Dans un texte publié le 28 septembre 2026, Stephen Wolfram examine comment les systèmes d’intelligence artificielle modernes modifient la pratique de la recherche en mathématiques pures. Il s’appuie sur son expérience avec Mathematica, lancé en 1988, et sur les capacités récentes des grands modèles de langage (LLM) entraînés sur des millions de publications scientifiques.
Contexte historique
Mathematica, aujourd’hui Wolfram Language, a introduit en 1988 une interface capable d’automatiser le calcul symbolique, notamment l’intégration de fonctions. Cette automatisation a libéré les chercheurs des tâches de routine, mais n’a pas remplacé la création de concepts nouveaux. Wolfram rappelle que la même crainte d’obsolescence a accompagné le lancement de Mathematica, alors que l’outil a finalement servi à étendre le champ d’investigation plutôt qu’à le restreindre.
Capacités actuelles de l’IA en mathématiques
Les LLM modernes possèdent, selon Wolfram, une représentation implicite d’idées extraites de « millions » de papiers et de livres de mathématiques. Cette capacité dépasse la simple recherche de mots‑clés : l’IA peut proposer des associations entre résultats disparates, générant ainsi des conjectures ou des démonstrations potentielles. Le processus reste économique, car le coût de « lecture » de chaque document est négligeable pour un modèle entraîné à grande échelle, contrairement à la lecture humaine limitée à quelques centaines de travaux.
Limites conceptuelles et rôle de l’imagination humaine
Wolfram insiste sur le fait que la valeur d’une découverte mathématique dépend davantage des questions posées que des réponses obtenues. L’IA excelle à automatiser des étapes de recherche déjà définies, mais elle ne possède pas la capacité de formuler de nouvelles problématiques de façon autonome. Cette lacune provient du fait que l’imagination humaine oriente la sélection des concepts pertinents, alors que l’IA se contente de recombiner des connaissances existantes.
Perspectives et implications pour la recherche
Le texte souligne la distinction entre IA et « computation » pure. La notion d’« irréductibilité computationnelle », introduite par Wolfram dans les années 1980, décrit des processus où aucune méthode analytique ne peut remplacer l’exécution pas à pas. Ainsi, même sans IA, des systèmes formels peuvent générer une infinité de théorèmes, mais la pertinence de ces résultats dépend d’une évaluation humaine. En pratique, l’avenir de la recherche en mathématiques pures semble reposer sur une synergie : l’IA comme outil de fouille thématique et de combinaison rapide, et les mathématiciens comme architectes de questions novatrices.
