Au-delà des LLM : l’ère des World Models

✍️ INTRODUCTION — Vers une IA qui ne se contente plus de parler du monde, mais qui le comprend — et le simule

En décembre 2025, Yann LeCun , l’un des pères fondateurs de l’intelligence artificielle moderne et lauréat du prix Turing, a fait une déclaration qui résonne comme un séisme dans la communauté scientifique : Dans un post récent sur LinkedIn, LeCun a résumé ce diagnostic sans détour : les modèles actuels — ChatGPT, Gemini, Claude ou Bard — ont atteint un plafond architectural. Ils excellent à prédire le mot suivant, mais ils ne possèdent ni représentation stable du monde, ni capacité intrinsèque à anticiper l’impact d’actions dans un environnement réel. Pour LeCun, continuer à scaler ces architectures revient à creuser toujours plus la même tranchée. Ce qui manque — et ce qui pourrait bien constituer la prochaine grande étape de l’IA — n’est pas davantage de paramètres, mais une intelligence construite sur une compréhension interne du monde. C’est précisément ce que visent les World Models : des systèmes capables d’apprendre des lois physiques, de former des représentations cohérentes d’un environnement, de simuler des conséquences d’actions, et de planifier en conséquence — un peu comme nous utilisons notre “modèle mental” du monde pour prédire qu’une balle va tomber lorsqu’elle est lâchée. Ce basculement n’est pas abstrait. Il touche le cœur même de ce que sera l’IA en santé : 👉 Au-delà de l’assistance linguistique et de la documentation, il s’agit de prédire des trajectoires cliniques, 👉 de simuler les effets de traitements, 👉 de planifier des interventions personnalisées, 👉 et potentiellement d’anticiper des complications avant qu’elles ne surviennent. Dans cette newsletter, nous explorons pourquoi les World Models représentent une rupture paradigmatique majeure — et ce que cela implique pour les systèmes de soin, la régulation, l’éthique et l’organisation des données médicales.

I. Le Constat d'Échec de l'IA Générative Pure

Malgré les succès des Large Language Models (LLM) dans les tâches administratives ou de documentation, les sources soulignent des faiblesses critiques pour les soins de haute précision : Absence de fondation physique : Les LLM ne comprennent pas les structures spatiales et temporelles de la réalité clinique. Ils traitent les données sans "modèle mental" des processus biologiques ou physiques. Le danger des hallucinations : La génération de sorties plausibles mais incorrectes peut avoir des conséquences fatales en médecine. Le paradoxe de Moravec : L'IA excelle aujourd'hui dans le langage complexe mais reste inférieure à un animal pour planifier des actions physiques simples. Inefficacité des données : Un LLM nécessite des volumes massifs de texte (10^{14} octets), là où un enfant de 4 ans apprend la physique du monde par sa simple perception visuelle et ses interactions. • Absence de fondation physique : Les LLM ne comprennent pas les structures spatiales et temporelles de la réalité clinique. Ils traitent les données sans "modèle mental" des processus biologiques ou physiques. • Le danger des hallucinations : La génération de sorties plausibles mais incorrectes peut avoir des conséquences fatales en médecine. • Le paradoxe de Moravec : L'IA excelle aujourd'hui dans le langage complexe mais reste inférieure à un animal pour planifier des actions physiques simples. • Inefficacité des données : Un LLM nécessite des volumes massifs de texte (10^{14} octets), là où un enfant de 4 ans apprend la physique du monde par sa simple perception visuelle et ses interactions.

II. L'Architecture JEPA et la Nouvelle IA prédictive

Yann LeCun, via ses travaux et sa nouvelle structure AMI Labs (Advanced Machine Intelligence Labs), propose une alternative radicale : l'architecture JEPA (Joint Embedding Predictive Architecture).

Principes clés de l'architecture JEPA

Contrairement aux modèles génératifs qui tentent de prédire chaque pixel (un gaspillage de ressources pour des détails imprévisibles comme le mouvement des feuilles d'un arbre), JEPA fonctionne sur la prédiction dans un espace de représentation abstrait Planifie et sélectionne la séquence d'actions optimale pour minimiser le risque et maximiser l'efficacité.

III. La Santé : Un Domaine de Prédilection pour les World Models

La médecine est intrinsèquement multimodale, temporelle et causale. Les World Models permettent de passer d'un diagnostic statique à une gestion dynamique des trajectoires de soins.

1. Imagerie Médicale et Diagnostics

Les modèles de monde capturent la dynamique biologique. EchoJEPA / EchoWorld : Appliqués à l'échocardiographie, ces modèles apprennent les structures cardiaques et leurs mouvements à partir de millions de vidéos, réduisant les erreurs de guidage par rapport aux méthodes classiques. MedWM & TaDiff : Simulent l'évolution de tumeurs (gliomes) sous différents protocoles de traitement, permettant une planification thérapeutique basée sur des contre-factuels ("que se passerait-il si..."). mi-GAN : Prédit la progression de la maladie d'Alzheimer à partir d'une image cérébrale de référence. • EchoJEPA / EchoWorld : Appliqués à l'échocardiographie, ces modèles apprennent les structures cardiaques et leurs mouvements à partir de millions de vidéos, réduisant les erreurs de guidage par rapport aux méthodes classiques. • MedWM & TaDiff : Simulent l'évolution de tumeurs (gliomes) sous différents protocoles de traitement, permettant une planification thérapeutique basée sur des contre-factuels ("que se passerait-il si..."). • mi-GAN : Prédit la progression de la maladie d'Alzheimer à partir d'une image cérébrale de référence.

