Quand l'IA démontre des théorèmes : que reste-t-il aux mathématiciens de leur métier ?

Google DeepMind et OpenAI ont créé des systèmes capables de résoudre des problèmes de niveau olympiade et de publier des recherches originales de niveau PhD. La communauté mathématique se retrouve face à une question qui semblait absurde il y a cinq ans : que reste-t-il aux humains quand une machine démontre des théorèmes ?

L'IA décroche l'or olympique

À l'été 2024, des systèmes de Google DeepMind et d'OpenAI ont atteint pour la première fois le niveau des meilleurs lycéens du monde en mathématiques, en remportant des médailles d'or à l'Olympiade internationale de mathématiques. Cette compétition annuelle demande aux participants de résoudre, en temps limité, six problèmes très difficiles issus de domaines variés, de la théorie des nombres à la combinatoire.

Un résultat encore plus marquant a suivi : le système expérimental de DeepMind, Aletheia, a obtenu de manière autonome des résultats publiables de niveau PhD en géométrie arithmétique. Et un système d'OpenAI a réfuté une conjecture importante en géométrie combinatoire, un résultat digne d'une grande revue de mathématiques. Des spécialistes de premier plan y voient un jalon : pour la première fois, l'IA a fait preuve d'une pensée indépendante et originale, et non d'une simple reproduction de méthodes connues.

Parallèlement, les systèmes fondés sur des LLM ont appris à traduire automatiquement des démonstrations humaines en code formel pour des outils de vérification comme Lean ou Isabelle. Ce processus fastidieux demandait auparavant des mois. Le système Gauss a formalisé seul, en deux semaines, la démonstration du théorème d'empilement de sphères en dimension 24, pour laquelle la mathématicienne Maryna Viazovska a reçu la médaille Fields.

Trois positions et angoisse existentielle

Au Heidelberg Laureate Forum, en septembre 2025, de jeunes mathématiciens ont été confrontés à une image effrayante de l'avenir. Depuis la scène, on a entendu des prévisions de systèmes d'IA surhumains qui formuleront des conjectures, construiront des démonstrations et vérifieront des résultats sans intervention humaine. Yang-Hui He, du London Institute for Mathematical Sciences, a déclaré que les humains risquaient de devenir des « prêtres auprès des oracles ».

« J'ai senti que tout le monde autour de moi s'inquiétait ; ils n'avaient simplement pas pensé aussi loin. C'était comme une énorme bombe », raconte la mathématicienne Jessica Randall, de Google Developer Groups. « Nous avons commencé à comprendre que l'IA est capable de nous remplacer. »

Trois positions se dessinent aujourd'hui dans la communauté :

• L'IA comme outil : la compréhension reste du côté de l'humain ; l'IA est une calculatrice perfectionnée
• L'IA comme partenaire : humains et machines résolvent ensemble des problèmes hors de portée de chacun séparément
• L'IA comme oracle : l'essentiel est d'obtenir la réponse, peu importe comment et par qui

Terence Tao, médaillé Fields, qui a décroché l'or olympique dès 11 ans, voit l'avenir dans les « grandes mathématiques » : des collaborations décentralisées à grande échelle où les humains prennent les parties créatives et l'IA la routine technique. « Il y a cent ans, presque chaque article paraissait avec un seul auteur. À l'avenir, je ne saurai peut-être même pas si c'est un humain ou une IA. »

Les risques : motivation et atrophie

La première menace est la motivation. Si l'IA parcourt seule l'essentiel du chemin, pourquoi passer des années à se frayer lentement et douloureusement un chemin vers la compréhension ? Akshay Venkatesh, médaillé Fields à Princeton, l'admet : « Il m'est arrivé de passer des années à parvenir lentement à comprendre. Si un ordinateur prend en charge de gros morceaux de ce travail, aurez-vous la motivation de plonger aussi profondément ? »

La seconde menace est la génération suivante. Les étudiants qui esquivent le combat avec un problème pour obtenir une réponse rapide ne construisent pas leur propre intuition mathématique. Avec le temps, les mathématiciens risquent de désapprendre à penser en dehors des approches d'IA dans lesquelles ils ont été formés. C'est pourquoi la communauté organise déjà des ateliers, rédige des essais et élabore des règles d'usage de l'IA dans la recherche et les publications.

«

Les mathématiques apprennent à penser de façon logique et rationnelle, et cela aide dans tous les aspects de la vie », dit Jessica Randall.

Ce que cela signifie

L'IA ne « vide » pas les mathématiques de leur âme : elle oblige les mathématiciens à répondre honnêtement à la question de savoir pourquoi ils font ce métier. La réponse, semble-t-il, ne tient pas à être le premier à trouver un résultat, mais au chemin lui-même vers la compréhension : une joie qu'aucun algorithme ne peut remplacer ni automatiser.