En quelques semaines, le terme “world models” est passé des marges de la recherche en IA au centre des pitchs de levée de fonds. AMI Labs, la startup de Yann LeCun, vient de boucler un tour de 1,03 milliard de dollars. Le signal d’un basculement de paradigme.
World models: le nouveau buzzword qui vaut des milliards
Alexandre LeBrun, PDG d’AMI Labs, l’a dit lui-même à TechCrunch : « Dans six mois, toutes les entreprises vont s’appeler ‘world model’ pour lever des fonds. » La remarque est révélatrice, non pas parce qu’elle trahit du cynisme, mais parce qu’elle décrit avec précision la mécanique des cycles technologiques. Après le cloud, le big data, la blockchain et l’IA générative, voici venu le temps des world models.
La différence, cette fois, c’est la vitesse à laquelle l’argent sérieux s’est déplacé. En l’espace de quelques semaines début 2026, World Labs, la startup de Fei-Fei Li, a levé 1 milliard de dollars auprès d’Autodesk, Nvidia et AMD. Google DeepMind a lancé publiquement Genie 3, son premier modèle monde interactif en temps réel. Et AMI Labs vient de boucler 1,03 milliard de dollars à une valorisation de 3,5 milliards. En quelques semaines, plus de 3 milliards de dollars ont afflué vers une catégorie qui n’existait pas comme telle dans le vocabulaire des investisseurs il y a dix-huit mois.
Pourquoi maintenant ?
Pour comprendre ce basculement, il faut regarder ce qui se passe du côté des LLM. Sur le plan économique plus que tchnique. Trois ans après l’irruption de ChatGPT, l’attention des entreprises se déplace : les preuves de concept s’accumulent, mais la transformation en valeur réelle reste difficile à démontrer. Les directions informatiques parlent moins d’adoption que de ROI par workflow, de coûts d’inférence, de gouvernance. Alors que l’IA générative entre dans sa phase industrielle, ses limitations structurelles deviennent visibles.
Ces limitations, LeCun les a identifiées depuis longtemps. Les LLM prédisent le token suivant. Ils traitent le langage de façon statistique, sans représentation stable du monde physique. Ils hallucinent. Ils raisonnent mal sur la causalité, la physique, l’espace. Dans des domaines comme la santé, où AMI Labs a déjà noué un partenariat avec Nabla, la startup de santé numérique, ou dans l’industrie manufacturière, ces failles ne sont pas tolérables. LeBrun, qui était CEO de Nabla avant de rejoindre AMI Labs, est arrivé à la même conclusion que LeCun : les LLM ne sont pas le bon outil pour des systèmes où une erreur peut avoir des conséquences irréversibles.
Ce que révèle la liste des investisseurs d’AMI Labs
Le tour d’AMI Labs n’est pas qu’un signal scientifique. C’est un signal industriel. Regardez qui a mis de l’argent : Bezos Expeditions, Eric Schmidt, Toyota Ventures, Samsung, Nvidia, Temasek, Dassault, Publicis, Mulliez. Ce ne sont pas des fonds de capital-risque en quête de la prochaine app. Ce sont des acteurs industriels lourds, des conglomérats, des fonds souverains. Ils ne parient pas sur un produit. Ils parient sur une infrastructure qui pourrait redéfinir l’automatisation physique dans l’automobile, l’aérospatiale, la santé et la robotique.
La même logique est à l’œuvre chez World Labs, en qui Autodesk a investi 200 millions de dollars, non pas pour diversifier son portefeuille, mais pour intégrer la compréhension spatiale directement dans ses outils de conception 3D. Nvidia, de son côté, investit simultanément dans plusieurs startups de world models tout en développant sa propre plateforme Cosmos, déjà téléchargée plus de 2 millions de fois.
Le pari risqué de la recherche fondamentale
AMI Labs est délibérément atypique dans ce paysage. LeBrun l’assume chez TechCrunch : ce n’est pas le type de startup qui peut sortir un produit en trois mois et générer des revenus en six. L’architecture sur laquelle elle travaille — JEPA, ou Joint Embedding Predictive Architecture, proposée par LeCun dès 2022 — est encore au stade de la recherche fondamentale. La startup prévoit de publier des articles de recherce et d’ouvrir une partie de son code (open source), dans une tradition de science ouverte qui devient, selon LeBrun lui-même, « de plus en plus rare » dans l’industrie.
C’est précisément ce positionnement qui justifie la valorisation. A ce jour, AMI Labs vend une thèse plus qu’un produit : que l’IA capable d’opérer dans le monde physique passera nécessairement par une représentation interne du monde, pas par l’extrapolation statistique du langage. LeCun affirme que les LLM seront plus ou moins obsolètes dans cinq ans. Cette déclaration provocatrice est surtout une posture stratégique. Dans un marché où les LLM sont en train de se banaliser rapidement, la différenciation passe par l’après.
Le cycle hype des world models, acte II
Reste une question pressante : les world models échapperont-ils au cycle classique hype → surinvestissement → déception ? Les signaux d’alerte existent. La technologie n’est pas encore mature à l’échelle industrielle. Les délais sont explicitement longs. Et les GAFAM ne resteront pas spectateurs. Si l’un d’eux réussit à intégrer des capacités de raisonnement physique dans ses modèles existants, les startups indépendantes pourraient se retrouver écrasées par des ressources sans commune mesure.
Mais il y a une différence structurelle avec les cycles précédents : la nature des investisseurs. Toyota, Dassault et Temasek n’investissent pas sur la foi d’un pitch deck. Ils ont des besoins industriels concrets comme en robotique, simulation, ou conception, que les LLM ne peuvent pas satisfaire. On est donc dans l’anticipation d’une demande industrielle exprimée.
Comme le résume Fei-Fei Li : « Si l’IA doit être vraiment utile, elle doit comprendre des mondes, pas seulement des mots. »
