--- title: "En faveur de l’IA — avis experts, lignes de force, fractures internes" slug: "en-faveur-ia-avis-experts" section: "magnifica-humanitas" category: "dossiers" subcategory: "Dossier expert" date: "2026-05-29" updated: "2026-05-29" description: "Cartographie critique des chercheurs et spécialistes favorables au développement de l’IA." canonicalUrl: "https://www.nephesh.ch/T/theo/magnifica-humanitas/en-faveur-ia-avis-experts" markdownUrl: "https://www.nephesh.ch/T/theo/magnifica-humanitas/en-faveur-ia-avis-experts/index.html.md" image: "/T/theo/images/magnifica-humanitas/en-faveur-ia-avis-experts-infographie.png" imageAlt: "Infographie — En faveur de l’IA : avis d’experts, ouverture, rigueur et développement" tags: - "Magnifica Humanitas" - "IA" - "LeCun" - "AGI" - "LLM" - "recherche" - "experts" - "open source" - "world models" status: "Dossier expert" wordCount: 4962 sourcePath: "src/data/dossiers/magnifica-humanitas/en-faveur-ia-avis-experts.md" contentHash: "5875e6aded354b5ebbf71f5ea45229906f910204afcc9f6a7efb8e751b9eb1ce" --- # En faveur de l’IA — positions expertes, lignes de force, fractures internes > **Dossier expert++++++ — version v4 / formulation Q^** > Date : 29 mai 2026 > Point de départ : Yann LeCun, vidéo GDIY, puis cartographie critique des chercheurs et spécialistes favorables au développement de l’IA, hors discours publicitaire, hors optimisme plat, hors panique apocalyptique. --- ## Vidéo de départ — Yann LeCun / GDIY **Yann LeCun — “YANN LECUN REVEALS THE BIGGEST LIES ABOUT AI”** Podcast : *Génération Do It Yourself* / GDIY, animé par Matthieu Stefani Lien : Cette vidéo ouvre le dossier parce qu’elle installe immédiatement une coupe décisive : défendre l’IA ne revient pas à célébrer les systèmes actuels. LeCun ne sacralise pas les grands modèles de langage ; il les déplace. Leur puissance linguistique est réelle, leur utilité aussi, mais leur architecture reste très éloignée d’une intelligence autonome de niveau humain ou animal. Ils manipulent le langage avec une fluidité spectaculaire, sans disposer encore d’un modèle robuste du monde, d’une compréhension physique, d’une mémoire de travail profonde, d’une planification hiérarchique ou d’un apprentissage continu par interaction. La ligne LeCun décale donc le débat dès le départ. L’IA mérite une défense sérieuse non parce que les modèles actuels seraient déjà accomplis, mais parce que le champ reste ouvert, inachevé, encore largement à construire. L’enjeu n’est pas l’adoration des chatbots, mais la recherche d’architectures capables d’apprendre le monde, d’anticiper, de planifier, de raisonner et d’agir. --- # 1. Sortir de la fausse alternative Le débat public enferme souvent l’IA dans deux images pauvres : salut automatique ou menace absolue. D’un côté, l’idolâtrie commerciale transforme les modèles actuels en quasi‑esprits. De l’autre, la panique apocalyptique imagine une puissance déjà prête à dominer, asservir ou détruire. Les chercheurs étudiés ici déplacent ce cadre. Ils ne produisent pas une apologie uniforme de l’IA ; ils ouvrent plusieurs voies de défense, parfois divergentes : architectures post‑LLM, apprentissage par expérience, IA ouverte, ingénierie responsable, AGI théorique, augmentation humaine, critique des benchmarks naïfs, refus des pauses générales, défense de la recherche fondamentale. L’IA n’a pas besoin d’être adorée pour être défendue. Elle n’a pas besoin d’être déjà intelligente pour être décisive. Elle n’a pas besoin d’être sans risque pour rester un champ majeur de recherche, d’invention et de transformation. La question devient alors moins “pour ou contre l’IA” que : quelle IA, construite par qui, selon quelles architectures, avec quelle ouverture, quelle vérifiabilité, quelle diversité, quelle capacité réelle à apprendre le monde ? --- # 2. Critère retenu : positions scientifiques, non slogans industriels Dans l’IA contemporaine, la séparation pure entre université, industrie, fondations, laboratoires privés et startups existe rarement. LeCun, Ng, Etzioni, Goertzel ou même Sutton circulent dans des espaces hybrides. Cette hybridité ne suffit pas à invalider une position, mais elle oblige à préciser le lieu d’énonciation. Le critère retenu ici n’est donc pas l’absence absolue de lien industriel. Le critère est la présence d’une position intellectuelle identifiable, défendue dans des textes, recherches, entretiens, conférences ou programmes techniques, et non réductible à la promotion d’un produit. Ce dossier distingue ainsi plusieurs régimes : chercheurs fondamentaux, experts