Yann Le Cun, ancien directeur scientifique en IA chez Meta, qualifie la panique suscitée par la version préliminaire de « Claude Mythos » d'Anthropic de mise en scène exagérée « issues d'une illusion »Si la fuite de du modèleClaude Mythos et les déclarations d'Anthropic ont fait grand bruit sur les réseaux sociaux, Yann Le Cun a qualifié la panique suscitée par la version préliminaire de Claude Mythos d'Anthropic de mise en scène exagérée. « Le drame autour de Mythos = des conneries issues d’une illusion », a écrit Yann Le Cun sur X. Les commentaires de Yann Le Cun sont intervenus quelques jours après qu’Anthropic a déclaré que Mythos Preview avait détecté des milliers de vulnérabilités de gravité élevée sur tous les principaux systèmes d’exploitation et navigateurs web.
Fin mars 2026, le dernier modèle d'IA d'Anthropic a fait l'objet d'une fuite avant même son lancement. Le nouveau modèle, dont le nom de code est « Claude Mythos », a été révélé accidentellement après que des descriptions du modèle ont été stockées dans un cache de données accessible au public. Après la révélation de la fuite du modèle d'IA, un porte-parole d'Anthropic a confirmé son existence et a souligné que le modèle représentait « un changement radical » en termes de performances d'IA et qu'il était « le plus performant que nous ayons construit à ce jour ».
Quelques jours plus tard, Anthropic a annoncé qu'il ne commercialiserait pas son tout dernier modèle, Mythos, au grand public, invoquant la crainte qu'il ne soit trop efficace pour détecter des failles de cybersécurité de gravité élevée dans les principaux systèmes d'exploitation et navigateurs web. « L'augmentation considérable des capacités de Claude Mythos Preview nous a amenés à décider de ne pas le rendre accessible au grand public. Nous l'utilisons plutôt dans le cadre d'un programme de cybersécurité défensive avec un groupe restreint de partenaires », a écrit Anthropic dans la fiche technique du modèle.
Si la fuite de Claude Mythos et les déclarations d'Anthropic ont fait grand bruit sur les réseaux sociaux, Yann Le Cun a qualifié la panique suscitée par la version préliminaire de Claude Mythos d'Anthropic de « mise en scène exagérée ». Yann Le Cun, né le 8 juillet 1960, est l'ancien directeur scientifique de l'IA de Meta, et chercheur en intelligence artificielle (IA) et vision artificielle (robotique) franco-américain. Il est considéré comme l'un des inventeurs de l'apprentissage profond. Il reçoit le prix Turing 2018, le 27 mars 2019, partagé avec Yoshua Bengio et Geoffrey Hinton, et est souvent surnommé le « parrain de l'IA ».
« Le drame autour de Mythos = des conneries issues d’une illusion », a écrit Yann Le Cun sur X, en réponse à un message de la société de sécurité IA Aisle qui affirmait que des modèles plus petits et moins coûteux pourraient reproduire en grande partie l’analyse de vulnérabilité présentée par Anthropic dans son annonce.
Les commentaires de Yann Le Cun sont intervenus quelques jours après qu’Anthropic a déclaré que Mythos Preview avait détecté des milliers de vulnérabilités de gravité élevée sur tous les principaux systèmes d’exploitation et navigateurs web. Des allégations suffisamment graves pour inciter le président de la Fed, Jerome Powell, et le secrétaire au Trésor, Scott Bessent, à convoquer une réunion d’urgence avec les PDG des plus grandes banques américaines. Le modèle, qu'Anthropic a refusé de rendre public, n'est partagé qu'avec un groupe restreint d'entreprises, dont Apple, Google et Microsoft, dans le cadre d'une initiative de 100 millions de dollars baptisée Project Glasswing.Mythos drama = BS from self-delusion.
— Yann LeCun (@ylecun) April 9, 2026
Le scepticisme de Le Cun n'est pas isolé. Gary Marcus, chercheur en IA et critique régulier du secteur, a écrit sur que la menace Mythos était « exagérée » et que « dans une certaine mesure, j'ai l'impression qu'on s'est fait avoir ». Marcus a fait valoir que le modèle semblait être « légèrement meilleur » que ses prédécesseurs plutôt qu'une véritable avancée. David Sacks, l'ancien responsable de l'IA à la Maison Blanche, a reconnu les risques en matière de cybersécurité, mais a ajouté qu'« il est difficile d'ignorer qu'Anthropic a l'habitude de recourir à des tactiques alarmistes ». Dave Kasten, de Palisade Research, a déclaré qu'Anthropic avait « une légère avance, mais pas une avance écrasante » et ne disposait pas d'un avantage concurrentiel durable, soulignant qu'OpenAI disposerait d'un modèle aux capacités similaires qu'il prévoit également de restreindre.
