Le jour où les équations se sont mises à parler tout seules
Le 10 octobre, Le Monde rapportait une nouvelle qui a fait grincer des dents dans les couloirs des universités : OpenAI venait de balancer 719 manuscrits en ligne, couvrant 372 familles de problèmes mathématiques ouverts. Parmi eux, 16 questions de prédilection de Hugo Duminil-Copin, médaillé Fields 2022. Pas une simple avancée. Un coup de massue. Les maths, c’est comme un château de cartes : si l’IA en fait tomber une, c’est tout l’édifice qui vacille.
Et puis, il y a ce chiffre : 719. Pas 7, pas 70, mais 719. Assez pour remplir une bibliothèque moyenne. Assez pour que des générations de doctorants se soient arrachés les cheveux dessus. Et maintenant ? L’IA les a résolus. Pas en les devinant. Pas en les approximant. En les démontant, comme un moteur. Avec des preuves. Des démonstrations. Des équations signées par une machine qui, soudain, parle le langage des théorèmes.
Ce que les algorithmes ne savent pas faire (encore)
Pourtant, tout le monde n’est pas en train de pleurer dans son café. Parce que, attention : l’IA ne fait pas tout. Elle ne comprend pas. Elle ne crée pas. Elle calcule. Et entre calculer et inventer, il y a un gouffre.
Prenez un exemple. En 2022, une IA avait proposé une preuve pour un problème vieux de 160 ans, le théorème de Kepler. Les mathématiciens avaient passé des mois à vérifier. Résultat ? La preuve était correcte, mais incompréhensible. Personne n’avait la moindre idée de pourquoi ça marchait. Juste que ça marchait. Comme un ordinateur qui vous dit : « Voici la solution, mais je ne sais pas comment je l’ai trouvée. »
C’est ça, le vrai problème. Les maths, ce n’est pas que des équations. C’est une conversation. Une dialectique entre l’intuition et la rigueur. Une danse entre l’abstrait et le concret. L’IA, elle, ne danse pas. Elle exécute.
Le marché noir des problèmes ouverts
Alors, que font les chercheurs ? Certains courent après les nouveaux problèmes. D’autres tentent de contourner l’IA en se spécialisant dans des domaines où elle peine encore : la topologie, la théorie des catégories, ces trucs où même les ordinateurs ont du mal à suivre.
Mais le vrai jeu, c’est ailleurs. Il y a un marché noir des problèmes mathématiques. Des centaines, peut-être des milliers, de questions ouvertes traînent dans les tiroirs des universités, classées « trop dures », « trop abstraites », ou simplement « pas assez sexy » pour attirer des fonds. L’IA, elle, s’en fiche. Elle les avale. Elle les digère. Elle en sort une preuve en 48 heures.
Sauf que… personne ne vérifie. Personne n’a le temps. Parce que vérifier une preuve générée par IA, c’est comme relire un roman écrit par une machine : ça prend des semaines. Des mois, parfois. Et à la fin, vous vous demandez : « Est-ce que c’est vrai, ou est-ce que c’est juste plausible ? »
Le piège de la productivité
Le pire ? Les institutions adorent ça. « Regardez, on a 719 problèmes résolus ! » Mais personne ne demande : « Et après ? » Après, il reste quoi ?
- La recherche fondamentale, celle qui n’intéresse personne, mais qui fait avancer la science. L’IA va-t-elle s’y coller ? Non. Parce que c’est long. Parce que c’est sale. Parce que ça ne rapporte rien.
- L’enseignement. Les étudiants vont-ils apprendre à penser si les réponses leur tombent toutes cuites dans les mains ?
- La crédibilité. Quand une preuve vient d’une IA, est-ce qu’elle vaut encore quelque chose ? Ou est-ce qu’on va finir par avoir des « preuves OpenAI », comme on a des « sources anonymes » ?
Ce que personne ne dit
Hugo Duminil-Copin, lui, a réagi sobrement. « C’est une avancée technique impressionnante, mais ça ne change pas fondamentalement notre métier. » Traduction : « On va continuer à bosser, mais maintenant, on a une machine qui nous fait de l’ombre. »
Le vrai danger, ce n’est pas que l’IA résolve des problèmes. C’est qu’elle en crée. Des problèmes de confiance. Des problèmes de légitimité. Des problèmes de sens.
Parce qu’au final, les maths, c’est comme la poésie. Ça ne sert à rien. Sauf à penser. Et une machine, elle ne pense pas. Elle fonctionne.
Alors, que reste-t-il aux mathématiciens ?
Rien. Et tout.
Rien, parce que l’IA va leur piquer les problèmes faciles. Ceux qui rapportent des papiers, des subventions, des médailles.
Tout, parce que les vrais problèmes, ceux qui n’ont pas de solution évidente, ceux qui demandent de la patience, de l’intuition, de la folie même, restent. Et c’est là-dessus que les mathématiciens vont devoir rebondir.
Mais attention : le terrain va être miné. Parce que si l’IA peut résoudre 719 problèmes aujourd’hui, demain, ce sera 7 190. Et après-demain, peut-être 719 000.
Alors, soit on se bat pour garder un domaine où l’humain reste irremplaçable. Soit on se résigne à devenir des superviseurs d’algorithmes. Des gens qui appuient sur un bouton et qui disent : « Oui, cette preuve est correcte. »
Personne ne veut en arriver là.
Mais personne n’a encore trouvé comment l’éviter.
