignement n’apporte aucune compétence pratique, et un modèle de texte ne devient pas capable de rédiger un devis parce qu’il range le monde comme un encodeur d’images. Le résultat déplace la question du nombre de paramètres vers la nature des données d’entraînement.

Que change l’étude de Yann LeCun sur la facture d’un modèle ?

L’entraînement devient moins gourmand en calcul et en mémoire, mais la dépense dépend aussi de l’inférence, du matériel et du prix de l’électricité. La mémoire reste le poste le plus tendu du marché, et un modèle plus petit s’utilise plus longtemps. La dépense se déplace au lieu de disparaître.

L’analogie de l’enfant chez Yann LeCun est-elle défendable ?

Elle éclaire un ordre de grandeur, pas un mécanisme. Un enfant reçoit une parole adressée, plus courte et échelonnée dans le temps, alors qu’un modèle lit un volume de texte qu’aucun humain n’absorbe dans une vie. La comparaison reste utile pour comprendre pourquoi la vision et le langage ne s’alignent pas de la même façon.
Transparence IA. Article rédigé avec l'aide d'une IA, relu par un humain. En savoir plus
Raphaël Marieux Mis à jour le 14/11/2026

J'explique le web et l'IA en français, sans jargon ni pub.

Tous ses articles