Il existe parmi les chercheurs en IA un désaccord public qui vaut la peine d’être compris, même si vous ne lisez jamais un article scientifique. Il porte sur la question de savoir si le type d’IA derrière les assistants conversationnels d’aujourd’hui, les grands modèles de langage (LLM), peut continuer à progresser jusqu’à traiter le monde réel, ou s’il faut quelque chose de différent.


Vous n’avez pas à prendre parti. Mais le débat façonne ce que les fournisseurs d’IA promettent à propos des agents : il est donc utile de savoir ce que revendique chaque camp, et sur quelles preuves il s’appuie, en date de novembre 2026.


Deux termes


Un LLM est un modèle entraîné à prédire le prochain morceau de texte, encore et encore, sur une quantité immense d’écrits. La plupart des assistants actuels reposent sur l’un d’eux, puis sont ajustés ensuite (voyez notre billet sur le RLHF et le RLVR). Le terme « autorégressif » veut simplement dire qu’il produit sa sortie une étape à la fois, chaque étape dépendant des précédentes.


Un modèle du monde est un modèle qui apprend comment se comporte un environnement, de façon à pouvoir prédire ce qui arrive si quelque chose change ou si une action est posée. DeepMind décrit les modèles du monde comme des systèmes qui « utilisent une compréhension du monde pour en simuler des parties », afin que des agents puissent prédire comment un environnement changera et comment leurs actions l’affecteront.


L’argument de Yann LeCun


Yann LeCun, lauréat du prix Turing, qui a été scientifique en chef de l’IA chez Meta jusqu’à son départ à la fin de 2025, est l’un des critiques les plus connus de l’idée que l’agrandissement des modèles de langage suffit. En 2022, il a exposé son alternative dans un document de position, « A Path Towards Autonomous Machine Intelligence ». En résumé, tel que nous lisons ses déclarations publiques et ses articles :


  • Le langage n’est qu’une mince tranche de l’expérience. Une grande part de ce que les gens savent du monde, comment tombent les objets ou comment se déplacer dans une pièce, s’apprend en observant et en agissant, pas en lisant.
  • Prédire chaque détail est la mauvaise cible. Générer le prochain mot, ou le prochain pixel, force un modèle à deviner des détails imprévisibles. Il propose de prédire dans un espace abstrait.
  • Cette idée a un nom : JEPA, l’architecture prédictive à plongement conjoint (Joint Embedding Predictive Architecture). Dans I-JEPA (2023), un modèle prédit les *représentations* de parties masquées d’une image, et non les pixels. Dans V-JEPA 2 (juin 2025), des chercheurs, dont LeCun, ont préentraîné un modèle sur plus de 1 million d’heures de vidéo d’Internet sans étiquettes d’actions, puis, avec moins de 62 heures de vidéo de robots non étiquetée, l’ont adapté pour planifier de simples tâches de saisie et de dépose par des robots dans deux laboratoires, sans entraînement supplémentaire pour ces tâches. Ce sont les résultats des auteurs.
  • Ses réserves déclarées sur les LLM comprennent les hallucinations, ainsi qu’un ancrage faible dans le monde physique et dans la planification.

En 2026, il est devenu président exécutif d’une société bâtie autour de cette vision, AMI Labs (Advanced Machine Intelligence), que TechCrunch décrivait en janvier 2026 comme développant des modèles du monde pour « construire des systèmes intelligents qui comprennent le monde réel ». Son énoncé de mission, tel que cité : « real intelligence does not start in language. It starts in the world » (« la vraie intelligence ne commence pas dans le langage. Elle commence dans le monde »). Des comptes rendus de presse de mars 2026 chiffrent son financement à environ un milliard de dollars.


L’argument de l’autre camp


Ceux qui ne sont pas d’accord ne disent pas tous que les modèles de langage sont parfaits. Les formes les plus solides de leur argument sont les suivantes :


