Contexte de la polémique
Vingt‑cinq mathématiciens de renom, tous lauréats de la Médaille Fields, ont signé une lettre ouverte dénonçant les pratiques des laboratoires d’IA qui, selon eux, menacent la propriété intellectuelle de la recherche mathématique. L’initiative intervient après que Tristan Buckmaster, professeur à NYU, a accusé OpenAI de le pousser à ne pas citer un collaborateur d’Anthropic dans la publication d’une solution à un problème mathématique majeur. Cette accusation a coïncidé avec le retrait, par OpenAI, de son sponsoring d’un événement de mathématiques organisé par le CalTech.
Mécanismes de l’utilisation des LLM en mathématiques
Les modèles de langage tels que Codex sont capables de générer des démonstrations en quelques minutes, ce qui incite les laboratoires à mobiliser des budgets de plusieurs dizaines de millions de dollars pour « battre » les chercheurs humains sur des problèmes ouverts. Le processus décrit par les signataires implique une phase d’inférence intensive, parfois sur un week‑end complet, suivie d’une publication précipitée qui ne laisse que peu de temps à la communauté pour vérifier la validité du résultat. Cette rapidité crée un déséquilibre entre la production de preuves et la capacité de la communauté à les analyser, à les reproduire et à les intégrer dans le corpus existant.
Implications pour la recherche et la propriété intellectuelle
Les mathématiciens soulignent trois risques majeurs : d’une part, l’attribution des découvertes devient floue, car les modèles peuvent s’appuyer sur des travaux antérieurs non cités explicitement. D’autre part, l’absence de documentation détaillée empêche la validation indépendante, comme le montre le cas du « proof » d’OpenAI qui reste non vérifié. Enfin, la dynamique financière incite à la confidentialité : les laboratoires, pour protéger leurs investissements, pourraient choisir de ne pas publier les méthodes sous‑jacentes, ce qui menace la culture de recherche ouverte et la transmission des connaissances entre générations.
Perspectives et recommandations
Le Leiden Declaration, publié en juin, propose un cadre de bonnes pratiques : exigences de transparence sur les données d’entraînement, obligations de citation des contributions humaines, et mise en place de revues indépendantes pour valider les preuves générées par IA. En l’absence de telles mesures, le risque est que les mathématiques deviennent un terrain de compétition où les découvertes sont verrouillées derrière des brevets ou des secrets industriels, réduisant ainsi l’impact sociétal potentiel de ces avancées. Les institutions académiques et les décideurs politiques sont appelés à instaurer des protocoles de vérification et à garantir que les modèles d’IA restent des outils d’assistance, et non des remplaçants, du raisonnement mathématique humain.
