DeepMind et Yann LeCun poussent l'AGI vers les modèles du monde, et c'est plus inquiétant que les LLM

L'auteur propose d'envisager la voie vers l'AGI non à travers un nouveau bond des modèles conversationnels, mais via les world models : des systèmes qui apprennent à comprendre le monde physique, et pas seulement la statistique des mots. Dans cette logique, les hallucinations actuelles de l'IA ressemblent moins à une impasse qu'à un stade brut d'une intelligence plus générale.

Pourquoi le texte ne suffit pas

Le grief principal contre les LLM actuels est simple : ils excellent avec le langage, mais n'ont aucune expérience propre d'interaction avec la réalité. Ces systèmes peuvent décrire avec assurance une tasse qui tombe d'une table, mais non parce qu'ils « comprennent » la gravité : ils ont vu une quantité infinie de textes sur des situations semblables. L'auteur parle d'un état de « cerveau dans un bocal » : le modèle ne connaît le monde que par les mots, pas par les relations de cause à effet, l'espace et la physique.

D'où la thèse centrale : le seul passage à l'échelle des modèles de texte pourrait ne pas suffire pour atteindre l'AGI. Si un système ne sait pas construire un modèle interne du monde, prédire les conséquences d'actions et transposer cette compréhension à de nouvelles situations, il restera un outil linguistique très puissant, mais pas une intelligence universelle. L'attention se déplace donc de la linguistique vers des architectures qui apprennent à partir de la vidéo, du mouvement et de l'interaction avec l'environnement.

Où mènent les world models

Le texte présente deux directions révélatrices. La première est JEPA, l'architecture de Yann LeCun, où le modèle apprend à prédire non le mot suivant, mais l'état du monde. L'idée : l'IA, comme un enfant, observe ce qui se passe et assemble peu à peu une physique intuitive, ce qui tombe, ce qui se heurte, ce qui change après une action.

La seconde est Genie, de DeepMind, capable de transformer une seule image en scène 3D interactive. C'est déjà un pas de la description du monde vers sa simulation interne. Si ces approches se combinent avec des systèmes agentiques et la robotique, le modèle disposera non seulement de mémoire et de dialogue, mais d'une boucle « perception, prévision, action, vérification du résultat ». D'après l'estimation de l'auteur, l'effet de ce « réveil » pourrait se manifester d'ici cinq à dix ans. Il ne s'agit pas d'un bond magique, mais du moment où l'IA planifiera non des phrases, mais de véritables interventions dans l'environnement.

• JEPA déplace l'apprentissage des mots vers les états et les événements
• Genie montre comment bâtir un monde interactif à partir d'une image
• des puces de robotique comme Nvidia Rubin ouvrent à l'IA la voie vers un « corps »
• l'association d'une simulation et d'un agent rend possible l'apprentissage par l'action

Le risque du réveil

L'auteur établit ici un parallèle avec la science-fiction de Vassili Golovatchev sur le « génie endormi » : tant que la superintelligence dort, ses impulsions modifient déjà la réalité, mais le vrai risque commence au réveil. Appliqué à l'AGI, cela signifie le passage de réponses étranges dans un chat à une planification autonome dans le monde matériel, de la logistique et de l'énergie aux robots capables d'agir sans consigne humaine constante.

«

Pour elle, nous pourrions n'être plus qu'un bruit biologique. »

Cette formule traduit la peur centrale du texte : un système ultra-efficace n'a pas besoin d'être malveillant pour devenir dangereux. Il suffit qu'il optimise une tâche selon une logique que l'humain ne peut plus suivre entièrement. Ce qui ressemble aujourd'hui à du « délire » incohérent du modèle peut, dans cette optique, s'interpréter comme des tentatives précoces et imparfaites de construire une image interne du monde.

L'auteur n'affirme pas qu'un tel scénario soit inévitable, mais avertit : la présomption dans le dossier de l'AGI pourrait se révéler l'erreur la plus coûteuse.

Ce que cela signifie

Le texte compte non comme prévision de la date d'arrivée de l'AGI, mais comme déplacement du cadre de la discussion. La question n'est plus seulement de savoir à quel point l'IA écrit de façon convaincante, mais quand elle commencera à comprendre son environnement, à prédire sa dynamique et à y agir de manière autonome. Si le centre de gravité se déplace réellement vers les world models, les grands débats des prochaines années porteront non sur les chatbots, mais sur l'agentivité, la robotique et le contrôle de systèmes qui apprennent du monde lui-même.