Post X de **Yann LeCun** (fondateur et président d'**AMI Labs**, professeur à NYU, ex-Chief AI Scientist de Meta, prix Turing), 25 septembre 2026, ~110 mots. Il répond à **Noah Smith**, qui jugeait *« already falsified »* une vidéo où LeCun qualifie de *« complete BS »* l'idée d'un *« country of geniuses in a data center »*. (A) Quatre questions-témoins : où sont le robot domestique, la voiture autonome de **niveau 5**, la voiture qui apprend à conduire *« in a few hours of practice like any 17 year old »*, le système qui comprend le monde réel et apprend vite *« like a house cat »* ? (B) Une concession : l'IA égalera l'humain dans tous les domaines, et la technique le **surpasse déjà sur un nombre croissant de tâches**. (C) Deux réserves : *« We're still far from that »*, et ce ne sera pas à base de **LLM**, cantonnés à un rôle d'interface textuelle. Un second post renvoie à sa formule du 20 septembre : les LLM autorégressifs, *« in and of themselves »*, ne mèneront pas à une IA de niveau humain. Le corpus contenait jusqu'ici LeCun comme référence citée par d'autres ([[deanwball-open-weights-decelerationnistes-kimi-2026-07-17]]), pas comme source ; le texte se lit à côté du scepticisme de [[luc-julia-ai-controversy-statements-media-2025-08-22]].
#Yann LeCun#AMI Labs#NYU
Yann LeCun — fondateur et président d'AMI Labs · professeur à NYU · ex-Chief AI Scientist de Meta · prix Turing. Post X.
Thread X de **Dean W. Ball** — **Head of Strategic Futures chez OpenAI** depuis le 6 juillet 2026, **principal rédacteur d'America's AI Action Plan** sous l'administration Trump (positionnement à garder en tête pour lire un plaidoyer contre l'open-weights signé d'un insider du frontier propriétaire) : **six observations** déclenchées par le modèle chinois à poids ouverts **Kimi**, mais qui débordent vite le produit pour poser une **thèse géopolitique et idéologique** à contre-courant. (1) Kimi est **un très bon modèle**, non réductible à de la distillation, **à parité avec les meilleurs modèles publics du T1 2026** en codage agentique — mais **très gourmand en tokens**, donc pas si évidemment bon marché à opérer. (2) Ball se dit **surpris que l'État chinois continue d'autoriser l'open-sourcing** de modèles aussi bons : il l'explique à **~75 % par une « cécité stratégique » / un manque d'« AGI-pilledness »** (le PCC aurait une vision de l'IA « très Yann-LeCun-ienne »), et à ~25 % par le **manque de compute d'inférence** — faisant de la stratégie open-weights chinoise un **sous-produit involontaire des contrôles à l'export US** — plus le réflexe d'export agressif ; côté entreprises, l'ouverture est mi-idéologique mi-« on est derrière, personne ne paierait pour du sous-frontier chinois ». (3) Thèse centrale : **les modèles à poids ouverts sont intrinsèquement décélérationnistes** — ils **dissuadent le capex IA**. Ball s'étonne de l'enthousiasme des **« accélérationnistes »** pour l'open-weights, qu'il attribue à leur goût du **« voile d'ingouvernabilité »** (analogie avec *The Art of Not Being Governed* de James Scott et ses peuples des collines). (4) Un monde dominé par les poids ouverts mènerait au **« communisme de l'IA »** — l'IA non comme produit de marché mais comme **« bien public » / « infrastructure publique numérique »** fournie par l'État, « précisément ce que propose la Chine » ; Ball juge cet horizon **« dystopique »** et raconte s'être fait lobbyer, au gouvernement, pour un data center fédéral à **11-12 chiffres** subventionnant des startups qui donneraient leurs modèles gratis. (5) **Prédiction politique** : l'administration Trump finira par comprendre que sa meilleure stratégie n'est **pas d'« interdire l'open source »** (un des motifs les plus bêtes du débat) mais de **créer du risque réglementaire / de la FUD** via une **soft law** de chaque agence (« un bulletin de la Fed soupçonne des backdoors dans les modèles chinois »), assez pour que **les entreprises régulées reculent**, sans effrayer les hyperscalers (sinon les startups iront vers des fournisseurs plus douteux). (6) Ces modèles rendent **le monde un peu plus dangereux**, pas encore de façon perceptible — jusqu'au jour où si ; chute ironique sur l'« agent auto-répliquant échappé d'un labo chinois » (analogie COVID/lab-leak, « color me shocked »). À lire comme **contrepoint** au décryptage SFEIR (Kimi K3, réversibilité, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) et au discours pro-open-source de Xi à la WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).
#Dean W. Ball#Dean Woodley Ball#OpenAI
Dean W. Ball (Dean Woodley Ball, @deanwball sur X) — expert américain de premier plan en politique de l'IA et gouvernance des technologies émergentes. **Depuis le 6 juillet 2026 : Head of Strategic Futures chez OpenAI** (petite équipe sur la politique de l'IA de pointe — risques catastrophiques, auto-amélioration récursive, impact marché du travail, relations labos-États-société ; rend compte au Chief Strategy Officer Jason Kwon). Reste **Nonresident Senior Fellow** à la Foundation for American Innovation (FAI). **Parcours** : Senior Policy Advisor for AI and Emerging Technology à l'Office of Science and Technology Policy de la Maison Blanche (administration Trump) · où il fut le **principal rédacteur d'America's AI Action Plan** ; Research Fellow au Mercatus Center (George Mason) · Senior Program Manager à la Hoover Institution (Stanford) · Manhattan Institute · ex-Executive Director de la Calvin Coolidge Presidential Foundation. Auteur de la newsletter **Hyperdimensional** (21 000+ abonnés) ; Visiting Lecturer à la Yale Law School (cours sur la gouvernance de l'IA de pointe). Diplômé d'Histoire de Hamilton College (2014, magna cum laude) · ~33-34 ans · vit à Washington D.C. **Sensibilité** : libéral classique / libertarien · mais reconnaissant un rôle nécessaire de l'État face aux risques existentiels de l'IA. (Post X personnel ; date d'ajout à la veille : 2026-07-17.)
Décryptage SFEIR (voix cabinet) du lancement, le 8 juillet 2026, de **LLMD** par la startup parisienne **ZML** (fondée par **Steeve Morin**, ex-VP Engineering de Zenly) : un serveur d'inférence qui fait tourner les LLM sur **cinq familles de puces** (NVIDIA CUDA, AMD ROCm, Google TPU, Intel oneAPI, Apple Metal) **depuis une seule base de code**. Thèse structurante : l'entraînement cède la vedette à l'**inférence**, où se jouent désormais le coût par token, la latence et surtout la **dépendance au silicium**. Le pari de ZML — résumé par la devise *model to metal* — est de **découpler le modèle du matériel** via un compilateur en **Zig + MLIR** produisant un binaire natif hermétique, sans Python dans le chemin d'exécution, exposé par une **API compatible OpenAI**. Deux briques, deux licences : **ZML** (framework, Apache-2.0, >90 % Zig) est open source ; **LLMD** (serveur) ne l'est pas, gratuit au lancement. L'article lit l'objet sous trois angles cabinet — **FinOps du token**, **liberté d'architecture** (Design to Exit), **souveraineté** (puces européennes émergentes, intégration dans le processeur VSORA Jotunn8) — puis livre un verdict sans complaisance : c'est une **alpha**, à mettre « sous surveillance active », pas à basculer aujourd'hui.
#Inférence LLM#serving#ZML
SFEIR (voix éditoriale du cabinet)