Yann LeCun à CoRL : les LLM font déjà beaucoup, mais JEPA est plus intelligente, selon lui

Lors d'une présentation à CoRL à Austin, Yann LeCun a opposé les réussites pratiques des LLM à son soutien à l'architecture JEPA.
Lors de la conférence CoRL, qui se déroule actuellement à Austin, Yann LeCun a présenté un exposé opposant les réussites pratiques des grands modèles de langage (LLM) à sa vision de JEPA.
Sur le ton de la plaisanterie, il a énuméré ce que les LLM font déjà : résoudre des problèmes mathématiques de longue date, écrire une grande partie du code dans l’industrie, concevoir des protéines et même trouver des vulnérabilités dans les logiciels. Dans le même temps, LeCun a souligné que, selon lui, JEPA reste plus intelligente.
« LLM : ils résolvent des problèmes mathématiques millénaires, écrivent 80 % du code dans l’industrie, conçoivent des protéines et trouvent des vulnérabilités logicielles. Mais JEPA est quand même plus intelligente ! »
Cette plaisanterie illustre un débat plus large au sein de la communauté de l’IA : les LLM sont déjà des outils polyvalents très puissants, tandis que JEPA (Joint Embedding Predictive Architecture) est présenté comme une autre voie vers l’apprentissage par prédiction de représentations, plutôt que de simples tokens textuels.
Pourquoi c'est important
AnalyseC’est important car cela montre le débat sur le point de savoir si l’augmentation des LLM suffit ou si de nouvelles architectures comme JEPA sont nécessaires pour une IA plus robuste.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Partie I. Architecture des agents IA : les blocs fondamentaux
Dix blocs fondamentaux d'un agent moderne : taxonomie des modèles, boucle d'exécution (runtime), techniques de prompting, distillation, compétences (skills), mémoire, appels de fonctions et économie unitaire.
Partie II. Architecture des agents IA : du modèle à la mémoire et aux outils
Immersion technique approfondie : tokenisation, cache KV, déterminisme de l'échantillonnage, stack d'entraînement, quantification, ingénierie contextuelle, stack de sécurité, RAG en production, ReAct et systèmes swarm multi-agents.
Modèles de pointe (Frontier Models)
La classe d'intelligence artificielle la plus puissante à l'avant-garde de la recherche mondiale (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), définissant les limites actuelles des capacités de raisonnement, d'autonomie et de codage.
LLM (Large Language Model - Grand modèle de langage)
Classe fondamentale d'architectures de réseaux neuronaux basée sur le transformateur autorégressif, qui prédit la distribution probabiliste des tokens suivants et démontre des propriétés émergentes de pensée abstraite, de synthèse de code et de raisonnement logique.