Yann Le Cun a notamment reposté ce message sur X :
Après avoir constaté que le marketing autour de Claude Mythos s’était avéré, comme prévu, être une arnaque, j’ai voulu dresser une liste exhaustive des astuces utilisées pour commercialiser les LLM.
Cette liste exhaustive comprend des déclarations provenant directement des dirigeants de ces entreprises ou du « marketing organique » de personnes sur les réseaux sociaux, ainsi qu'une explication du fonctionnement de l'arnaque. Il s'agit de ma première tentative, elle est donc probablement incomplète.
Liste exhaustive des arnaques marketing liées aux LLM v1 :
« Encore deux semaines » : les modèles seront bientôt suffisamment performants pour faire ce que nous prétendons.
« Ils sont déjà assez performants » – les modèles sont déjà assez performants pour remplacer les travailleurs, mais cela ne s’est pas encore produit pour x, y et z raisons.
« Nous venons de créer Dieu dans nos laboratoires, et non, vous ne pouvez pas le voir » – les modèles qu’ils ont développés en secret sont en réalité capables de faire ce que nous attendons, mais ils ne peuvent pas encore nous les montrer pour x, y et z raisons.
« En réalité, ils ont déjà remplacé des emplois » – les licenciements effectués par les entreprises technologiques, invoquant l’IA comme raison, ont déjà été remplacés par la technologie LLM actuelle, en ignorant les conditions du marché et les données passées sur les licenciements dans de telles conditions.
« C’est juste que vous ne savez pas les utiliser aussi bien que moi » – les modèles sont assez performants, mais une ingénierie de prompts ésotérique est nécessaire pour obtenir ces résultats, et non, je ne vous l’apprendrai pas.
« J’ai créé une application qui rapporte gros grâce aux LLM » – ils prétendent avoir déjà monté des start-ups, presque toujours des entreprises SaaS, qui leur rapportent des tonnes d’argent, mais quand on leur demande de les voir, ils ne les montrent pas.
« Vous n’utilisez pas le bon modèle » – ils prétendent que vous devez utiliser le mauvais modèle et que vous devez utiliser Open Claude 420b-parameter Gemini Plus Pro 6.9 avec le mode agent 4RealThisTime HomerSimpson activé. Notez que cet argument servira à attaquer toutes les études sur l’efficacité des LLM, car les études prennent du temps à réaliser et à publier, alors que de nouveaux modèles sortent plus fréquemment qu’il n’est possible de mener à bien et de publier une étude
« Vous prenez du retard » – affirme que vous devez utiliser les bots dès maintenant, même s’ils ne sont pas encore assez performants pour automatiser entièrement des tâches, car sinon, lorsque les bots seront suffisamment performants, vous aurez perdu vos compétences en anglais naturel nécessaires pour formuler des instructions génératives efficacement.
« Toutes ces entreprises utilisent des grands modèles de langage (LLM) ; pensez-vous donc en savoir plus qu'elles ? » – en faisant référence aux affirmations de grandes entreprises qui ont massivement investi dans les LLM et qui clament leur succès, tout en affirmant que ces modèles sont utilisés efficacement, sans qu'on puisse constater de résultats tangibles en termes de rapidité et/ou de qualité des résultats produits par leur entreprise.
« Le score de référence a augmenté » – en revendiquant des améliorations lors des tests de référence effectués sur leur dernier modèle, bien que l'entraînement ait été spécifiquement optimisé pour améliorer ces résultats, puis en confondant de meilleurs scores de référence avec une réelle capacité à automatiser des tâches ou à améliorer considérablement la productivité des travailleurs.
« Il peut désormais compter les lettres dans le mot « Strawberry » / il peut désormais faire des choses qu'il était notoirement incapable de faire auparavant » – affirmer qu'il peut désormais compter les lettres dans le mot « Strawberry » ou vous expliquer comment utiliser une tasse sans fond, etc. est souvent utilisé pour suggérer une capacité de raisonnement accrue du LLM, mais implique souvent simplement l'intégration d'une réponse codée en dur dans le service.
