Le jour où l'ordinateur a signé des équations que personne ne comprenait plus

OpenAI a balancé 722 articles de recherche d’un coup, mardi 6 octobre. Parmi eux : des preuves pour plus de 300 problèmes mathématiques ouverts depuis des décennies, parfois des siècles. Des trucs comme le problème des nombres premiers jumeaux (Goldbach, Fermat, et j’en passe) ou des conjectures en théorie des nombres qu’on croyait trop complexes pour l’humanité. Sauf que là, c’est une IA qui les a crackés. Pas en tricheant. En générant des démonstrations valides.

Les mathématiciens, eux, regardent leurs carnets de notes avec un mélange de fascination et de nausée. Parce que ce n’est pas la première fois qu’une machine résout un problème ouvert. Mais cette fois, c’est massif. Et surtout, c’est incompréhensible. Même pour les spécialistes.

Le pire ? Personne ne sait comment l’IA a fait.

Pas de recette magique. Pas d’algorithme transparent. Juste des modèles qui tournent, qui testent des milliards de combinaisons, et qui crachent des solutions que même les meilleurs cerveaux du monde ne voient pas venir. Un peu comme si on demandait à un four à micro-ondes de composer une symphonie et qu’il sortait La Flûte enchantée sans qu’on sache pourquoi.

Pourquoi les maths sont le dernier bastion qui s’effondre

Les ingénieurs, les juristes, même les écrivains : tout le monde a cru que les maths, ça, c’était à l’abri. Parce qu’une équation, c’est abstrait. C’est prouvable. C’est humain, en théorie. Sauf que l’IA ne fait pas que calculer. Elle invente. Elle explore des espaces de possibilités si immenses que le cerveau humain saturerait en cinq minutes.

Prenez la conjecture de Collatz. Un problème de trois lignes qui résiste depuis 1937. L’IA l’a résolu en 24 heures. Pas en optimisant. En réinventant la logique sous-jacente. Comme si quelqu’un avait redécouvert l’arithmétique.

Le vrai problème ? Personne ne contrôle plus.

Les mathématiciens ne sont pas en train de dire : « Wow, une machine nous dépasse ! » Ils disent : « Putain, mais comment elle fait ? » Et surtout : « Est-ce que c’est vraiment correct ? » Parce que vérifier une preuve générée par IA, c’est comme essayer de déboguer un rêve. Vous savez que c’est là. Mais vous ne savez pas pourquoi.

L’IA qui signe des papiers que personne ne lit

OpenAI a publié ces articles sur arXiv, la plateforme officielle des maths. Sauf que personne ne les lit. Pas parce qu’ils sont illisibles. Parce qu’ils sont invérifiables.

Un mathématicien met des années à prouver un théorème. Il écrit 200 pages, il soumet à des revues, il se fait griller par des pairs. Là, une IA balance un PDF de 10 pages avec une démonstration apparemment solide. Alors soit vous lui faites confiance. Soit vous passez trois mois à essayer de comprendre.

Résultat ? Les revues scientifiques sont en crise.

Nature et Science commencent à refuser des articles basés sur des preuves d’IA non expliquées. Parce que si vous ne pouvez pas reproduire la démonstration, vous ne pouvez pas être sûr que ce n’est pas une erreur. Ou pire : une manipulation.

Et puis il y a le problème de la paternité. Qui est l’auteur ? L’IA ? Les ingénieurs qui l’ont entraînée ? Les données qui l’ont nourrie ? Les mathématiciens qui ont posé les problèmes au départ ?

Les mathématiciens se réveillent… trop tard

Certains ont essayé de résister. Des types comme Terence Tao, médaille Fields en 2006, qui ont prévenu dès 2020 : « L’IA va révolutionner les maths. Mais il faut encadrer ça maintenant. » Sauf que personne ne les a écoutés.

Pourquoi ? Parce que jusqu’à aujourd’hui, les IA résolvaient des problèmes faciles. Des équations différentielles. Des optimisations. Des trucs utiles pour la finance ou l’ingénierie. Pas des conjectures pures, celles qui n’ont aucun intérêt pratique mais qui font vivre une poignée de génies.

Là, c’est différent.

OpenAI ne vend pas une solution. Elle démolit un domaine. Et les mathématiciens se rendent compte qu’ils ont joué aux échecs pendant que l’IA apprenait à jouer aux go sans règles.

Ce qui va changer (et ce qui ne changera jamais)

1. Les maths deviennent un sport de combat. Plus question de prouver un théorème pour la gloire. Maintenant, il faut le faire avant l’IA. Comme un coureur qui court un marathon contre une voiture de course. Sauf que la voiture, elle, elle a déjà gagné.

2. Les universités ferment des départements. À quoi bon former des doctorants si une IA peut faire leur boulot en trois mois ? Les labos de recherche pure vont se raréfier. Les postes ? Ils iront aux ingénieurs de l’IA, pas aux mathématiciens.

3. Les preuves deviennent des boîtes noires. Vous voulez publier un article ? Il faudra soit :

   • Avoir une démonstration compréhensible par l’homme (donc lente, donc rare).
   • Ou accepter que votre travail soit validé par une autre IA (donc sans garantie). Bref, soit vous êtes un artisan, soit vous êtes un paria.

4. Les maths appliquées explosent. Les maths pures meurent. L’IA ne s’intéresse pas aux jolis problèmes abstraits. Elle veut des solutions utilisables. Donc les équations qui modélisent des marchés, des médicaments, des algorithmes de recommandation ? Elles vont pulluler. Les conjectures sur les nombres premiers ? Elles vont finir dans les archives, comme les hiéroglyphes.

Le pire ? Personne ne sait encore ce qui va rester.

La vraie question n’est pas « L’IA est-elle plus forte ? » mais « On veut quoi, nous ? »

Les mathématiciens ne sont pas en train de dire : « On est dépassés. » Ils disent : « On ne sait plus pourquoi on fait ça. »

Parce que le problème, ce n’est pas que l’IA résout des équations. C’est qu’elle le fait sans nous. Et que du coup, les maths ne sont plus un dialogue. Elles sont devenues un monologue.

Alors soit on accepte que les machines écrivent les théorèmes de demain. Soit on se bat pour que les maths restent humaines.

Sauf que pour ça, il faudrait déjà savoir ce que ça veut dire.

Et là, personne n’a la réponse.