institutionnels, architectes de systèmes, théoriciens de l’AGI, critiques des scénarios d’extinction, défenseurs d’une IA ouverte, partisans d’une IA plus vérifiable, chercheurs attachés à la mesure de l’intelligence ou à la planification. Cette précision évite deux réductions inverses : disqualifier tout chercheur lié à un laboratoire privé ; avaler comme argument scientifique n’importe quel discours industriel. --- # 3. Thèse directrice Ce dossier ne présente pas un bloc homogène nommé “les pro‑IA”. Il cartographie des positions favorables à l’IA, parfois convergentes, parfois divergentes, parfois presque incompatibles. LeCun travaille l’architecture post‑LLM. Domingos attaque le ralentissement par peur. Schmidhuber inscrit l’IA dans une histoire longue de l’intelligence. Sutton pense l’expérience, l’action, le renforcement. Ng pense l’IA comme technologie générale. Etzioni pense l’augmentation humaine. Jordan pense l’ingénierie adulte. Hutter pense l’AGI comme horizon théorique sécurisé. Goertzel assume l’AGI comme projet transformateur. Chollet interroge la mesure de l’intelligence. Kambhampati replace les LLM dans des architectures vérifiables. Le point commun ne tient pas dans une foi technophile. Il tient dans un refus : abandonner l’IA aux caricatures, aux monopoles fermés, aux paniques indifférenciées, aux projections métaphysiques ou aux slogans de marché. L’IA apparaît ici comme un champ majeur : scientifique, cognitif, technique, culturel, économique, anthropologique. Les risques appartiennent à ce champ ; ils ne l’épuisent pas. Ils appellent recherche, vérification, pluralité, ouverture, robustesse, et non réduction de l’IA à une figure de menace absolue. --- # 4. Yann LeCun — l’architecture post‑LLM ## 4.1. Position LeCun ne défend pas les LLM comme voie suffisante vers l’intelligence humaine. Il les considère comme des outils utiles, mais limités. Sa position tient dans une distinction nette : la manipulation du langage ne se confond pas avec la compréhension du monde. Les LLM produisent des phrases, des réponses, des raisonnements apparents. Ce qu’ils ne possèdent pas encore : compréhension physique robuste, mémoire de travail profonde, planification hiérarchique orientée vers des buts, modèle interne du monde, raisonnement long contrôlé, apprentissage continu par observation et interaction, capacité située à agir dans un environnement réel. Le langage occupe ici une place secondaire. Interface, couche tardive, surface de communication. L’intelligence commence avant lui : perception, anticipation, action, expérience du monde, modèles internes. ## 4.2. Contre le mot AGI LeCun critique souvent le terme **AGI**. L’expression “intelligence générale” charrie une confusion : même l’intelligence humaine ne possède pas cette généralité absolue. Le vocabulaire qu’il privilégie — **human‑level intelligence**, **advanced machine intelligence** — évite d’imaginer une entité unique, souveraine, quasi totale. Cette réserve terminologique n’est pas un détail. Elle retire au débat une partie de son théâtre. On passe d’une figure quasi eschatologique — “l’AGI” — à une question d’architectures, de capacités, de modèles, de mémoire, de planification, de représentations. ## 4.3. World models et JEPA Le cœur du programme LeCun réside dans les **world models** : des représentations internes capables de saisir objets, contraintes physiques, causalités, trajectoires possibles, conséquences d’actions. Une machine réellement intelligente devrait pouvoir prédire des états futurs, planifier, corriger ses erreurs, apprendre par observation et adapter ses plans. Les **Joint Embedding Predictive Architectures** prolongent cette direction. L’idée ne consiste pas à reconstruire pixel par pixel ni à prédire seulement le prochain mot, mais à prédire des représentations abstraites dans un espace latent. **I‑JEPA** travaille cette logique sur l’image ; **V‑JEPA** sur la vidéo. Le centre se déplace : génération de surface vers prédiction abstraite, réponse linguistique vers compréhension structurale du monde. ## 4.4. AMI : la traduction institutionnelle Le départ de LeCun de Meta et la création d’**AMI — Advanced Machine Intelligence** donnent à cette position une traduction institutionnelle. AMI, annoncée comme une alternative au paradigme dominant des LLM, met l’accent sur le raisonnement, la planification et la modélisation du monde réel. Ce déplacement compte. LeCun ne critique pas les LLM depuis une marge anti‑IA. Il quitte le centre du paradigme industriel dominant pour travailler une alternative