AMI Labs vient d’attribuer un chiffre audacieux à une intuition qui préoccupe de nombreux dirigeants en silence : l’IA utile pour l’économie physique ne se mesure pas à sa capacité à converser, mais à sa compréhension et son anticipation du monde. Selon TechCrunch, la startup basée à Paris, cofondée par Yann LeCun, a levé 1,03 milliard de dollars à une valorisation avant investissement de 3,5 milliards de dollars pour construire des systèmes basés sur des world models, des modèles capables de raisonner et de planifier dans des environnements réels, pas uniquement de prédire le prochain mot ou pixel.
La levée de fonds a été co-dirigée par Cathay Innovation, Greycroft, Hiro Capital, HV Capital et Bezos Expeditions. Yann LeCun est président exécutif, et le PDG est Alexandre LeBrun, fondateur de la health-tech Nabla, tout en conservant des rôles dans cette société tout en dirigeant AMI. Le projet annoncé combine deux promesses qui coexistent rarement sans tension : licencier la technologie à l'industrie tout en contribuant au code ouvert et à la recherche académique.
À ce stade, le titre pourrait suggérer "grande science, grands financements". Mon travail, chez Sustainabl, est d’auditer le modèle économique qui est financé. Car un milliard de dollars dans une entreprise avant production n'achète pas seulement du talent et des capacités informatiques : il achète des incitations. Ces incitations définissent qui profitera de la technologie lorsque celle-ci sortira du laboratoire.
Un milliard de dollars pour sortir de l’IA qui se contente de converser
Le point de départ d’AMI est une critique explicite : les approches actuelles basées sur la prédiction de texte ou d’image ne suffisent pas à elles seules pour créer des agents véritablement capables. Pour LeCun, cité dans la couverture, l’ambition est de devenir "le principal fournisseur de systèmes intelligents" et de faire valoir que prédire le prochain jeton ne suffit pas à atteindre l’intelligence humaine. L'enjeu technique est que sans un modèle interne du monde, sans persistance ni notions de physique, l’IA reste confinée au domaine de la conversation.
Cette nuance importe pour des raisons économiques. Si l'IA se limite à produire du texte, le marché tend à se commoditiser : de nombreux fournisseurs, de faibles différences et une pression à la baisse sur les prix. En revanche, si une IA peut planifier et contrôler des actions dans le monde physique, elle pénètre des secteurs avec des budgets plus stables et une volonté de payer pour la réduction des risques : automobile, fabrication, aérospatial, santé, industries pharmaceutiques. Le communiqué mentionne d'ailleurs qu'AMI considère ces clients comme son marché naturel.
Cette évolution du marché transforme également le type de responsabilité. L'erreur d’un chatbot se gère avec un "désolé" et une correction. L’erreur d’un système qui planifie dans un environnement physique engendre des incidents, des rappels de produits, des litiges, des audits réglementaires et, dans le pire des cas, des dommages. C’est pourquoi l’approche d’AMI n’est pas seulement un saut de capacité ; c'est un saut dans le coût de conformité et les exigences opérationnelles.
La levée de fonds de 1,03 milliard de dollars est, dans ce sens, une lecture des investisseurs : il est plus profitable de financer une IA capable d'agir qu'une IA qui se limite à décrire. Le marché n'achète pas de poésie, mais du contrôle.
Le modèle économique qui se dessine et celui qu'il reste à construire
TechCrunch rapporte qu’AMI prévoit de licencier sa technologie à l'industrie. Ce mot paraît simple, mais il détermine la répartition du pouvoir. Licencier peut avoir deux significations :
D'une part, vendre l'accès à des modèles et des outils via des contrats commerciaux traditionnels, avec support, garanties et accords de responsabilité limités. Cela crée une entreprise avec des revenus prévisibles, mais oblige à investir massivement dans l'ingénierie de produit, la sécurité, la validation et le soutien.
D'autre part, le licenciement peut être un mécanisme de capture : empaqueter un noyau et facturer des redevances élevées pour dépendance, poussant les clients à une fermeture technologique. Cela peut augmenter les marges à court terme, mais tend souvent à causer des frictions réglementaires, un rejet de clients stratégiques et une fuite des talents.
Étant donné qu’AMI déclare également un intérêt pour contribuer au code ouvert et à la recherche, un troisième chemin, plus sophistiqué, émerge : ouvrir des parties de la pile pour accélérer l’adoption et la confiance, et monétiser ce qui coûte réellement à répliquer : des données opérationnelles, de l'intégration, des outils d'évaluation et des garanties de performance sous des conditions spécifiques. Dans les industries physiques, le client n'achète pas un "modèle" ; il achète une réduction des défaillances et de la traçabilité.
Le problème est que l’article ne fournit pas de mesures de produit, de dates de lancement, de revenus ou de taille d’équipe. C'est une nouvelle avec peu de chiffres opérationnels et un seul chiffre dominant : le financement. En l’absence de cette preuve, mon audit se concentre sur le principal risque économique d'un laboratoire avec autant de capital : transformer la recherche en une structure de coûts fixes qui exige une croissance artificielle pour justifier la valorisation.
Un milliard de dollars peut financer la liberté scientifique. Cela peut aussi financer l'inertie. Si le coût mensuel devient le principal KPI, l'entreprise finit par promouvoir des "partenariats" prématurés ou vendre des promesses, et non des compétences vérifiables.