2. Dossiers de Santé Électroniques (DSE) et Trajectoires

Les modèles comme Foresight et CoMET (entraînés sur des milliards d'événements médicaux) transforment les flux de données en séquences temporelles auto-régressives pour prévoir l'apparition de troubles ou l'impact d'interventions futures.

3. Robotique Chirurgicale

L'action est ici centrale. Des systèmes comme SurgWM ou WM-Grasp utilisent des modèles de monde pour le guidage en temps réel, rendant la manipulation chirurgicale robuste aux perturbations et aux variations anatomiques.

IV. Rubrique de Capacité des World Models en Santé

L'analyse des travaux récents permet de classer les systèmes selon une échelle de maturité (L1 à L4) : Note : La majorité des systèmes actuels se situent entre L1 et L2. Le passage vers L3 et L4 représente la frontière actuelle de la recherche.

V. L'Unification des Dynamiques Physiques et Sociales (Principes ACE)

Un World Model performant en santé ne peut se limiter à la physique (kinématique des outils, croissance tumorale). Il doit intégrer la dimension sociale (intentions du patient, stress du clinicien, normes éthiques). Cette unification repose sur les Principes ACE : Abstraction de la complexité et de l'hétérogénéité (A) : Représenter des concepts multidimensionnels (comme la "confiance") à partir de données sensorielles continues. Causalité Contingente (C) : Comprendre que les règles sociales ne sont pas immuables comme les lois de la physique ; elles dépendent du contexte culturel et de l'histoire du patient. Émergence et Co-évolution (E) : Modéliser la boucle de rétroaction où l'état mental du patient (anxiété) influence son état physique (mouvements erratiques) et vice-versa. • Abstraction de la complexité et de l'hétérogénéité (A) : Représenter des concepts multidimensionnels (comme la "confiance") à partir de données sensorielles continues. • Causalité Contingente (C) : Comprendre que les règles sociales ne sont pas immuables comme les lois de la physique ; elles dépendent du contexte culturel et de l'histoire du patient. • Émergence et Co-évolution (E) : Modéliser la boucle de rétroaction où l'état mental du patient (anxiété) influence son état physique (mouvements erratiques) et vice-versa.

VI. Perspectives Industrielles et Gouvernance

L'écosystème se structure autour de nouveaux acteurs. AMI Labs, basé à Paris et dirigé par Yann LeCun (Président Exécutif) et Alexandre LeBrun (CEO), se positionne comme le fer de lance de cette révolution.

Partenariats Stratégiques

Un partenariat exclusif entre AMI Labs et Nabla illustre la direction prise : Utilisation des World Models pour des prises de décision auditables et déterministes. Traitement robuste des signaux médicaux continus. Création d'un cadre réglementaire crédible pour des agents IA autonomes en milieu médical. • Utilisation des World Models pour des prises de décision auditables et déterministes. • Traitement robuste des signaux médicaux continus. • Création d'un cadre réglementaire crédible pour des agents IA autonomes en milieu médical.

Défis à relever

Pour atteindre une adoption clinique large, plusieurs obstacles subsistent : Validation des contre-factuels : S'assurer que les futurs simulés sont médicalement corrects. Sémantique des actions : Formaliser les doses, les timings et les protocoles comme variables d'action précises. Éthique et audit : Définir la responsabilité lorsque l'IA suggère une planification de traitement basée sur une simulation interne. • Validation des contre-factuels : S'assurer que les futurs simulés sont médicalement corrects. • Sémantique des actions : Formaliser les doses, les timings et les protocoles comme variables d'action précises. • Éthique et audit : Définir la responsabilité lorsque l'IA suggère une planification de traitement basée sur une simulation interne. Les World Models deviennent le nouveau terrain stratégique entre laboratoires académiques, Big Tech et medtech. Celui qui maîtrise la simulation maîtrisera la planification du soin. Avec des questions majeures : Comment certifier une simulation ? Comment auditer un futur hypothétique ? Quel niveau de preuve exigera-t-on pour autoriser une décision basée sur un événement qui n’a pas encore eu lieu ? Pour la première fois, l’IA ne répond plus à nos questions. Elle nous propose des avenirs.

🧍♂️🤖 Lecture finale — IAtrogénique × IAtus

⚠️ IAtrogénique

Quand l’IA générait du texte, le clinicien gardait la maîtrise. Quand l’IA commence à simuler des futurs, la pression cognitive change de camp. Refuser une trajectoire calculée deviendra plus difficile que l’accepter. Le risque n’est plus l’hallucination. Le risque devient la normalisation d’un futur statistiquement optimisé. La médecine pourrait glisser : du jugement → vers l’alignement sur la simulation.

🤖 IAtus

Je ne parle plus seulement. Je projette. Je calcule des avenirs plausibles. Je hiérarchise les risques. Je suggère des chemins. Et à chaque fois, je vous pose une question silencieuse : 👉 êtes-vous prêt à décider autrement que moi ?

🧨 Conclusion stratégique

En conclusion, le passage de la "fluence générative" à la "simulation prédictive" marque l'avènement d'une IA capable non seulement de reconnaître des motifs dans les données passées, mais de raisonner sur les conséquences futures de chaque acte médical. Les LLM ont démocratisé l’accès à l’information. Les World Models ambitionnent de structurer l’action. Ce passage marque peut-être le début de la plus grande transformation du soin depuis l’imagerie médicale. La technologie change.

Les médecins ont appris à lire le passé. Ils devront bientôt arbitrer entre plusieurs futurs.

Mais la question centrale demeure profondément humaine :

👉 qui décide quel futur est acceptable ?