post‑LLM. ## 4.5. Ligne de force LeCun défend l’IA contre deux erreurs opposées : prendre les LLM pour l’intelligence accomplie ; prendre la peur des LLM pour une critique suffisante de l’IA. Sa voie reste plus exigeante : construire une IA moins verbale, plus située, plus prédictive, plus capable de tenir un monde. --- # 5. Pedro Domingos — l’IA insuffisante comme risque ## 5.1. Position Pedro Domingos porte l’une des défenses publiques les plus offensives de l’IA. Son texte **“AI’s Greatest Risk Is Not Having Enough of It”** condense sa ligne : le risque majeur ne vient pas d’une IA devenue trop intelligente, mais d’une **artificial stupidity** déjà active dans des systèmes trop limités. Des algorithmes interviennent dans le crédit, l’emploi, le tri, l’administration, la recommandation, la modération, la détection. Là où ils produisent des dégâts, Domingos lit souvent moins un excès d’intelligence qu’un défaut : absence de bon sens, contextualisation pauvre, rigidité, incapacité à comprendre les cas particuliers. ## 5.2. Anti‑pause Domingos s’oppose aux appels à pause générale. Ralentir les acteurs visibles ou responsables ne bloque ni les usages clandestins, ni les acteurs hostiles, ni les États ou groupes poursuivant leurs propres programmes. Une pause générale peut devenir un instrument paradoxal : affaiblir les laboratoires ouverts, renforcer les acteurs dominants, figer l’innovation utile. Domingos défend donc une ligne plus frontale que LeCun. Là où LeCun déplace l’architecture, Domingos attaque la peur comme stratégie de paralysie. ## 5.3. Écart avec LeCun LeCun : autre architecture. Domingos : plus d’IA, meilleure IA, moins de paralysie. LeCun regarde la structure cognitive des systèmes. Domingos regarde l’effet stratégique des discours de ralentissement. Les deux convergent contre l’alarmisme, mais par des chemins distincts. --- # 6. Jürgen Schmidhuber — l’IA comme phase de l’intelligence ## 6.1. Position Jürgen Schmidhuber inscrit l’IA dans une histoire longue : compression, curiosité, découverte, intelligence générale, exploration scientifique, expansion cognitive. Sa perspective déborde largement l’usage pratique des modèles actuels. L’IA devient chez lui un multiplicateur de découverte. Médecine, physique, biologie, matériaux, énergie, robotique, exploration : les systèmes intelligents peuvent explorer des espaces d’hypothèses trop vastes pour l’humain seul. ## 6.2. Curiosité artificielle La notion de curiosité artificielle donne à son pro‑IA une profondeur particulière. Un système peut être motivé par le progrès de compression : il repère ce qui devient plus compréhensible, ce qui révèle une régularité nouvelle, ce qui produit un gain de prédiction. Cette logique touche la science, mais aussi l’esthétique, la nouveauté, l’attention, la créativité. ## 6.3. Tension Schmidhuber est précieux comme témoin d’un pro‑IA civilisationnel. Il devient plus délicat comme base argumentative institutionnelle, car son horizon décentre fortement l’humain. Sa vision peut devenir post‑humaniste : l’humain n’apparaît plus nécessairement comme centre final de l’intelligence. Cette tension ne l’annule pas. Elle situe son usage : très puissant pour penser l’IA comme phase longue de l’intelligence ; plus risqué lorsqu’on veut défendre une IA strictement au service de l’humain. --- # 7. Richard Sutton — apprendre dans la friction du monde Richard Sutton, fondateur majeur de l’apprentissage par renforcement, apporte une autre ligne favorable à l’IA : l’intelligence se forme dans l’expérience. Non dans la simple ingestion de corpus statiques, mais dans l’interaction, l’essai, l’erreur, le feedback, la récompense, l’ajustement temporel. Son intérêt rejoint LeCun sans s’y réduire. Chez LeCun, le monde est modélisé ; chez Sutton, il est rencontré par l’action. Dans les deux cas, l’intelligence quitte la seule surface du texte. Elle entre dans une dynamique : environnement, conséquence, correction, apprentissage. Sutton rend ainsi visible une exigence fondamentale : une IA forte ne peut pas rester enfermée dans des traces mortes. Elle doit éprouver des transitions, apprendre de ses propres trajectoires, intégrer les conséquences de ses actes dans la durée. --- # 8. Andrew Ng — l’IA comme technologie générale Andrew Ng défend l’IA comme **General Purpose Technology**, comparable à l’électricité ou à Internet. Une telle technologie ne se limite pas à un secteur ; elle reconfigure un grand nombre de domaines : santé, éducation, recherche, productivité, programmation, traduction, accessibilité, petites