La question de l’équité lorsque la physique entre dans l'équation
La conversation publique sur l'IA tourne souvent autour de la productivité et de la créativité. Les world models poussent l'IA vers une autre frontière : logistique, lignes de production, transport, dispositifs d'accompagnement. AMI a même évoqué, selon Reuters, des discussions avec Meta sur une utilisation dans les lunettes intelligentes Ray-Ban Meta, comme application à plus court terme.
Ici apparaît le point aveugle qui m'inquiète : qui capture la valeur lorsque l’IA devient une infrastructure du monde physique.
Si AMI vend principalement aux fabricants et aux grandes entreprises, le bénéfice immédiat se concentre là où le capital est déjà présent. Ce n’est pas immoral ; c'est la logique du B2B. Le problème se pose lorsque le modèle est conçu pour extraire sans partager : automatiser sans transition du travail, optimiser la sécurité uniquement pour réduire les primes, ou améliorer l'efficacité énergétique juste pour augmenter les marges, sans redistribuer les bénéfices en salaires, formation ou conditions de travail.
Dans les secteurs physiques, l'impact n'est pas un slogan. On le voit dans les horaires, les accidents, la maintenance, la sous-traitance. L'IA qui planifie peut diminuer le gaspillage et améliorer la sécurité, mais elle peut aussi intensifier le rythme de travail ou justifier des réductions.
Une entreprise avec le positionnement d’AMI a une opportunité peu discutée : vendre non seulement de "l’intelligence", mais aussi des garanties de résultats incluant des métriques humaines. Moins d'incidents, moins de retravail, moins d'exposition des travailleurs à des tâches dangereuses. Cela peut devenir un produit monétisable, car le client paie déjà pour la santé, la sécurité et la conformité. L'impact s'accroît lorsqu'il est intégré dans le contrat, et non dans la campagne.
Si AMI parvient à faire adopter sa technologie avec ces types de clauses et de mesures, les bénéfices seront répartis de manière plus équitable sans demander la charité à personne. Cela se transforme en efficacité achetée par le client et partagée au sein de l'opération.
L’Europe comme base et la nouvelle carte du pouvoir en IA
Paris n'est pas un détail accessoire. LeCun a critiqué l'"hypnose" de la Silicon Valley face à l'IA générative, et AMI émerge avec un pied dans le monde académique et l’autre dans le capital mondial. La levée de fonds inclut des acteurs européens et américains, et il est mentionné que des investisseurs comme Bpifrance et Daphni ont été en discussions précédentes.
Pour le C-Level européen, cela ouvre une fenêtre de négociation. La narration dominante des dernières années a forcé de nombreuses entreprises à acheter l'IA comme un service clos, entraînant ainsi une dépendance à des fournisseurs et peu de capacité d’audit. Un champion européen avec l’ambition de licencier industriellement peut offrir une alternative, mais uniquement si son modèle commercial évite le vice de la boîte noire.
Si AMI souhaite être un fournisseur transversal, son avantage ne sera pas "d'avoir un meilleur modèle". Son atout sera de dominer la partie fastidieuse qui crée du pouvoir : normes d’évaluation, processus de validation, documentation pour les régulateurs et capacité à opérer dans des environnements avec une tolérance à l'échec proche de zéro.
C'est dans ce domaine que la réputation vaut de l'argent. Et où le discours sur le code ouvert peut fonctionner comme outil de confiance s'il est utilisé avec discipline, sans promettre une ouverture totale là où ce n'est pas viable.
Le mandat opérationnel pour éviter une approche extractive
L'argent levé par AMI est un vote de confiance dans une thèse technique. Pour que cette thèse devienne un modèle économique durable, une thèse d’implémentation est nécessaire. Dans world models, le véritable coût ne réside pas seulement dans l'entraînement. Ce qui est coûteux, c'est d'assurer un comportement cohérent dans des conditions changeantes.
Pour éviter de tomber dans le schéma classique du capital intensif, AMI devra transformer une partie de son coût fixe en coût récupérable par client. La route la plus solide, avec les informations disponibles, s’illustre ainsi : contrats de licence avec des paiements anticipés, pilotes avec des critères d'acceptation publics dans le contrat, et expansion modulable. Dans les industries physiques, un déploiement progressif réduit le risque et évite que le client ne devienne un financeur involontaire d’expériences.
Elle a également besoin d'une discipline éthique qui soit opérationnelle. Ce n'est pas de la philanthropie : c'est de la gestion des risques. Si un modèle planifie des actions, la conception doit inclure la traçabilité, des limites, et des responsabilités claires, afin que le coût d'un échec ne retombe pas sur le maillon le plus faible de la chaîne, généralement les travailleurs et les utilisateurs.
AMI peut devenir l'infrastructure d'une IA plus performante. Elle peut également devenir un symbole de concentration du pouvoir. La différence ne sera pas marquée par la recherche, mais par les contrats, les garanties et la manière dont la valeur est répartie lorsque la productivité augmente.
Le C-Level qui regarde cette nouvelle avec sérieux tirera une leçon simple pour son entreprise : auditer si son modèle économique utilise les personnes et l'environnement comme des intrants pour générer de l'argent, ou s'il a la courage stratégique d'utiliser l'argent comme carburant pour élever les personnes.
