Contexte et déclaration des mathématiciens
En septembre 2026, près de cinq mille mathématiciens, dont vingt‑cinq lauréats de la médaille Fields, ont signé la pétition A Severe Misalignment of AI in Mathematics. Le texte met en garde contre le fait que les modèles d’intelligence artificielle, capables de produire des preuves de problèmes réputés « prestigieux », pourraient remplacer les indicateurs traditionnels de compétence, appelés « proxies », par des résultats automatisés dépourvus de compréhension conceptuelle.
Fonctionnement actuel des IA en mathématiques
Les modèles de langage de grande taille (LLM) sont entraînés sur d’immenses corpus de publications scientifiques, de démonstrations formelles et de bases de données comme arXiv. En combinant génération de texte et recherche symbolique, ils peuvent proposer des preuves complètes pour des conjectures complexes. Cette capacité repose sur la capacité du modèle à identifier des patterns syntaxiques et logiques dans les preuves existantes, puis à les réassembler de façon cohérente. Aucun mécanisme interne ne garantit que la preuve soit « intuitive » pour un humain ; le processus reste une forme d’optimisation statistique plutôt qu’une exploration conceptuelle.
Analyse des impacts sur la recherche mathématique
Le recours à l’IA pour résoudre des « puzzles » (ex. démontrer un théorème célèbre) crée un désalignement similaire à la loi de Goodhart : la mesure (résolution du problème) devient un objectif exploitable, détaché de la génération d’idées nouvelles. Traditionnellement, la résolution d’un problème sert de preuve indirecte que de nouvelles notions abstraites sont utiles. Si une IA produit une preuve sans introduire de concepts originaux, le signal de valeur intellectuelle s’affaiblit, ce qui peut décourager les chercheurs de poursuivre des investigations conceptuelles. De plus, la prolifération rapide de déclarations « vrai/faux » pourrait saturer la littérature, rendant plus difficile la distinction entre avancées substantielles et simples automatisations.
Comparaison avec d’autres domaines automatisés
Le phénomène n’est pas isolé à la mathématique. En échecs, des programmes exécutés sur un smartphone peuvent battre Magnus Carlsen dans 100 parties consécutives, illustrant la supériorité brute de l’IA sur la créativité humaine dans un cadre strictement défini. De même, les « tool‑assisted speedruns » montrent comment des algorithmes peuvent optimiser chaque frame d’un jeu vidéo, dépassant les performances humaines sans modifier la compréhension du jeu. Dans ces cas, la valeur symbolique du record humain persiste, mais la motivation à explorer de nouvelles stratégies diminue. Le parallèle souligne que, comme en mathématiques, la reconnaissance publique (médailles, prix) repose souvent sur des performances mesurables plutôt que sur la profondeur conceptuelle.
