Un milliard de dollars mais pas encore de produit. Le 10 mars 2026, AMI Labs, la start-up parisienne cofondée par Yann LeCun après son départ de Meta, annonçait une levée d’amorçage de 1,03 milliard de dollars, pour une valorisation de 3,5 milliards avant investissement. Le plus gros tour d’amorçage de l’histoire européenne, avec Bezos Expeditions, Nvidia et Temasek au capital.
Sept mois plus tard, la feuille de route n’a pas bougé. Un an de recherche fondamentale, puis les premières applications industrielles annoncées autour de la robotique, l’automatisation et la santé. La finance n’y figure pas. Pourtant, le concept de world model au cœur du projet, aborde une question que banques et fintechs se posent inexorablement avec l’essor des agents IA : une machine qui agit doit-elle comprendre ce que ses actions provoquent ?
Prédire des conséquences, pas des mots
Un grand modèle de langage (LLM), comme ChatGPT ou Claude, apprend à prédire le mot suivant. Pour Yann LeCun, cette méthode bute sur une limite dès qu’il faut agir (voir la conférence tenue à Science Po le 16 septembre 2026 à ce sujet). Un world model apprend quant à lui la dynamique d’un environnement. Ill se représente un état, envisage une action, anticipe le résultat. Pour répondre à un objectif, il peut simuler plusieurs séquences d’actions, comparer les résultats et choisir la meilleure à la manière d’une répétition mentale avant de passer à l’acte. La voie défendue par LeCun, baptisée JEPA (Joint-Embedding Predictive Architecture), ne cherche pas à prédire chaque détail car pour rattraper une balle, il n’est pas utile de connaître toutes les forces physiques en présence. Savoir lire sa trajectoire et sa vitesse suffit. Un world model raisonne de la même manière, sur des représentations abstraites.
Le prototype existe. Présenté par Meta en 2025, V-JEPA 2 (1,2 milliard de paramètres) a appris seul sur plus d’un million d’heures de vidéos. Moins de 62 heures ont ensuite suffi pour qu’un bras robotisé teste différentes actions dans le modèle, puis exécute celles qui le rapprochent du but souhaité – attraper ou déplacer un objet -, dans des environnements jamais vus. AMI Labs et Meta ne sont d’ailleurs pas seuls puisque Google DeepMind, Nvidia ou World Labs explorent aussi le sujet.
La banque aussi simule le monde
« Si je fais cela, que va-t-il se passer ? » Pour une institution financière, la question de l’anticipation n’est pas nouvelle. Stress tests, modèles ALM, méthode de Monte-Carlo, modèles de risque de crédit etc, la finance s’appuie partout sur des modèles du monde, explicites, documentés, calibrés et validés par le superviseur.
Certaines fintechs travaillent aussi cette logique d’anticipation du risque avec des modèles explicites. Khome par exemple, issue du startup studio du Crédit Agricole, croise des données socio-économiques et des projections climatiques du GIEC pour évaluer l’avenir d’un bien immobilier. « Ce n’est pas parce que deux maisons valent le même prix aujourd’hui qu’elles vaudront le même prix dans dix ans, résume son CEO, Benjamin Vergnhes. Notre produit […] vient ajouter une dimension d’anticipation sur l’avenir de l’actif. »
La question centrale autour du world model consiste donc à se demander ce qu’apporterait un modèle appris par la machine, face à des modèles écrits par des humains ? Sans doute, la capacité à capter des dynamiques que personne n’a su formaliser tels que les enchaînements et les schémas d’une fraude ou la propagation d’une tension de liquidité. Un agent de trésorerie pourrait simuler une série d’opérations avant de les exécuter, un système antifraude anticiper la riposte d’un fraudeur face à une règle de blocage. Le prix à payer est toutefois évident : un modèle appris par la machine est moins lisible.
Le modèle change le monde qu’il observe
À la différence d’un marché, les lois de la physique ne changent pas d’avis. Les économistes reconnaissent ce piège sous le nom de critique de Lucas, formulée en 1976 par le futur prix Nobel, Robert Lucas. Un modèle estimé sur des comportements passés devient faux dès que la décision qu’il inspire modifie ces comportements. Par conséquent, un agent qui agit sur un marché transforme le marché qu’il modélise. Plus il est efficace, plus il est copié, plus son modèle s’érode.
S’y ajoutent les ruptures de régime inattendues. En mars 2023, la Silicon Valley Bank annonce une perte sur ses placements obligataires dévalorisés par la hausse des taux. Alertés via les réseaux sociaux, ses clients, en majorité des start-up, retirent environ 42 milliards de dollars en une seule journée et la banque ferme le lendemain. Aucun historique ne contenait ce scénario qui ne pouvait donc pas être modélisé ni anticipé. Un modèle appris excelle dans ce qu’il a déjà vu, or une crise est précisément une rupture soudaine et inattendue d’un équilibre établi.
Auditable ou pas ?
En finance, toute décision doit pouvoir s’expliquer, et l’AI Act classe l’évaluation de la solvabilité des particuliers parmi les usages à haut risque, soumis à documentation et supervision humaine. À ce titre, les world models jouent sur les deux tableaux : planifier dans un espace abstrait compliquera forcément la justification devant un superviseur, mais simuler des scénarios à grande échelle avant d’agir laisse une trace des options envisagées et écartées, ce que les LLM d’IA générative, qui génèrent leur réponse au fil de l’eau, n’offrent pas. AMI LAB promet donc des systèmes contrôlables sans toutefois définir précisément ce que cela voudra dire.
Basé à Paris, AMI Lab revendique enfin d’être l’un des rares laboratoires d’IA de pointe européen. Pour une organisation d’envergure internationale, l’argument de souveraineté pèsera sans doute auprès des futurs clients.
Aujourd’hui, il semble donc crucial de rester en veille autour des publications d’AMI, de l’arrivée de nouveaux partenaires ou investisseurs financiers, mais aussi sur la position des régulateurs sur les modèles appris car le pari de Yann LeCun dépasse la querelle d’architectures. Une IA vraiment autonome devra posséder un modèle des conséquences de ses actes. Pour la finance, l’intuition est familière. Reste à prouver qu’un modèle appris plutôt qu’écrit résiste à un monde qui réagit à ce qu’on lui fait.
Avec WE DEMAIN