L’IA résout, mais elle n’explique pas

Imaginez un étudiant en licence qui copie son devoir sur un site comme Chegg. Il obtient une bonne note. Peut-être même qu’il comprend un peu en relisant. Mais s’il doit refaire le même exercice sans aide, il sera perdu. L’IA, c’est Chegg en version 2.0 : elle génère des solutions, mais elle ne forme pas. Pire : elle donne l’illusion de la maîtrise.

Prenez ce théorème « démontré » par l’IA. Personne, pas même les auteurs de l’article, n’a vérifié pourquoi la preuve tient. Pas parce que c’est trop compliqué. Parce que personne n’a pris le temps de lire la démonstration comme on lit un livre. Comme on décortique une idée. L’IA, elle, ne fait que combiner des données. Elle ne pense pas. Elle assemble. Et ça, c’est la différence entre un outil et un esprit.

Stéphane Mallat le résume en une phrase : « Une démonstration, c’est comme une partition de musique. L’IA peut vous jouer une mélodie, mais elle ne vous apprendra pas à composer. » Sauf que dans les maths, composer, c’est aussi comprendre. Et là, l’IA est en panne sèche.

Le piège de l’automatisation aveugle

En 2023, une étude de l’OCDE a révélé que seulement 38 % des étudiants en mathématiques en France maîtrisent les bases de l’algèbre linéaire. Un chiffre qui n’a pas bougé depuis 10 ans. Pourtant, les universités dépensent des millions en logiciels d’apprentissage automatisé, en MOOCs, en plateformes d’exercices générés par IA. Résultat ? Les étudiants obtiennent des notes, mais ils ne savent plus penser.

Pourquoi ? Parce que l’IA comble les trous sans les combler vraiment. Elle donne une réponse quand l’étudiant bloque. Elle ne lui apprend pas à rebondir. À douter. À se tromper. À corriger. Les maths, c’est comme le sport : si vous voulez progresser, il faut vous faire mal. L’IA, elle, vous donne des antidouleurs à volonté.

Mallat est sans pitié : « On confond l’efficacité à court terme avec l’efficacité à long terme. Une IA peut résoudre 10 000 équations en une heure. Un étudiant qui en résout 10 en une semaine aura compris quelque chose. L’autre, non. » La question n’est pas « L’IA peut-elle faire les maths ? », mais « À quel prix ? »

L’enseignement, ce terrain miné

Les éditeurs de manuels scolaires s’en sont déjà emparés. En 2024, 42 % des livres de maths pour le lycée intègrent des exercices « corrigés par IA », selon une enquête de l’APMEP (Association des Professeurs de Mathématiques). Problème : ces corrections sont souvent superficielles. L’IA explique le résultat, mais rarement la méthode. Pire, elle normalise l’erreur. Un étudiant qui se trompe et obtient une correction instantanée apprend à tricher avec lui-même.

Un exemple ? En classe de première, un exercice sur les dérivées. L’élève fait une faute. L’IA lui dit : « Voici la bonne réponse : f’(x) = 3x². » Sans lui dire « Pourquoi tu as confondu la règle de puissance ? » Sans lui demander « Qu’est-ce qui cloche dans ton raisonnement ? » L’IA ne juge pas. Elle ne guide pas. Elle remplace.

Et c’est là que le bât blesse. Parce que les maths, ce n’est pas que des calculs. C’est une discipline de la pensée. Comme l’écrivait le philosophe Alain : « Les mathématiques sont l’art de donner le même nom à des choses différentes. » L’IA, elle, donne le même résultat à des choses trop différentes. Sans discernement.

Le vrai danger : l’illusion du progrès

En 2022, Google DeepMind a présenté une IA capable de générer des preuves mathématiques originales. Les médias ont encensé cette « percée ». Les investisseurs ont salué une « révolution ». Les universités ont commencé à intégrer ces outils dans leurs cursus. Pourtant, aucun département de maths sérieux ne les utilise pour évaluer les étudiants. Pourquoi ? Parce que personne ne sait vérifier ces démonstrations. Personne ne peut garantir qu’elles sont justes.

Mallat le dit crûment : « On est dans une logique de marketing. Les labos vendent de l’innovation, les écoles achètent sans se poser de questions. » Le résultat ? Une bulle. Une génération d’étudiants qui croient maîtriser les maths parce qu’une machine leur a dit « Bravo », alors qu’ils ne savent même pas poser une équation.

Alors, que faire ?

Pas interdire l’IA. Impossible. Elle est déjà partout. Mais l’enseigner comme un outil, pas comme une béquille. Voici comment :

• Interdire les copies-collées. Si un étudiant soumet un devoir généré par IA sans l’avoir compris, il doit repasser l’examen à l’oral. Sans notes. Sans triche. Juste lui, un tableau, et un professeur qui lui demande « Expliquez-moi pourquoi vous avez fait ça. »

• Rendre les démonstrations publiques. Toute preuve générée par IA doit être soumise à un comité de relecture humain. Pas pour valider le résultat, mais pour en comprendre les étapes. Comme un article scientifique. Parce qu’une démonstration, ça se lit. Ça se discute. Ça ne s’avale pas en une ligne.

• Réintroduire l’erreur dans les cursus. Les maths ne sont pas un examen de vitesse. C’est un sport de précision. Si un étudiant se trompe, il doit recommencer. Pas obtenir une correction magique. Parce que l’erreur, c’est comme un muscle : plus vous la travaillez, plus vous devenez fort.

Le fond du problème, c’est la confiance.

On fait confiance à l’IA parce qu’elle a l’air scientifique. Parce qu’elle parle en équations. Parce qu’elle ne fait pas de fautes d’orthographe. Mais les maths, ce n’est pas de la grammaire. C’est une langue vivante. Et comme toute langue, elle se meurt quand on la réduit à des algorithmes.

Stéphane Mallat le résume en une image : « Une IA qui fait des maths, c’est comme un piano qui joue du Mozart sans comprendre la musique. Ça fait du bruit. Ça impressionne. Mais ça ne fait pas un compositeur. »

Alors oui, l’IA peut résoudre des équations. Oui, elle peut « démontrer » des théorèmes. Oui, elle peut même inventer des preuves. Mais si personne ne comprend ce qu’elle fait, à quoi bon ?

Les maths ne sont pas un jeu. Elles ne sont pas un produit. Elles sont un métier. Et comme tout métier, elles se transmettent. Pas par des boutons, mais par des mains. Par des doutes. Par des nuits blanches à chercher une solution.

L’IA, elle, ne dort jamais. Elle ne doute jamais. Elle ne fait que fonctionner.

Et ça, ce n’est pas des maths. C’est de la mécanique.