entreprises, créativité, analyse de données. Sa défense de l’IA n’a pas la radicalité conceptuelle de Schmidhuber ni la critique architecturale de LeCun. Elle est pragmatique, diffusionnelle, économique, éducative. L’IA vaut par son amplitude d’usage et par sa capacité à augmenter des millions d’acteurs, pas seulement quelques laboratoires. Ng critique les scénarios catastrophistes lorsqu’ils servent de base à une régulation trop lourde, susceptible d’étouffer l’innovation, l’open source et les petits acteurs. Son profil reste hybride — chercheur, entrepreneur, éducateur — mais son argument demeure central : une technologie générale ne se juge pas uniquement à partir de ses risques extrêmes ; elle se juge aussi à partir de ses bénéfices distribués, de ses usages concrets, de sa capacité à élargir l’accès aux compétences. --- # 9. Oren Etzioni — augmentation humaine, audit, prudence Oren Etzioni défend depuis longtemps une ligne claire : l’IA peut augmenter l’humain plutôt que l’exterminer. Sa formule “AI will empower us, not exterminate us” résume cette orientation. Son intérêt dans ce dossier tient à l’équilibre. Etzioni n’est pas un accélérationniste brut. Il défend aussi l’audit, la régulation des décisions sensibles, l’évaluation des systèmes, la transparence et les mécanismes de contrôle. Son pro‑IA reste humaniste et institutionnel : bénéfices réels, risques concrets, gouvernance des usages à fort enjeu. Il diffère de Domingos. Domingos attaque la paralysie par la peur ; Etzioni insiste sur l’augmentation et la surveillance des déploiements. L’un pousse contre la pause, l’autre construit une légitimité par l’audit. --- # 10. Michael I. Jordan — l’ingénierie adulte Michael I. Jordan occupe une place particulière. Il ne défend pas l’IA sur un mode militant ; il critique même la mythologie attachée au terme “artificial intelligence”. Dans **“Artificial Intelligence — The Revolution Hasn’t Happened Yet”**, il appelle à sortir des récits d’esprits artificiels pour construire une discipline d’ingénierie mature : statistique, inférence, incertitude, décision, économie, interaction humaine, responsabilité, systèmes à grande échelle. Jordan ne sert donc pas à dire : “l’IA est merveilleuse”. Il sert à dire : l’IA mérite mieux que sa mythologie. Une vraie ingénierie des systèmes intelligents doit remplacer le théâtre de l’intelligence artificielle. Sa position renforce le dossier précisément parce qu’elle n’est pas enthousiaste au sens trivial. Elle montre qu’une défense de l’IA peut passer par une critique dure du mot “IA” lui‑même, lorsqu’il masque la nécessité de systèmes fiables, intégrés, responsables, mesurables. --- # 11. Marcus Hutter — AGI théorique, sécurité sérieuse Marcus Hutter représente le versant théorique de l’AGI : AIXI, induction algorithmique, intelligence formelle, agents généraux. Il prend l’AGI comme horizon scientifique sérieux, non comme slogan publicitaire. Son intérêt tient à une articulation rarement tenue dans le débat public : défendre l’AGI comme programme scientifique et reconnaître simultanément la sécurité AGI comme sous‑champ légitime. La revue **AGI Safety Literature Review**, coécrite avec Tom Everitt et Gary Lea, reconnaît les bénéfices potentiels considérables de l’AGI tout en prenant au sérieux les questions d’objectifs, d’alignement, de sûreté, de comportements d’agents. Hutter coupe deux caricatures : pro‑AGI irresponsable d’un côté ; sécurité AGI anti‑IA de l’autre. Son régime est plus exact : AGI comme horizon théorique, sécurité comme exigence interne au champ. --- # 12. Ben Goertzel — AGI explicite, architecture ouverte Ben Goertzel assume ce que LeCun évite souvent lexicalement : le terme AGI. Avec OpenCog, OpenCog Hyperon et SingularityNET, il défend des architectures cognitives générales, intégrées, capables d’apprentissage, raisonnement, auto‑modification, coordination et transformation scientifique. Son profil est hybride : chercheur, entrepreneur, architecte de systèmes, figure transhumaniste et décentralisée. Cette hybridité impose une lecture prudente. Goertzel ne constitue pas la base la plus institutionnelle du dossier, mais il représente un courant réel : celui d’une AGI explicitement visée comme projet transformateur. Sa place doit rester située. Pas au centre méthodologique comme LeCun ou Jordan ; pas dans l’offensive anti‑pause comme Domingos ; plutôt dans la zone des architectures générales spéculatives, ouvertes, transformatrices. --- # 13. François Chollet — mesurer l’intelligence autrement François Chollet, créateur