Pourquoi les maths sont le dernier rempart des humains ?

Les maths, c’est le dernier bastion où l’humain se disait encore incontournable. Pas à cause des équations, tout le monde sait que les ordinateurs calculent mieux que nous depuis des décennies. Non, à cause de la preuve. Cette étape où l’intuition, la rigueur, l’erreur et la correction s’entremêlent pour construire quelque chose de vrai. Jusqu’à aujourd’hui, c’était un processus lent, hasardeux, souvent solitaire. Un travail de forgeron, pas d’assemblage.

Or, voici qu’OpenAI balance 1000 démonstrations en une fois. Pas en les inventant, non, en les reproduisant. En prenant des preuves existantes, en les reformulant, en les adaptant, en les générant comme on génère des textes ou des images. Le problème ? Personne ne sait vraiment comment.

D’un côté, les mathématiciens sourient, sceptiques. « Une démonstration, c’est comme un poème : ça se sent quand c’est faux », disent-ils. De l’autre, des algorithmes tournent en boucle, testent des hypothèses, combinent des axiomes comme un enfant qui empile des Lego sans savoir s’ils tiendront debout. Le résultat ? Des preuves qui paraissent solides. Jusqu’à ce qu’on les examine de près.

Et c’est là que ça coince. Parce que vérifier 1000 démonstrations, même pour des experts, c’est un travail de Sisyphe. Une par une, oui. Mais en masse ? Impossible. L’IA a gagné la course à la quantité. L’humain a perdu la guerre de la qualité.

Duminil-Copin ne tourne pas autour du pot : « C’est un choc, parce que ça remet en cause notre rapport à la vérité. » Traduction : si une machine peut produire des preuves assez souvent, à quoi bon former des générations de mathématiciens ? À quoi bon ces années d’études, ces nuits blanches, ces erreurs qui mènent quelquefois à une percée ? L’IA ne découvre pas. Elle copie. Mais la copie, à grande échelle, finit par effacer l’original.

L’IA ne fait pas de maths, elle les standardise

Attention, je ne dis pas que l’IA va remplacer les maths. Non. Elle va les industrialiser. Comme l’imprimerie a standardisé l’accès au savoir, comme les calculatrices ont automatisé les opérations, l’IA va transformer la preuve en commodité.

Le problème ? Les maths ne sont pas que de la logique. Ce sont aussi des histoires.

Prenez le théorème des quatre couleurs, par exemple. Sa démonstration, longue et technique, a mis des décennies à être validée. Pourquoi ? Parce qu’elle repose sur des choix humains, des intuitions, des raccourcis, des sauts que seul un esprit formé peut comprendre. Une IA peut reproduire la structure. Pas l’âme.

Or, c’est cette âme qui fait la différence. Quand un mathématicien comme Duminil-Copin travaille sur les modèles en physique statistique, il ne cherche pas juste une preuve. Il cherche une histoire qui tienne la route. Une histoire qui explique pourquoi ça marche. L’IA, elle, ne fait que répéter le script.

Et c’est ça, le vrai danger. Pas que les machines résolvent des problèmes. Mais qu’elles fassent croire qu’elles les comprennent. Qu’elles donnent l’illusion d’une avancée, alors qu’elles ne font que recracher ce qu’on leur a appris à recracher.

Le piège de la transparence algorithmique

Voilà le paradoxe : plus l’IA devient puissante, moins on comprend comment elle fonctionne. OpenAI peut bien afficher ses 1000 démonstrations, personne ne sait vraiment comment GPT-4 les a générées. Est-ce de la logique pure ? De l’interpolation entre des données existantes ? Un mélange des deux ? Personne ne peut le dire.

Et c’est là que Duminil-Copin frappe fort : « On nous vend l’IA comme une boîte noire transparente. En réalité, c’est l’inverse. Plus elle est performante, moins on voit ce qui se passe à l’intérieur. »

Autrement dit, on ne contrôle plus la preuve. On ne sait même plus si elle est valide. Parce que pour vérifier, il faudrait comprendre. Et comprendre, aujourd’hui, c’est déjà hors de portée.

Pire : les institutions s’en rendent compte, mais elles n’agissent pas. Les revues scientifiques commencent à refuser des articles basés uniquement sur des démonstrations générées par IA. Les universités forment encore leurs étudiants comme si rien n’avait changé. Le décalage est énorme.

Ce que ça signifie pour le reste du monde

Les maths, c’est le laboratoire du doute. Si l’IA peut produire des preuves assez souvent, alors elle peut produire n’importe quoi. Des rapports financiers truqués. Des contrats juridiques bidon. Des diagnostics médicaux qui semblent justes. La confiance, c’est ce qui reste quand la vérité devient une question de probabilité.

Duminil-Copin ne le dit pas explicitement, mais c’est sous-entendu : « Si on ne maîtrise plus les maths, on ne maîtrisera plus rien. » Parce que les maths, c’est le langage universel de la rigueur. Et si ce langage est piraté, alors tout l’édifice vacille.

Le pire ? Personne ne veut en parler. Les scientifiques font semblant de s’en soucier. Les politiques ignorent le sujet. Les entreprises, elles, en profitent déjà, sans se demander jusqu’où elles peuvent aller.

La vraie question n’est pas « L’IA peut-elle faire des maths ? »

La vraie question, c’est : « Qui décide ce qui est vrai, demain ? »

Parce que voyez-vous, les démonstrations d’OpenAI, c’est déjà hier. Demain, ce sera les preuves générées par des algorithmes que personne ne comprendra. Des preuves qui paraîtront justes. Des preuves qui convaincront les non-initiés. Et personne ne pourra plus dire non.

Duminil-Copin a raison sur un point : c’est un choc. Pas parce que l’IA est trop forte. Mais parce qu’elle est trop opaque. Parce qu’elle nous force à choisir : soit on accepte un monde où la vérité est une question de performance algorithmique, soit on se bat pour garder un minimum de contrôle.

Le problème ? Personne ne sait encore comment se battre.

Et ça, c’est le vrai scandale.