Yann LeCun, pionnier de l’intelligence artificielle, affirme que « l’intelligence, c’est avant tout apprendre ». Dans une interview récente, il évoque son départ de Meta, où il a occupé un poste de direction en matière d’IA, tout en soulignant les limites actuelles des grands modèles linguistiques. Selon lui, bien que ces systèmes aient fait des progrès impressionnants, ils restent des outils limités, capables de reproduire des patterns mais pas de véritablement comprendre ou raisonner comme un être humain. LeCun insiste sur le fait que l’apprentissage — et plus précisément l’apprentissage autonome, progressif et fondé sur l’expérience — est au cœur de toute forme d’intelligence. Il critique les approches actuelles qui reposent trop sur la collecte massive de données et la mémoire de masse, au détriment de la capacité à généraliser, à raisonner ou à s’adapter à de nouveaux contextes sans revoir toute une base de données. Pour lui, la véritable IA doit intégrer des mécanismes d’apprentissage actif, où les systèmes peuvent explorer leur environnement, formuler des hypothèses et tirer des conclusions à partir d’expériences concrètes, comme le font les enfants. Il développe ainsi une vision de l’intelligence artificielle fondée sur des architectures comme les « modèles prédictifs » ou les « réseaux de représentation », qui permettent aux machines de comprendre le monde à travers des simulations internes plutôt que par simple mémorisation. Son départ de Meta, qu’il qualifie de « décision difficile mais nécessaire », reflète une volonté de se concentrer sur ces défis fondamentaux, plutôt que sur l’optimisation de systèmes déjà existants. Il souhaite désormais s’investir davantage dans la recherche académique, notamment au sein de l’Université de New York, où il poursuit ses travaux sur l’apprentissage profond et les architectures cognitives. LeCun reste optimiste quant à l’avenir de l’IA, mais il met en garde contre les excès de hype. Il rappelle que la création d’une intelligence véritable ne se fera pas par l’agrandissement des modèles, mais par une révolution conceptuelle — une refonte de la manière dont les machines apprennent, comprennent et interagissent avec le monde. « L’intelligence, c’est apprendre, et apprendre, c’est explorer, expérimenter, se tromper et corriger », conclut-il.