de Keras et du benchmark ARC, n’appartient pas au registre pro‑IA offensif. Son apport est plus profond : il attaque les mauvaises mesures de l’intelligence. Dans **“On the Measure of Intelligence”**, il définit l’intelligence comme efficacité d’acquisition de compétences : capacité à résoudre des tâches nouvelles avec peu d’expérience, plutôt que simple performance acquise par accumulation de données, d’entraînement ou de priors. Une machine peut réussir beaucoup de tâches sans manifester une intelligence générale robuste. Chollet renforce donc le dossier par un détour critique. Défendre l’IA sérieusement suppose de mieux mesurer l’intelligence, non d’empiler des scores de benchmark. La performance brute ne suffit pas ; l’adaptation, l’abstraction et la généralisation comptent davantage. Son apport rejoint LeCun : les systèmes actuels impressionnent, mais leur succès ne doit pas être confondu avec une intelligence générale accomplie. --- # 14. Subbarao Kambhampati — LLM utiles, non souverains Subbarao Kambhampati, spécialiste de la planification, apporte une critique précise : les LLM ne sont pas des planificateurs autonomes fiables. Ils peuvent produire des plans plausibles, mais leur auto‑vérification reste fragile, et leur raisonnement sur des contraintes complexes demande souvent des vérificateurs, solveurs ou modèles externes. Son cadre **LLM‑Modulo** est important. Le LLM n’est pas jeté ; il est replacé. Il devient composant, générateur d’hypothèses, interface, aide à la formulation, mais non juge souverain du plan. Cette position sert directement une défense mature de l’IA : l’avenir ne réside pas seulement dans de plus gros modèles, mais dans des architectures où LLM, solveurs, vérificateurs, moteurs symboliques, modèles causaux ou systèmes externes coopèrent. --- # 15. Tableau comparatif des positions | Auteur | Régime favorable à l’IA | Cible critiquée | IA visée | Point de vigilance | |---|---|---|---|---| | Yann LeCun | Architecture post‑LLM | LLM = intelligence générale | World models, JEPA, mémoire, planification | Ne pas réduire sa position à l’anti‑alarmisme | | Pedro Domingos | Pro‑IA offensif | Pause, catastrophisme, artificial stupidity | IA plus robuste, plus développée | Ton polémique, risques sociaux parfois sous‑accentués | | Jürgen Schmidhuber | Pro‑IA civilisationnel | Vision courte ou anthropocentrée | IA générale, curiosité, accélération scientifique | Horizon post‑humaniste possible | | Richard Sutton | Pro‑IA expérientiel | Datasets statiques comme source suffisante | Apprentissage par interaction et renforcement | Déploiement sûr des agents | | Andrew Ng | Technologie générale | Régulation bloquante, peur extrême | IA diffusée, utile, ouverte | Profil hybride, usages concrets à encadrer | | Oren Etzioni | Augmentation humaine | Extinctionnisme | IA bénéfique, auditée, contrôlée | Décisions sensibles, audit nécessaire | | Michael I. Jordan | Ingénierie adulte | Hype, IA mythologique | Systèmes fiables, statistiques, responsabilité | Ne pas le classer comme militant pro‑IA | | Marcus Hutter | AGI théorique sécurisée | Flou conceptuel | AGI formalisée, agents, sécurité | Risques AGI pris au sérieux | | Ben Goertzel | AGI explicite | IA étroite | Architectures cognitives générales | Profil spéculatif et hybride | | François Chollet | Mesure exigeante | Benchmarks naïfs | Abstraction, adaptation, généralisation | Pas un pro‑IA offensif | | Subbarao Kambhampati | IA hybride vérifiable | LLM planificateur souverain | LLM + solveurs + vérificateurs | Fiabilité des plans et auto‑vérification | --- # 16. Grandes lignes favorables à l’IA ## 16.1. Augmentation des capacités L’IA amplifie déjà lecture, écriture, traduction, codage, recherche, synthèse, diagnostic, analyse de données, simulation, création visuelle et apprentissage. Son intérêt ne se limite pas au remplacement ; il touche l’extension des capacités. Des individus, petites équipes, enseignants, chercheurs, médecins, développeurs, artisans intellectuels ou créateurs peuvent accéder à des fonctions autrefois coûteuses, rares ou lentes. ## 16.2. Des systèmes encore trop pauvres Chez LeCun, Domingos, Sutton, Chollet et Kambhampati, la défense de l’IA passe par la reconnaissance de son insuffisance actuelle. Manque de modèles du monde ; manque de bon sens ; manque d’apprentissage par expérience ; mesure naïve de l’intelligence ; planification fragile ; vérification externe encore nécessaire. Ce constat ne conduit pas au rejet. Il conduit à une exigence : architectures plus profondes, systèmes plus