En 2026, la question n’est pas si les machines peuvent nous surpasser, mais où. Même si Deep Blue a battu le champion d’échecs Garry Kasparov en 1997, la véritable question n’a jamais été celle de la puissance de traitement brute. Aujourd’hui, l’IA générative impose un calcul similaire dans un domaine bien plus abstrait : les mathématiques. Les chercheurs cherchent à savoir si ces modèles peuvent réellement faire progresser les mathématiques, et pas seulement résoudre des problèmes manuels.
La différence entre le calcul et la découverte
La plupart des gens associent les mathématiques aux nombres et aux formules. Mais au niveau de la recherche, les mathématiques consistent à prouver que des affirmations sont vraies ou fausses – souvent sur des concepts trop complexes pour être visualisés. Contrairement aux devoirs où la réponse est une valeur unique, les mathématiciens traitent des formes abstraites dans plusieurs dimensions, prouvant leurs propriétés à l’aide d’équations. Ce n’est pas une question de calcul, mais de compréhension conceptuelle.
L’IA a déjà montré des performances impressionnantes lors de tests standardisés comme l’Olympiade mathématique internationale et a même « résolu » certains problèmes d’Erdős. Toutefois, ces critères sont trompeurs. Ils ressemblent plus à des devoirs qu’à des recherches de pointe. Tout comme une calculatrice est différente d’un mathématicien, réussir un test n’équivaut pas à une véritable perspicacité mathématique. La question centrale est de savoir si l’IA peut changer fondamentalement la manière dont les mathématiques sont effectuées, et pas seulement accélérer les processus existants.
Le premier défi de preuve : un test rigoureux
Pour déterminer les véritables capacités de l’IA, une équipe de 11 mathématiciens a lancé le défi « Première preuve ». Ils ont posé de véritables problèmes de recherche non résolus, les décomposant en « lemmes » (sous-preuves) plus petits tirés de leurs propres articles à venir. Cela garantissait que les questions ne figuraient pas dans les données d’entraînement de l’IA, éliminant ainsi la possibilité de régurgitation. L’objectif était simple : l’IA pourrait-elle contribuer à des découvertes mathématiques originales ?
Les premiers résultats sont mitigés. Les premiers tests avec des chatbots accessibles au public n’ont donné que deux réponses correctes sur dix. Cependant, les grandes entreprises d’IA, utilisant des modèles propriétaires et une surveillance humaine, ont obtenu des scores nettement meilleurs. OpenAI a revendiqué six solutions correctes et Google Gemini a signalé un succès similaire. Une communauté de passionnés de mathématiques a également contribué, repoussant les limites de ce qui est possible avec les LLM.
L’essor de la collaboration en matière d’IA : échafaudage et itération
Le résultat le plus frappant est la disparité entre les performances de l’IA publique et privée. Les modèles internes ont largement surpassé ceux librement accessibles. Mais une autre tendance est apparue : « l’échafaudage ». Les chercheurs ne s’appuient pas sur des LLM uniques, mais orchestrent plutôt plusieurs interactions d’IA, en les utilisant pour interroger et affiner le travail de chacun. Ce processus itératif améliore la précision mais brouille la frontière entre l’IA et la contribution humaine.
Les mathématiques du XIXe siècle : un problème de style ?
Même lorsque l’IA parvient à des preuves correctes, les mathématiciens remarquent une différence de style. Les solutions d’IA ressemblent souvent aux méthodes du XIXe siècle : laborieuses, détournées et manquant d’élégance. La véritable découverte mathématique implique la création de nouveaux concepts qui rationalisent la compréhension, un processus que l’IA n’a pas encore maîtrisé. Cependant, certaines preuves générées par l’IA ont surpris les chercheurs par leur créativité, suggérant le potentiel de véritables avancées.
L’avenir de l’IA en mathématiques
L’équipe First Proof prévoit de poursuivre le défi avec des contrôles plus stricts, fournissant ainsi des informations plus claires sur les capacités de l’IA. L’objectif n’est pas de remplacer les mathématiciens mais de comprendre si l’IA est un outil puissant ou une force révolutionnaire. Si l’IA parvient à produire systématiquement des preuves originales et élégantes, elle pourrait remodeler le domaine. Pour l’heure, la question reste ouverte. Les prochaines séries de tests révéleront si l’IA peut réellement faire progresser les mathématiques ou simplement accélérer les méthodes existantes.
