Yann André Le Cun (né le 8 juillet 1960) est un informaticien franco-américain spécialisé dans l'intelligence artificielle, l'apprentissage automatique, la vision par ordinateur, la robotique et la compression d'images. Il est professeur d'informatique Jacob T. Schwartz à l'Institut Courant des sciences mathématiques de l'Université de New York. Il a été scientifique en chef de l'IA chez Meta Platforms avant de cofonder Advanced Machine Intelligence Labs en décembre 2025. LeCun est largement reconnu pour ses travaux sur la reconnaissance optique de caractères et la vision par ordinateur utilisant des réseaux neuronaux convolutifs, et il a codéveloppé la technologie de compression d'images DjVu et le langage de programmation Lush avec Léon Bottou.
En 2018, LeCun, Yoshua Bengio et Geoffrey Hinton ont reçu le prix Turing de l'Association for Computing Machinery pour leurs contributions à l'apprentissage profond. Ensemble, ils sont souvent appelés les « parrains de l'IA » ou les « parrains de l'apprentissage profond ». Les recherches de LeCun ont façonné le apprentissage automatique et l'intelligence artificielle modernes, notamment grâce à son plaidoyer pour les modèles basés sur l'énergie et les modèles du monde.
Jeunesse et éducation
LeCun est né à Soisy-sous-Montmorency, une banlieue de Paris, en France. Son nom de famille, Le Cun, dérive de l'ancienne forme bretonne Le Cunff, originaire de Guingamp dans le nord de la Bretagne. 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. Au cours de ses études doctorales, il a proposé une forme précoce de rétropropagation, un algorithme essentiel pour l'entraînement des réseaux neuronaux.
De 1987 à 1988, LeCun a été chercheur postdoctoral à l'Université de Toronto, sous la supervision de Geoffrey Hinton. Il est ensuite devenu citoyen américain naturalisé. LeCun a trois fils, et son frère travaille chez Google.
Carrière aux Bell Labs
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. Il y a développé les réseaux neuronaux convolutifs (CNN), y compris l'architecture LeNet, qui est devenue fondamentale pour la reconnaissance d'images. Il a également introduit la méthode de régularisation « Optimal Brain Damage » et les réseaux de transformateurs de graphes, un précurseur des champs aléatoires conditionnels. Ses travaux ont permis la reconnaissance pratique de l'écriture manuscrite et la reconnaissance optique de caractères (OCR), conduisant à des systèmes de reconnaissance de chèques bancaires déployés 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 en parole et traitement d'images de Lawrence Rabiner. Il s'est concentré sur DjVu, un format de compression pour documents numérisés, utilisé plus tard par l'Internet Archive. Ses collaborateurs comprenaient Léon Bottou et Vladimir Vapnik.
Carrière académique à NYU
Après une brève bourse au NEC Research Institute, LeCun a rejoint l'Université de New York en 2003. Il occupe la chaire Jacob T. Schwartz en informatique et en science neuronale à l'Institut Courant et au Centre des sciences neuronales. Ses recherches à NYU ont porté 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, LeCun est devenu le directeur fondateur du Centre de science des données de NYU. En 2013, il a cofondé la Conférence internationale sur les représentations de l'apprentissage (ICLR) avec Yoshua Bengio, qui a adopté un processus de révision ouverte après publication. Il a également organisé l'atelier annuel « Learning Workshop » à Snowbird, dans l'Utah, de 1986 à 2012. LeCun a été codirecteur du programme Learning in Machines and Brain du CIFAR et professeur invité au Collège de France en 2016. Il est conseiller scientifique du groupe de recherche français Kyutai.
Direction chez Meta Platforms
LeCun a rejoint Facebook (aujourd'hui Meta Platforms) en 2013 en tant que scientifique en chef de l'IA, devenant le premier directeur de Meta AI Research à New York. Il a dirigé FAIR, le laboratoire de recherche en IA de l'entreprise, jusqu'en 2025. Pendant son mandat, il a plaidé pour l'apprentissage auto-supervisé et a critiqué les limites des grands modèles de langage pour atteindre une intelligence de niveau humain.
En novembre 2025, LeCun a annoncé son départ de Meta pour se concentrer sur sa propre entreprise. Il a cofondé Advanced Machine Intelligence Labs (AMI Labs) en décembre 2025, avec le PDG Alex LeBrun et LeCun comme président exécutif. AMI Labs vise à construire des « modèles du monde » d'IA qui comprennent la dynamique du monde physique plutôt que de simplement prédire du texte. En mars 2026, AMI a levé 1,03 milliard de dollars à une valorisation pré-money de 3,5 milliards de dollars, avec des investisseurs dont 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 développant des systèmes de raisonnement basés sur l'énergie.
Contributions à l'apprentissage profond
La contribution la plus significative de LeCun est le développement des réseaux neuronaux convolutifs, qui imitent le traitement visuel biologique et sont désormais la norme en vision par ordinateur. Ses premiers travaux sur la rétropropagation et les CNN ont jeté les bases du apprentissage profond moderne. Il a également été un pionnier des modèles basés sur l'énergie, qui apprennent à attribuer une faible énergie aux prédictions correctes et une énergie élevée aux prédictions incorrectes, influençant les architectures ultérieures.
Ses recherches sur les réseaux de transformateurs de graphes et les méthodes de régularisation ont été largement adoptées. LeCun a été un défenseur vocal de la recherche ouverte et a publié abondamment sur des sujets allant de la augmentation de données aux fonctions de perte. Ses idées ont influencé les transformeurs et les systèmes de IA générative, bien qu'il reste critique envers les approches purement textuelles.
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 comprennent 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 2019, il a partagé le prix Turing 2018 avec Yoshua Bengio et Geoffrey Hinton. En 2022, il a reçu le prix Princesse des Asturies dans la catégorie « Recherche scientifique ».
Héritage et opinions
LeCun est considéré comme l'une des figures fondatrices de l'IA moderne. Son plaidoyer pour les modèles du monde et les approches basées sur l'énergie contraste avec le paradigme dominant des grands modèles de langage. Il a soutenu que la véritable intelligence exige de comprendre le monde physique, et non seulement les schémas statistiques du texte. Ses travaux continuent d'influencer la recherche dans des institutions comme le MIT CSAIL et le Stanford AI Lab, et sa direction chez AMI Labs signale une nouvelle direction pour le développement de l'IA.
Malgré ses contributions, LeCun a également été une figure controversée, débattant souvent des risques de l'IA et du chemin vers la superintelligence. Il reste un chercheur actif et un orateur public, façonnant l'avenir de l'intelligence artificielle.