robustes, vérification, hybridation, ouverture, nouvelles mesures, meilleure compréhension du monde. ## 16.3. Le scénario d’extinction comme capture du débat LeCun, Etzioni, Ng et Domingos contestent la centralité des scénarios d’extinction. Leur objection ne revient pas à nier tout risque. Elle vise une projection précise : l’intelligence entraînerait mécaniquement domination, survie, conquête, extermination. Or ces traits appartiennent à des histoires biologiques, sociales, politiques, institutionnelles ; ils ne découlent pas logiquement de l’intelligence comme capacité. La peur extrême peut devenir une technologie de capture : elle justifie la fermeture, la concentration, la régulation asymétrique, le monopole des acteurs déjà puissants. ## 16.4. Ouverture et pluralité LeCun et Ng défendent l’importance de l’ouverture. Une IA enfermée dans quelques systèmes propriétaires concentre la médiation cognitive, linguistique, culturelle et économique. L’open source n’est pas seulement un choix technique ; il touche à la pluralité des langues, des usages, des valeurs, des cultures et des adaptations locales. ## 16.5. Recherche scientifique accélérée Schmidhuber, Goertzel, Ng et d’autres voient dans l’IA un accélérateur scientifique : biologie, médecine, matériaux, énergie, climat, physique, robotique. Le potentiel ne tient pas seulement à l’automatisation de tâches connues, mais à l’exploration de grands espaces d’hypothèses. --- # 17. Fractures internes LeCun ne dit pas Domingos. Le premier cherche une autre architecture ; le second attaque la paralysie par la peur. Domingos ne dit pas Jordan. Le premier pousse contre les pauses ; le second refroidit la hype et exige une ingénierie adulte. Schmidhuber ne dit pas Etzioni. Le premier pense l’intelligence au-delà de l’humain ; le second maintient l’augmentation humaine comme centre. Hutter ne dit pas Domingos. Le premier intègre la sécurité AGI au programme théorique ; le second combat surtout l’alarmisme comme frein. Goertzel ne dit pas LeCun. L’un assume l’AGI ; l’autre préfère human‑level intelligence ou advanced machine intelligence. Chollet et Kambhampati ne sont pas des militants pro‑IA. Leur contribution est plus exigeante : mieux mesurer, mieux vérifier, mieux articuler les systèmes. Cette pluralité est un atout. Elle empêche de transformer la défense de l’IA en bloc idéologique. Elle montre un champ vivant, traversé de désaccords réels, mais convergeant sur un point : l’IA mérite mieux que la peur indifférenciée. --- # 18. Ce que ce dossier ne fait pas dire aux auteurs Aucun de ces auteurs ne valide une confiance aveugle dans les systèmes actuels. Aucun ne transforme les LLM en intelligence générale accomplie. Aucun ne supprime les questions sociales, politiques, éducatives, juridiques ou économiques liées à l’automatisation. Aucun ne fonde une permission générale donnée aux entreprises. Aucun ne retire la nécessité d’audit dans les domaines sensibles. Leur intérêt se situe ailleurs : ils empêchent de réduire l’IA à une figure unique. Ils déplacent l’attention vers les architectures, la mesure, l’ouverture, la vérification, l’expérience, l’ingénierie, la sécurité, les bénéfices distribués et les risques concrets. --- # 19. Classement des positions les plus favorables à l’IA ## 19.1. Les plus offensifs **Pedro Domingos** occupe la position la plus frontale : anti‑pause, anti‑catastrophisme, défense d’une IA plus développée contre le risque d’artificial stupidity. **Andrew Ng** défend l’IA comme technologie générale, avec une insistance sur l’innovation, l’éducation, l’open source et les bénéfices distribués. **Oren Etzioni** soutient une IA augmentative, auditée, bénéfique, contre l’extinctionnisme, dans un registre plus institutionnel. ## 19.2. Les plus fondamentaux **Yann LeCun** travaille une IA post‑LLM : world models, JEPA, mémoire, planification. **Richard Sutton** pense l’apprentissage par interaction, renforcement, expérience. **Jürgen Schmidhuber** inscrit l’IA dans la curiosité, la compression, l’histoire longue de l’intelligence. **Marcus Hutter** formalise l’AGI comme horizon théorique, avec sécurité. ## 19.3. Les plus civilisationnels ou spéculatifs **Jürgen Schmidhuber** pense l’IA comme phase nouvelle de l’intelligence et possible âge d’or scientifique. **Ben Goertzel** assume l’AGI comme projet transformateur, ouvert, cognitif, décentralisé. ## 19.4. Les prudents exigeants **Michael I. Jordan** défend l’ingénierie mature contre le mythe. **François Chollet** impose une mesure plus exigeante de l’intelligence. **Subbarao