Il y a le camp qui parie que l’avenir de l’intelligence artificielle tient dans des modèles toujours plus gros, entraînés à prédire le mot suivant. Et il y a Yann LeCun, qui vient de mettre son argent ailleurs. Le chercheur français, l’un des noms qui ont fait naître l’apprentissage profond, prépare un fonds d’investissement de 200 millions d’euros, Extelligence Invest, et ce fonds évite soigneusement le terrain où se joue toute la course actuelle.
Deux façons de flécher le capital de l’IA
Regardez où va l’argent depuis trois ans. OpenAI, Anthropic et les autres lèvent des dizaines de milliards pour une seule chose : entraîner des LLM (grands modèles de langage, ces systèmes qui génèrent du texte à la demande). Le pari est limpide : plus de données, plus de calcul, plus de paramètres, et l’intelligence émergera de l’échelle.
Extelligence Invest raconte l’histoire inverse. Le fonds vise les infrastructures de données, les technologies de santé, la longévité, la robotique, les nouvelles mobilités et le calcul haute performance (HPC, les machines qui font tourner les gros modèles). Autrement dit, tout ce qui rend l’IA possible ou tout ce qu’elle transforme, mais presque jamais le génératif lui-même. D’un côté, on finance le cerveau. De l’autre, on finance le corps et le squelette.
Un désaccord de laboratoire devenu thèse d’investissement
Ce choix n’a rien d’un caprice de portefeuille. Il prolonge une conviction que LeCun défend depuis des années : les modèles de langage sont une impasse partielle. Selon lui, un système qui prédit du texte n’a aucune représentation du monde physique, aucune capacité à planifier, aucun modèle de cause à effet. Il parle plutôt de world models, des « modèles du monde » capables de comprendre comment les objets, l’espace et le temps s’articulent, une piste qu’il explore avec sa jeune entreprise AMI Labs, lancée avec plus d’un milliard de dollars. Il n’est pas seul sur cette voie : Fei-Fei Li a levé un milliard de dollars pour World Labs et Google DeepMind pousse ses modèles Genie dans la même direction. Les world models attirent déjà des capitaux, même si le gros du flux reste ailleurs.
Jusqu’ici, ce désaccord restait scientifique, exprimé sur scène et dans les articles de recherche. Avec Extelligence Invest, il devient financier. Investir, c’est prendre position avec de l’argent réel, sur plusieurs années, devant des investisseurs institutionnels (les LP, ou Limited Partners, qui apportent les fonds). On ne loge pas 200 millions d’euros dans une conviction qu’on croit fausse.
Le contre-modèle assumé de la Silicon Valley
La ligne de fracture est nette. La Silicon Valley promet l’intelligence générale par la puissance brute et concentre le capital sur une poignée de laboratoires. LeCun propose une IA distribuée dans le réel : des capteurs, des robots, des systèmes de santé, des infrastructures. La première mise sur le logiciel qui absorbe tout ; la seconde parie que la valeur se déplacera vers le matériel, la donnée et les usages verticaux.
Ce positionnement a aussi une dimension géographique. En ancrant un fonds européen sur la deeptech plutôt que sur des applications construites au-dessus des modèles américains, LeCun dessine une alternative au tropisme californien. Là où l’écosystème local se contente souvent d’habiller des API venues d’ailleurs, il vise les briques que personne ne possède encore vraiment. C’est un pari sur la souveraineté autant que sur la technique.
Un consensus d’investissement n’est pas une vérité technique
Si vous construisez avec l’IA aujourd’hui, ce signal mérite mieux qu’un haussement d’épaules. Il rappelle qu’une mode de financement ne tranche jamais un débat scientifique. Le fait que 90 % des capitaux aillent au génératif ne prouve pas que le génératif captera 90 % de la valeur : cela prouve qu’un récit domine à un instant donné.
Deux réflexes, alors. Surveiller la maturité des world models et des architectures qui raisonnent sur le monde physique, car si LeCun a raison, les compétences les plus recherchées ne seront pas les mêmes dans trois ans. Et ne pas tout miser sur une seule couche technologique : celui qui aura bâti toute sa pratique sur l’assemblage de LLM se retrouvera exposé si le centre de gravité se déplace vers la donnée, la robotique ou le calcul embarqué.
La prudence s’impose dans l’autre sens aussi. Les modèles de langage produisent déjà une valeur bien réelle, tangible, quotidienne, quand les world models restent largement au stade de la recherche. Un fonds n’a pas besoin d’avoir raison tout de suite pour peser : il structure un écosystème, attire des talents, finance des paris que le marché ignore encore. C’est peut-être là son effet le plus durable.
Même s’il se trompe, LeCun désigne un angle mort
Rien ne garantit que LeCun voie juste. La même intuition qui a fait de lui un pionnier de l’apprentissage profond a aussi produit des prédictions démenties, sur les limites des réseaux qu’il défend comme sur celles qu’il critique. Extelligence Invest est une conviction adossée à un capital, pas une prophétie.
Reste une chose difficile à écarter : quand l’un des architectes de l’IA moderne détourne son argent du courant dominant, il ne dit pas seulement où il investit. Il dit où il pense que le reste de l’industrie se trompe. Le marché financera les LLM encore longtemps. Ce qui commence à bouger, c’est le mot seulement.