  • Les modèles de langage apprennent déjà une certaine structure du monde. Un article de 2022 (Li et coll., « Emergent World Representations ») a entraîné un modèle de type GPT uniquement à prédire des coups légaux au jeu de plateau Othello, et a trouvé des indices qu’il formait une représentation interne du plateau. C’est un petit jeu à règles, ce qui montre que cela peut se produire, pas que cela se produit à grande échelle pour tout.
  • Les modèles continuent de progresser, et les méthodes d’entraînement changent. L’apprentissage par renforcement sur des tâches vérifiables a produit des gains en mathématiques et en code, selon DeepSeek dans son article sur R1. Une réponse à l’affirmation de « cul-de-sac » est que de nouvelles méthodes d’entraînement et de nouveaux outils ont réglé certaines faiblesses dont on s’attendait qu’elles durent. (Nous en avons parlé dans le billet sur le RLHF et le RLVR.)
  • Les modèles du monde et les modèles de langage peuvent être combinés. Plutôt qu’un remplacement, beaucoup de chercheurs les voient comme complémentaires : le langage pour le raisonnement et les consignes, un modèle du monde pour la prédiction physique. Genie 3, de Google DeepMind, annoncé en août 2025, génère des environnements interactifs à partir d’une consigne textuelle, en temps réel à 720p et 24 images par seconde, avec une cohérence de quelques minutes. DeepMind en énumère les limites : seulement quelques minutes d’interaction, un ensemble limité d’actions pour l’agent et une exactitude imparfaite du monde réel, et présente ces travaux comme une étape vers l’entraînement d’agents en simulation. Une consigne textuelle qui pilote un modèle du monde est elle-même un mélange des deux approches.
  • Les résultats pratiques viennent en premier. Les systèmes actuels fondés sur les LLM font déjà du travail de bureau utile, ce qui plaide pour bâtir dessus pendant que la recherche se poursuit.

Certains commentateurs qui examinent le différend avec neutralité arrivent à une position mitoyenne : la version la plus forte de l’affirmation de LeCun, selon laquelle l’échelle seule ne donnera pas un raisonnement physique robuste ni une planification à long terme, est plausible et vérifiable. La version la plus forte de l’affirmation contraire, selon laquelle les modèles de langage continueront d’absorber de nouvelles capacités, s’appuie aussi sur des preuves. Rien n’est tranché. Nous nous méfierions de quiconque dit que c’est le cas.


Pourquoi cela compte pour les agents


Un agent est un logiciel qui accomplit une tâche pour vous : il lit vos dossiers, pose des gestes, appelle des outils. Qu’il agisse à l’écran ou dans le monde réel change tout.


  • À l’écran, avec des courriels, des factures, des calendriers et des dossiers, le monde est fait de texte et de chiffres. Les modèles de langage y sont déjà utilisés, et les erreurs se présentent sous forme de brouillons faux que vous pouvez vérifier.
  • Dans le monde physique, avec des camions, des outils et des personnes, un agent doit prédire ce que font les actions. C’est là que les modèles du monde seraient les plus importants, et là que nous ne voyons pas encore de déploiements larges et documentés. Voyez notre billet sur l’IA physique et les humanoïdes.
  • Entre les deux, les agents qui planifient sur plusieurs étapes, comme répartir une semaine de travaux, se servent de quelque chose comme un modèle du fonctionnement de votre entreprise : la durée des travaux, les clients qui paient en retard, ce qui dépend de quoi. Ce modèle peut être bâti à partir de vos dossiers. C’est un « modèle du monde » plus petit et plus pratique que celui de la recherche, et c’est celui qu’une petite entreprise peut réellement construire.

Ce que ça change pour votre entreprise


1. N’achetez pas en fonction du débat. Les fournisseurs des deux camps ont des raisons commerciales de raconter leur histoire. Mettez tout outil à l’essai sur votre propre travail.

2. Traitez avec un soin particulier les affirmations sur des agents qui agissent dans le monde réel. Demandez des déploiements documentés et des taux d’échec, pas des démonstrations.

3. Attendez-vous au changement. Les méthodes derrière l’IA bougent encore. Gardez vos dossiers et vos tests indépendants de tout type de modèle, pour pouvoir changer.

4. Pour le travail à l’écran, la question utile est la fiabilité, pas quelle architecture l’emporte. Voyez notre billet sur la fiabilité.

5. Bâtissez votre propre modèle d’entreprise. Un dossier propre de vos travaux, prix, durées et clients est ce qui se rapproche le plus, en pratique, d’un modèle du monde de votre entreprise.


Ce que ça donne chez Humonix


Humonix s’appuie sur les modèles de langage disponibles aujourd’hui et ne prétend pas avoir d’opinion sur qui a raison dans ce débat. Ce que nous en retenons, c’est qu’un agent ne vaut que ce qu’il sait de l’environnement dans lequel il agit. Pour votre entreprise, cet environnement, ce sont vos dossiers. Know les réunit au même endroit, Hue travaille à partir d’eux, et une personne approuve tout ce qui est public, tarifé ou payé. Chaque fonction d’une page de module porte la mention Disponible, Accès anticipé ou À venir, et les capacités physiques de notre page sur les humanoïdes sont À venir. Voyez L’entreprise agentique.


Sources



Ce billet est de l’information générale, pas un avis technique ni de placement.