Kambhampati** replace les LLM dans des architectures hybrides vérifiables. **Marcus Hutter** reste à double position : pro‑AGI théorique, sécurité sérieuse. --- # 20. Synthèse finale Le courant favorable à l’IA n’est pas uniforme. Il ne relève ni d’une croyance simple dans le progrès, ni d’un marketing de plateforme, ni d’une négation des risques. LeCun déplace l’IA vers les modèles du monde. Domingos refuse la paralysie par la peur. Schmidhuber inscrit l’IA dans une histoire longue de l’intelligence. Sutton ramène l’intelligence à l’expérience. Ng la situe comme technologie générale. Etzioni la pense comme augmentation humaine. Jordan exige une ingénierie adulte. Hutter tient ensemble AGI et sécurité. Goertzel assume l’AGI transformatrice. Chollet reconfigure la mesure. Kambhampati réintroduit la vérification. La convergence ne tient pas dans une naïveté. Elle tient dans une exigence : ne pas abandonner l’IA aux caricatures. Ni aux vendeurs de miracles, ni aux prophètes de l’apocalypse, ni aux monopoles fermés, ni aux régulations qui figent les mauvaises architectures. --- # 21. Conclusion forte Le choix réel ne porte plus sur l’existence de l’IA. Elle est déjà là, déjà insérée dans les langages, les images, les diagnostics, les recherches, les interfaces, les écoles, les laboratoires, les administrations, les pratiques créatives. Le choix réel porte sur sa capture. IA ouverte ou IA de cour. IA travaillée ou IA subie. IA vérifiable ou IA liturgique. IA expérimentale ou IA dogmatique. IA pluralisée ou IA concentrée. IA de recherche ou IA de monopole. IA qui apprend le monde ou IA qui répète la surface du langage. La défense experte de l’IA ne demande pas la confiance. Elle demande mieux : compréhension, architecture, pluralité, vérification, recherche, ouverture, conflit réel avec les simplifications. L’IA n’a pas besoin d’être sauvée par la croyance. Elle doit être soustraite aux caricatures qui l’enferment avant même que ses architectures les plus profondes aient commencé à apparaître. --- # 22. Formule courte réutilisable Les chercheurs favorables à l’IA ne défendent pas tous la même chose. LeCun veut dépasser les LLM par des modèles du monde ; Domingos affirme que le risque vient aussi d’une IA insuffisante ; Schmidhuber voit l’IA comme phase historique de l’intelligence ; Sutton insiste sur l’expérience ; Ng présente l’IA comme technologie générale ; Etzioni la pense comme augmentation de l’humain ; Jordan réclame une ingénierie fiable ; Hutter tient AGI et sécurité ; Goertzel assume l’AGI transformatrice ; Chollet conteste les mesures naïves ; Kambhampati replace les LLM dans des architectures vérifiables. Leur convergence ne relève pas d’un optimisme plat : elle refuse la réduction de l’IA à une apocalypse. --- # 23. Bibliographie commentée ## 23.1. Yann LeCun ### Vidéo GDIY — “YANN LECUN REVEALS THE BIGGEST LIES ABOUT AI” Lien : Point d’entrée public à la position LeCun : critique des LLM, refus de l’alarmisme simpliste, défense d’une IA future fondée sur des architectures plus profondes. ### TIME — entretien avec Yann LeCun Lien : Source journalistique longue et structurée sur ses positions : LLM, AGI, open source, risques, intelligence humaine, world models. ### Yann LeCun — *A Path Towards Autonomous Machine Intelligence* Lien : Texte programmatique fondamental. Il expose l’architecture d’une intelligence autonome : modèles du monde, JEPA, apprentissage auto‑supervisé, planification. ### Dawid & LeCun — *Introduction to Latent Variable Energy‑Based Models: A Path Towards Autonomous Machine Intelligence* Lien : Présentation technique des modèles à variables latentes, energy‑based models et H‑JEPA dans la vision LeCun. ### Meta AI — I‑JEPA Lien : Application expérimentale de la vision JEPA aux images. ### Meta AI — V‑JEPA Lien : Extension à la vidéo, avec prédiction dans l’espace latent et compréhension plus ancrée du monde. ### Reuters — AMI lève 1,03 milliard de dollars Lien : Actualisation 2026 : LeCun lance AMI, alternative post‑LLM centrée sur raisonnement, planification et modèles du monde. --- ## 23.2. Pedro Domingos ### Page personnelle Lien : Profil académique, publications, livres, distinctions. ### *AI’s Greatest Risk Is Not Having Enough of It* Lien : Texte le plus direct pour sa thèse : le vrai risque réside dans l’“artificial stupidity”, non dans une IA trop intelligente. ### Entretien — *Against Pausing AI Research with Pedro Domingos* Lien : Formulation claire de son opposition aux appels à pause. --- ## 23.3. Jürgen Schmidhuber ### Page KAUST Lien : Profil institutionnel actuel. ### Blog personnel Lien : Accès aux textes, positions et archives de Schmidhuber. ### Rest of World — interview 2025 Lien : Position techno‑optimiste récente : IA, investissement, âge d’or scientifique. ### *New Millennium AI and the Convergence of History* Lien : Vision longue de l’IA, convergence historique, agents généraux. ### *The New AI: General & Sound & Relevant for Physics* Lien : Lien entre IA générale, fondements, physique computationnelle, prédiction. ### *Driven by Compression Progress* Lien : Texte majeur sur curiosité, compression, nouveauté, créativité, science et esthétique. --- ## 23.4. Richard Sutton ### ACM — Turing Award 2024 Lien : Reconnaissance institutionnelle du rôle fondateur de Sutton et Barto dans le reinforcement learning. ### IBM Think — entretien avec Sutton Lien : Formulation récente de son intérêt pour l’apprentissage par expérience, interaction et trajectoires vers l’AGI. --- ## 23.5. Andrew Ng ### Déclaration au U.S. Senate AI Insight Forum Lien : Position claire : l’IA comme General Purpose Technology, risques à gérer, bénéfices massifs, critiques de l’excès catastrophiste. ### Version AI Fund Lien : Version web lisible et contextualisée de la déclaration. --- ## 23.6. Oren Etzioni ### Page personnelle Lien : Profil, travaux, conférences et prises de position. ### Wired — *AI Won’t Exterminate Us. It Will Empower Us.* Lien : Formulation directe de sa position : l’IA comme augmentation, non extermination. --- ## 23.7. Michael I. Jordan ### Harvard Data Science Review — *Artificial Intelligence—The Revolution Hasn’t Happened Yet* Lien : Texte anti‑hype, mais pro‑construction d’une discipline d’ingénierie mature. ### Version Medium Lien : Version facilement accessible. --- ## 23.8. Marcus Hutter ### Page IA / références Lien : Présentation de son programme théorique et de ses références sur l’IA générale. ### Everitt, Lea, Hutter — *AGI Safety Literature Review* Lien : Position pro‑AGI mais non naïve : bénéfices majeurs et sécurité AGI sérieuse. ### Version IJCAI Lien : Version conférence de la revue de littérature. --- ## 23.9. Ben Goertzel ### *OpenCog Hyperon: A Framework for AGI at the Human Level and Beyond* Lien : Présentation d’une architecture AGI explicite, intégrée et ouverte. ### *Generative AI vs. AGI: The Cognitive Strengths and Weaknesses of Modern LLMs* Lien : Texte utile pour distinguer les LLM actuels des architectures AGI plus complètes. --- ## 23.10. François Chollet ### *On the Measure of Intelligence* Lien : Texte fondamental sur la mesure de l’intelligence comme efficacité d’acquisition de compétences, contre les benchmarks naïfs fondés sur la performance brute. --- ## 23.11. Subbarao Kambhampati ### *LLMs Can’t Plan, But Can Help Planning in LLM‑Modulo Frameworks* Lien : Position technique forte : les LLM ne peuvent pas planifier seuls de manière fiable, mais peuvent aider dans des architectures hybrides avec vérificateurs et solveurs. ### *On the Planning Abilities of Large Language Models: A Critical Investigation* Lien : Étude critique des capacités de planification des LLM et de leur intérêt dans des cadres LLM‑Modulo. --- # 24. Résumé opérationnel pour intégration dans un article Une défense experte de l’IA commence par une reconnaissance de ses limites actuelles. Cette reconnaissance ne conduit pas au retrait ; elle ouvre une exigence de recherche, d’ouverture, d’audit et d’architectures plus profondes. Yann LeCun veut dépasser les LLM par des modèles du monde capables de mémoire, planification et compréhension physique. Pedro Domingos soutient qu’une IA trop stupide produit déjà des risques concrets. Jürgen Schmidhuber pense l’IA comme phase nouvelle de l’histoire de l’intelligence et moteur d’un âge d’or scientifique. Richard Sutton fonde l’intelligence artificielle sur l’apprentissage par expérience. Andrew Ng la situe comme technologie générale, comparable à l’électricité ou Internet. Oren Etzioni insiste sur l’augmentation humaine. Michael I. Jordan réclame une ingénierie mature et responsable. Marcus Hutter tient ensemble AGI et sécurité. Ben Goertzel assume l’AGI comme projet transformateur. François Chollet conteste les mesures naïves. Subbarao Kambhampati réintègre les LLM dans des architectures vérifiables. Leur convergence reste traversée de désaccords. Elle tient pourtant une ligne commune : l’IA mérite mieux que son idolâtrie commerciale et mieux que sa diabolisation apocalyptique. Elle doit être poursuivie, comprise, ouverte, auditée, pluralisée et rendue plus intelligente.