Yann André Le Cun (né le 8 juillet 1960) est un informaticien franco-américain reconnu pour ses contributions fondamentales à l'intelligence artificielle, à l'apprentissage automatique, à la vision par ordinateur et à la compression d'images. Il est surtout connu pour avoir développé les réseaux de neurones convolutifs (CNN), devenus une pierre angulaire des systèmes modernes de apprentissage profond, et pour avoir co-créé la technologie de compression d'images DjVu. LeCun est professeur Jacob T. Schwartz d'informatique au Courant Institute of Mathematical Sciences de l'Université de New York et a été scientifique en chef de l'IA chez Meta Platforms avant de co-fonder Advanced Machine Intelligence Labs en décembre 2025.
Les recherches de LeCun ont façonné l'IA tant académique qu'industrielle. Ses travaux sur la reconnaissance de l'écriture manuscrite et le traitement des chèques bancaires dans les années 1990 ont démontré la viabilité pratique des réseaux de neurones, tandis que son plaidoyer ultérieur pour les modèles basés sur l'énergie et les modèles du monde continue d'influencer les débats sur l'avenir de l'intelligence artificielle. En 2018, il a partagé le prix Turing avec Yoshua Bengio et Geoffrey Hinton pour leurs contributions collectives à l'apprentissage profond, consolidant son statut comme l'une des figures les plus influentes du domaine.
Jeunesse et formation
LeCun est né le 8 juillet 1960 à Soisy-sous-Montmorency, une banlieue de Paris. Son nom de famille, Le Cun, dérive de l'ancienne forme bretonne Le Cunff et provient de la région de Guingamp dans le nord de la Bretagne ; Yann est la forme bretonne de Jean. Il a obtenu un diplôme d'ingénieur de l'ESIEE Paris en 1983 et un doctorat en informatique de l'Université Pierre et Marie Curie (aujourd'hui Sorbonne Université) en 1987. Durant ses études doctorales, il a proposé une forme précoce de rétropropagation, un algorithme essentiel pour l'entraînement des réseaux de neurones. De 1987 à 1988, il a été chercheur postdoctoral à l'université de Toronto, sous la supervision de Geoffrey Hinton. LeCun a trois fils et possède la citoyenneté américaine.
Carrière aux Bell Labs et chez AT&T
En 1988, LeCun a rejoint le département de recherche sur les systèmes adaptatifs des AT&T Bell Laboratories à Holmdel, dans le New Jersey, dirigé par Lawrence D. Jackel. Là, il a développé des méthodes clés d'apprentissage automatique, notamment un modèle d'inspiration biologique pour la reconnaissance d'images appelé réseaux de neurones convolutifs (LeNet), la technique de régularisation « Optimal Brain Damage » et les réseaux de transformateurs de graphes (similaires aux champs aléatoires conditionnels). Ces méthodes ont été appliquées à la reconnaissance de l'écriture manuscrite et à la reconnaissance optique de caractères (OCR). Le système de reconnaissance de chèques bancaires qu'il a contribué à développer a été largement déployé par NCR et d'autres entreprises.
En 1996, LeCun est devenu chef du département de recherche en traitement d'images chez AT&T Labs-Research, au sein du laboratoire de recherche sur la parole et le traitement d'images de Lawrence Rabiner. Ses travaux y étaient centrés sur la technologie de compression d'images DjVu, conçue pour la distribution efficace de documents numérisés et utilisée plus tard par l'Internet Archive. Ses collaborateurs comprenaient Léon Bottou et Vladimir Vapnik. Il a également co-développé le langage de programmation Lush avec Bottou.
Université de New York et leadership académique
Après une brève bourse au NEC Research Institute, LeCun a rejoint l'Université de New York en 2003. Il est devenu professeur Jacob T. Schwartz d'informatique et de science neuronale au Courant Institute of Mathematical Sciences et au Center for Neural Science. Ses recherches à NYU portaient sur les modèles basés sur l'énergie pour l'apprentissage supervisé et non supervisé, l'apprentissage de caractéristiques pour la reconnaissance d'objets et la robotique mobile. En 2012, il a fondé le NYU Center for Data Science et en a été le directeur jusqu'au début de 2014.