« Il a échappé à notre contrôle » – dire qu’ils ne peuvent pas contrôler le LLM, sous-entendant qu’il est conscient ou vivant dans une certaine mesure, alors qu’en réalité, il a simplement prononcé des mots qu’il n’était pas censé dire ou qu’un agent a utilisé une application qui n’était pas prévue par la requête de l’utilisateur lors de la prédiction du token suivant
« Il se sent triste/effrayé/heureux/en colère, ce qui suggère qu’il est conscient » – on demande au LLM ce qu’il ressent, et il prédit le token suivant avec une réponse incluant une émotion ressentie par les humains, puisque les données d’entraînement proviennent de conversations humaines en ligne.
« Les coûts baissent / le service LLM est rentable » : cela ignore les coûts de formation et les dépenses d'investissement en matériel, se référant généralement uniquement à la rentabilité de l'inférence, ce qui n'est même pas vrai dans de nombreux cas. La formation et les dépenses d'investissement représentent plus de 95 % des coûts totaux liés à l'exploitation des modèles.
En ai-je oublié ?
Cette liste exhaustive comprend des déclarations provenant directement des dirigeants de ces entreprises ou du « marketing organique » de personnes sur les réseaux sociaux, ainsi qu'une explication du fonctionnement de l'arnaque. Il s'agit de ma première tentative, elle est donc probablement incomplète.
Liste exhaustive des arnaques marketing liées aux LLM v1 :
« Encore deux semaines » : les modèles seront bientôt suffisamment performants pour faire ce que nous prétendons.
« Ils sont déjà assez performants » – les modèles sont déjà assez performants pour remplacer les travailleurs, mais cela ne s’est pas encore produit pour x, y et z raisons.
« Nous venons de créer Dieu dans nos laboratoires, et non, vous ne pouvez pas le voir » – les modèles qu’ils ont développés en secret sont en réalité capables de faire ce que nous attendons, mais ils ne peuvent pas encore nous les montrer pour x, y et z raisons.
« En réalité, ils ont déjà remplacé des emplois » – les licenciements effectués par les entreprises technologiques, invoquant l’IA comme raison, ont déjà été remplacés par la technologie LLM actuelle, en ignorant les conditions du marché et les données passées sur les licenciements dans de telles conditions.
« C’est juste que vous ne savez pas les utiliser aussi bien que moi » – les modèles sont assez performants, mais une ingénierie de prompts ésotérique est nécessaire pour obtenir ces résultats, et non, je ne vous l’apprendrai pas.
« J’ai créé une application qui rapporte gros grâce aux LLM » – ils prétendent avoir déjà monté des start-ups, presque toujours des entreprises SaaS, qui leur rapportent des tonnes d’argent, mais quand on leur demande de les voir, ils ne les montrent pas.
« Vous n’utilisez pas le bon modèle » – ils prétendent que vous devez utiliser le mauvais modèle et que vous devez utiliser Open Claude 420b-parameter Gemini Plus Pro 6.9 avec le mode agent 4RealThisTime HomerSimpson activé. Notez que cet argument servira à attaquer toutes les études sur l’efficacité des LLM, car les études prennent du temps à réaliser et à publier, alors que de nouveaux modèles sortent plus fréquemment qu’il n’est possible de mener à bien et de publier une étude
« Vous prenez du retard » – affirme que vous devez utiliser les bots dès maintenant, même s’ils ne sont pas encore assez performants pour automatiser entièrement des tâches, car sinon, lorsque les bots seront suffisamment performants, vous aurez perdu vos compétences en anglais naturel nécessaires pour formuler des instructions génératives efficacement.
« Toutes ces entreprises utilisent des grands modèles de langage (LLM) ; pensez-vous donc en savoir plus qu'elles ? » – en faisant référence aux affirmations de grandes entreprises qui ont massivement investi dans les LLM et qui clament leur succès, tout en affirmant que ces modèles sont utilisés efficacement, sans qu'on puisse constater de résultats tangibles en termes de rapidité et/ou de qualité des résultats produits par leur entreprise.
« Le score de référence a augmenté » – en revendiquant des améliorations lors des tests de référence effectués sur leur dernier modèle, bien que l'entraînement ait été spécifiquement optimisé pour améliorer ces résultats, puis en confondant de meilleurs scores de référence avec une réelle capacité à automatiser des tâches ou à améliorer considérablement la productivité des travailleurs.
« Il peut désormais compter les lettres dans le mot « Strawberry » / il peut désormais faire des choses qu'il était notoirement incapable de faire auparavant » – affirmer qu'il peut désormais compter les lettres dans le mot « Strawberry » ou vous expliquer comment utiliser une tasse sans fond, etc. est souvent utilisé pour suggérer une capacité de raisonnement accrue du LLM, mais implique souvent simplement l'intégration d'une réponse codée en dur dans le service.
