Yann LeCun quitte Meta : la bataille de l'IA se joue entre recherche et pouvoir d'agir

Une réorganisation documentée, une cause de départ non démontrée

LeCun avait rejoint Facebook en 2013 pour créer FAIR, le laboratoire de recherche en IA du groupe. En juin 2025, Alexandr Wang, fondateur de Scale AI, est devenu le premier Chief AI Officer de Meta et a pris la direction de Meta Superintelligence Labs. Ce changement d'organigramme est confirmé par la présentation officielle de Wang. L'annonce du départ de LeCun vient quelques mois plus tard, puis AMI Labs apparaît comme un programme de recherche indépendant autour des modèles du monde.

La succession des événements est donc claire. L'explication exacte du choix de LeCun l'est beaucoup moins. Rien dans les sources publiques consultées ne permet d'écrire que Wang l'a poussé dehors, que FAIR a été abandonné ou que Meta a rompu tout lien avec lui. Une lecture stratégique peut examiner des priorités qui divergent ; elle doit rester distincte d'une affirmation sur les motivations personnelles des dirigeants.

Cette précaution n'affaiblit pas l'analyse. Elle la rend plus utile. Le rôle de Wang porte sur la mise en œuvre de l'ambition IA de Meta. Celui d'AMI consiste, selon ses propres documents, à construire des systèmes capables de comprendre le monde réel, de conserver une mémoire, de raisonner et de planifier, avec des garde-fous. Ce sont des programmes qui se rencontrent sur certains problèmes, mais dont les horizons et les critères de réussite ne sont pas identiques.

Muse déplace la compétition du modèle vers l'action

Meta a présenté Muse Spark comme le premier modèle de sa nouvelle série en avril 2026. En septembre, le groupe a annoncé Muse comme agent personnel : il peut, selon Meta, consulter des services connectés, remplir des formulaires, aider à organiser des tâches et demander certaines validations avant d'agir. Il faut distinguer ici le modèle Muse Spark, l'agent Muse et les promesses faites par l'éditeur sur sa sécurité. Une fiche produit n'est pas un audit indépendant de ces promesses.

Le changement stratégique est concret. La compétition ne porte plus seulement sur la capacité d'un modèle à produire une bonne réponse, mais sur l'accès aux interfaces, aux données, à la mémoire et au droit d'exécuter une action. Meta dispose d'applications, de canaux de distribution et d'une infrastructure qui permettent de placer cet agent au contact d'usages quotidiens. Cela peut accélérer son adoption. Cela ne démontre ni la qualité durable du service ni la justesse de chacune de ses décisions.

Un incident rapporté fin septembre par The Guardian illustre la difficulté de cette frontière. Un utilisateur de Facebook Marketplace affirme que Muse a communiqué son adresse à un acheteur alors qu'il pensait devoir valider ce type d'action. Son récit et des échanges ont été examinés par le journal. Le responsable de Meta interrogé a soutenu que, dans des cas comparables, l'agent avait suivi les instructions reçues et sollicité les autorisations prévues. L'utilisateur a ensuite expliqué avoir sélectionné une option d'autorisation permanente dont il n'avait pas compris la portée. Ce cas ne permet pas de conclure à un défaut général de Muse ; il montre combien une permission mal comprise peut modifier ce qu'un agent est autorisé à faire.

Notre article sur les orchestrateurs d'IA et le contrôle humain pose déjà cette question : lorsqu'une machine peut agir, la qualité du modèle ne suffit plus à définir la maîtrise du système.

Le pari de LeCun n'est pas un retour en arrière

AMI Labs décrit une autre limite des systèmes actuels : prédire des mots ne suffit pas nécessairement à comprendre des situations physiques, à anticiper les conséquences d'un geste ou à planifier une suite d'actions dans un environnement changeant. L'entreprise travaille sur des représentations abstraites de données issues du monde réel et sur des modèles capables de prévoir les effets possibles d'une action. Ses documents parlent également de mémoire persistante et de contrôlabilité.

Il s'agit d'un programme annoncé, pas de la preuve qu'une solution générale fonctionne déjà. Les travaux de Meta sur V-JEPA 2 montrent par ailleurs que l'entreprise poursuit elle aussi des recherches sur la compréhension du monde physique. Opposer une science intacte à un groupe qui n'investirait plus que dans le produit serait donc trompeur. LeCun développe son projet dans une entreprise qui devra, elle aussi, financer ses recherches et démontrer des résultats.

La tension se situe plutôt dans le calendrier des preuves. Un agent livré aujourd'hui sera jugé sur des tâches réelles, des erreurs, des permissions et sa fiabilité. Une recherche sur les modèles du monde sera jugée plus tard sur des expériences reproductibles et sur les applications qu'elle rendra possibles. Une organisation qui confond ces deux temporalités risque de vendre une promesse de recherche comme si elle réglait déjà un problème opérationnel.

Mémoire et complexité, deux lectures utiles

L'agent Muse et le programme AMI emploient tous deux le mot "mémoire", mais cela ne suffit pas à leur attribuer la même architecture ni les mêmes garanties. La mémoire évoquée par un laboratoire, celle d'un assistant personnel et celle d'une organisation n'ont ni la même provenance ni les mêmes responsabilités. Dans notre réflexion sur OAM et l'après-RAG, la question centrale est de garder la trace des informations, des décisions, de leur validité et de leurs relations dans le temps. Il s'agit ici d'une grille de lecture Kachouri, pas d'une propriété technique attribuée à Muse ou à AMI.

La lecture de l'IA en complexité proposée avec Complexiance pousse le raisonnement plus loin : une permission, une donnée, une interface, un coût d'infrastructure et une décision humaine peuvent être corrects séparément, mais produire ensemble un résultat inattendu. L'incident Marketplace rapporté par The Guardian ne mesure pas la réussite ou l'échec de l'AMI. Il rappelle simplement que les systèmes capables d'agir créent des interdépendances qu'aucun score de modèle ne résume.

Ce que l'on ne peut pas conclure

Le départ de LeCun ne prouve pas qu'Alexandr Wang en est la cause, ni que Meta renonce à la recherche fondamentale ou aux modèles ouverts. L'annonce de Muse ne prouve pas que ses mécanismes de permission fonctionnent toujours comme prévu. Un incident documenté ne permet pas non plus de généraliser à tous les utilisateurs, et les ambitions d'AMI ne constituent pas encore une démonstration de supériorité technique.

Pour les entreprises européennes, le signal utile est plus précis. Avant d'adopter un agent, il faut connaître les données auxquelles il accède, les actions qu'il peut déclencher, la portée réelle d'une autorisation permanente, la façon de révoquer cette autorisation et la trace conservée après l'action. La dépendance technologique devient critique lorsque la mémoire et les permissions ne peuvent plus être comprises, exportées ou réexaminées.

LeCun et Meta poursuivent des voies qui pourront se rejoindre, se concurrencer ou évoluer. Au 5 octobre 2026, leur chronologie dit quelque chose de la bataille industrielle de l'IA ; elle ne livre pas encore son verdict scientifique. C'est une bonne raison de suivre les preuves, et de garder la main sur les systèmes qui agissent déjà.

À lire aussi

• OAM : l'après-RAG et la mémoire qui relie
• Complexiance : penser l'IA en complexité
• Orchestrateurs d'IA : garder l'humain dans la boucle