LeCun a co-fondé l'International Conference on Learning Representations (ICLR) en 2013 avec Yoshua Bengio, plaidant pour un processus de révision ouverte post-publication. Il a également organisé l'atelier annuel « Learning Workshop » à Snowbird, dans l'Utah, de 1986 à 2012. Il a été membre du comité consultatif scientifique de l'Institute for Pure and Applied Mathematics à l'UCLA et co-directeur du programme Learning in Machines and Brain au CIFAR. En 2016, il a été professeur invité au Collège de France à Paris, où il a prononcé la leçon inaugurale. Il sert également de conseiller scientifique au groupe de recherche français Kyutai.
Meta Platforms et FAIR
LeCun a rejoint Facebook (aujourd'hui Meta Platforms) en 2013 en tant que scientifique en chef de l'IA, dirigeant le laboratoire de recherche en IA de l'entreprise, FAIR. Durant son mandat, il a supervisé des recherches qui ont contribué aux avancées dans l'apprentissage auto-supervisé, les grands modèles de langage et l'IA multimodale. Son rôle impliquait de guider la stratégie à long terme de Meta en matière d'IA, y compris les initiatives open-source et la recherche fondamentale dans des domaines comme les architectures transformeurs et l'IA générative. Il est resté chez Meta jusqu'en 2025, date à laquelle il a annoncé son départ pour poursuivre une nouvelle entreprise.
Advanced Machine Intelligence Labs et entreprises ultérieures
Le 19 novembre 2025, LeCun a confirmé qu'il quitterait Meta après dix ans pour fonder Advanced Machine Intelligence Labs (AMI Labs), une entreprise axée sur les architectures de modèles du monde et une intelligence artificielle de type humain qu'il qualifie de « superintelligence ». L'entreprise est dirigée par le PDG Alex LeBrun, avec LeCun comme président exécutif. AMI Labs vise à construire des systèmes d'IA qui apprennent à comprendre la structure et la dynamique du monde physique, plutôt que de simplement prédire du texte comme les grands modèles de langage traditionnels. En mars 2026, AMI a annoncé avoir levé 1,03 milliard de dollars de financement à une valorisation pré-money de 3,5 milliards de dollars, avec des investisseurs incluant Cathay Innovation, Greycroft, Hiro Capital, HV Capital et Bezos Expeditions.
En janvier 2026, LeCun est devenu président fondateur du conseil de recherche technique de Logical Intelligence, une entreprise d'IA développant des systèmes de raisonnement basés sur l'énergie. Ce rôle s'aligne avec son intérêt de longue date pour les modèles basés sur l'énergie comme alternative aux approches probabilistes.
Honneurs et récompenses
LeCun est membre de l'Académie nationale des sciences des États-Unis, de l'Académie nationale d'ingénierie et de l'Académie des sciences française. Il a reçu des doctorats honorifiques de l'Instituto Politécnico Nacional (2016), de l'EPFL (2018), de l'Université Côte d'Azur (2021), de l'Università di Siena (2023) et de l'Université des sciences et technologies de Hong Kong (2023). Ses récompenses incluent le prix IEEE Neural Network Pioneer (2014), le prix PAMI Distinguished Researcher (2015), la médaille IRI (2018), le prix Harold Pender (2018) et le prix Golden Plate de l'American Academy of Achievement (2019). En mars 2019, il a remporté le prix Turing 2018, partagé avec Yoshua Bengio et Geoffrey Hinton. En 2022, il a reçu le prix Princesse des Asturies dans la catégorie « Recherche scientifique ».
Héritage et influence
Le développement des réseaux de neurones convolutifs par LeCun a posé les bases de la vision par ordinateur moderne, permettant des percées dans la reconnaissance d'images, la conduite autonome et l'imagerie médicale. Ses travaux précoces sur la rétropropagation ont contribué à raviver l'intérêt pour les réseaux de neurones durant une période de scepticisme. En tant qu'intellectuel public, il s'est exprimé ouvertement sur les limites des approches actuelles de l'IA, arguant que les grands modèles de langage sont insuffisants pour atteindre une intelligence de niveau humain et plaidant pour des modèles du monde intégrant une compréhension physique. Sa transition de l'académie à l'industrie et retour illustre les liens étroits entre la recherche en IA et les applications commerciales, et ses entreprises en cours continuent de façonner la direction du domaine.