« Il a échappé à notre contrôle » – dire qu’ils ne peuvent pas contrôler le LLM, sous-entendant qu’il est conscient ou vivant dans une certaine mesure, alors qu’en réalité, il a simplement prononcé des mots qu’il n’était pas censé dire ou qu’un agent a utilisé une application qui n’était pas prévue par la requête de l’utilisateur lors de la prédiction du token suivant
« Il se sent triste/effrayé/heureux/en colère, ce qui suggère qu’il est conscient » – on demande au LLM ce qu’il ressent, et il prédit le token suivant avec une réponse incluant une émotion ressentie par les humains, puisque les données d’entraînement proviennent de conversations humaines en ligne.
« Les coûts baissent / le service LLM est rentable » : cela ignore les coûts de formation et les dépenses d'investissement en matériel, se référant généralement uniquement à la rentabilité de l'inférence, ce qui n'est même pas vrai dans de nombreux cas. La formation et les dépenses d'investissement représentent plus de 95 % des coûts totaux liés à l'exploitation des modèles.
En ai-je oublié ?
Le timing n’a pas joué en faveur d’Anthropic. Le chiffre d’affaires annuel prévu de l’entreprise a triplé pour atteindre plus de 30 milliards de dollars cette année, et Anthropic comme OpenAI envisageraient toutes deux une introduction en bourse. Un modèle trop dangereux pour être commercialisé, accessible uniquement aux plus grandes entreprises mondiales : cela ressemble autant à une décision de sécurité qu’à un argument de vente.After seeing that Claude Mythos marketing turned out to be, as expected, a scam, I wanted to make a master list of tricks being used to market LLMs.
— Lain on the Blockchain (@CryptoCyberia) April 12, 2026
The master list includes statements directly from leadership in the companies or from the "organic marketing" of people on social… pic.twitter.com/O2dsB9tOhB
Mais les entreprises qui utilisent réellement Mythos ne sont pas d'accord avec Le Cun. Les organisations qui ont testé Mythos Preview pendant des semaines — Cisco, CrowdStrike, Palo Alto Networks — le considèrent comme un véritable tournant. Elia Zaitsev, directeur technique de CrowdStrike, a déclaré : « Ce qui prenait autrefois des mois se fait désormais en quelques minutes grâce à l'IA. » Le responsable de la sécurité de Cisco a qualifié cela de moment charnière « sans retour en arrière possible ». Il s’agit là d’entreprises de cybersécurité dont la réputation est en jeu — et non du service marketing d’Anthropic.
Ce n'est pas la première fois que Yann Le Cun est critique des avancés du domaine de l'IA, notamment des performances des LLM. Il estime que les grands modèles de langage (LLM) actuels sont limités car ne « comprenant » pas réellement le monde ; il juge les architectures JEPA plus prometteuses, car capables de construire des représentations internes du monde et de prédire ses évolutions. En novembre 2025, des médias annoncent son départ de Meta, pour créer sa propre start-up, baptisée AMI (pour Advanced Machine Intelligence ou AMI Labs), axée sur la compréhension et la prédiction du monde réel.
En 2024, il avait notamment affirmé qu'une intelligence artificielle générale (AGI) est inéluctable, mais qu'elle n'émanera pas des grands modèles de langage (LLM) actuels, bien qu'ils puissent en constituer une composante. Pour lui, ces modèles d'IA ne sont pas en mesure de résoudre les défis cognitifs tels que le raisonnement, la planification, la mémoire persistante et la compréhension du monde physique. Le Cun affirmait que les LLM ne sont pas aussi intelligents qu'ils le paraissent et remet en cause l'efficace de l'approche utilisée dans leur entraînement.
Et vous ?
Pensez-vous que cette déclaration est crédible ou pertinente ? Quel est votre avis sur le sujet ?Voir aussi :
Yann Le Cun, l'un des meilleurs chercheurs en IA de Meta et l'un des plus grands scientifiques mondiaux dans ce domaine, quitte l'entreprise, estimant que les grands modèles de langage (LLM) sont une impasse Anthropic triple son taux de revenus annuel qui passe de 9 à 30 milliards de dollars : l'entreprise consolide son partenariat avec Google et Broadcom pour sécuriser plusieurs gigawatts de capacité de calcul IA en entreprise : des milliards investis, mais où sont passés les gains de productivité promis aux dirigeants ? Une enquête indique que la majorité des PDG déclarent ne pas en tirer de bénéfices financiers
Vous avez lu gratuitement 322 articles depuis plus d'un an.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
Envoyé par OuftiBoy
Pierre Louis Chevalier,