En 2023, une étude de l’INSMI (Institut National des Sciences Mathématiques et de leurs Interactions) révélait que 35 % des doctorants en maths utilisaient déjà des outils d’IA générative pour résoudre des équations ou esquisser des preuves. Pas pour gagner du temps. Pour éviter de réfléchir. Cédric Villani, lui, n’a pas attendu les chiffres pour flairer le danger. Le mathématicien, médaille Fields en 2010, vient de balancer un avertissement sec aux jeunes chercheurs : « L’IA générative, c’est comme donner un stylo à un enfant de 5 ans et lui dire qu’il écrit du Proust. Ça ne marche pas, et ça apprend rien. » Pas de meubles. Pas de demi-mesure. Juste un constat : ces outils, aussi brillants soient-ils, détruisent l’essence même de la recherche en maths, cette lenteur nécessaire, ces erreurs qui mènent à des percées, cette solitude face au problème.
L’IA, ce leurre qui fait croire qu’on comprend
Prenez un exemple basique. Un doctorant en algèbre abstraite se retrouve bloqué sur un théorème. Au lieu de grignoter son problème pendant trois jours, de rater des nuits à gribouiller des croquis, de se prendre des claquées contre un mur, il tape sa question dans un outil comme Wolfram Alpha ou même un modèle plus récent comme MathPilot. La réponse tombe en 0,3 seconde. Propre, élégante, avec des références bidon tirées d’articles qu’il n’a jamais lus. Le doctorant, lui, n’a rien compris. Il a copié. Et pire : il croit avoir compris.
Villani en a vu, des cas comme ça. « Un collègue m’a raconté l’histoire d’un post-doc qui a soumis un papier où 40 % des démonstrations étaient des copier-coller d’IA, sans même vérifier. Le jury a mis deux ans à le repérer. Deux ans de temps perdu pour tout le monde. » Le pire ? L’IA ne ment pas exprès. Elle génère des réponses plausibles. Assez pour que le doctorant signe son nom dessus et envoie ça à un revue. Assez pour que le reviewer, pressé, ne creuse pas assez. Assez pour que le système entier, évaluation, carrière, réputation, se sabote tout seul.
Le vrai problème n’est pas la triche, mais l’illusion de la maîtrise
Ce qui énerve Villani, ce n’est pas que des gens trichent. C’est qu’ils croient avoir appris quelque chose. « Un étudiant qui utilise l’IA pour faire ses exercices de maths, c’est comme un musicien qui écoute une partition jouée par un orchestre et croit savoir jouer du violon. » La différence ? En maths, l’illusion est plus subtile. Personne ne voit le violoniste qui n’a jamais tenu son archet. Mais tout le monde voit le papier publié avec des démonstrations impeccables, et personne ne sait que derrière, il y a eu zéro travail intellectuel.
Le problème, c’est la fausse compétence. Un doctorant qui sort de sa thèse en pensant savoir résoudre des problèmes complexes, alors qu’il a juste appris à demander à une machine de le faire à sa place. Résultat ? Des chercheurs qui ne savent plus raisonner, qui ne résistent plus à la première contradiction, qui confondent trouver une réponse et comprendre un mécanisme.
Et après ? Après, vous avez une génération de mathématiciens incapables d’innover, parce qu’ils n’ont jamais eu à lutter contre un problème. « La recherche, c’est comme l’escrime, explique Villani. Si vous donnez l’épée à votre adversaire avant le combat, vous ne progressez pas. Vous vous faites juste avoir. »
Pourquoi personne ne veut entendre ça ?
Alors pourquoi Villani se fait-il huer ? Parce que son discours dérange deux camps.
D’un côté, les tenants de l’IA, qui vendent ça comme « l’assistant idéal pour les chercheurs ». Des types comme le PDG de MathPilot, qui sortent des arguments du style « L’IA libère du temps pour la réflexion profonde ». Sauf que personne ne mesure ce temps « libéré ». Personne ne sait si ces chercheurs utilisent leur nouveau temps libre pour réfléchir plus profond, ou pour surfer sur Twitter. Et surtout, personne ne vérifie si la réflexion profonde existe encore.
De l’autre, les institutions. Les universités, les labos, les éditeurs scientifiques, tous ceux qui ont intérêt à ce que la production de connaissances reste un flux continu, même médiocre. Parce qu’un papier publié, même nul, c’est un indicateur de productivité. Un CV qui gonfle. Un budget qui tient. « Ils préfèrent 100 papiers moyens avec des démonstrations bidon qu’un seul vrai résultat qui prend trois ans », lâche Villani sans détour.
Le pire ? Les doctorants eux-mêmes. Beaucoup adorent l’IA parce que ça leur évite de souffrir. « Ils veulent des réponses sans effort, comme sur TikTok. » Sauf que dans la recherche, l’effort, c’est le prix de l’entrée. Sans lui, il n’y a plus de progrès. Juste du bruit.
L’IA va-t-elle tuer les maths ? Non. Mais elle va en faire une discipline de copieurs.
Villani n’est pas un luddite. Il utilise des outils numériques, il a même cofondé une startup sur l’IA appliquée aux données. Mais il sait une chose : les maths, c’est comme la poésie. Ça ne se génère pas. Ça se travaille.
L’IA peut aider à vérifier une démonstration. À suggérer une piste. Même à corriger une erreur. Mais elle ne peut pas inventer une nouvelle branche des mathématiques. Pas plus qu’elle ne peut écrire un sonnet de Shakespeare. « Un algorithme peut vous donner des rimes, mais il ne vous donnera jamais l’émotion derrière. »
Le vrai risque, ce n’est pas que les maths disparaissent. C’est qu’elles deviennent une discipline de copieurs. Où les jeunes chercheurs croient maîtriser des concepts qu’ils n’ont jamais vraiment saisis. Où les revues publient des papiers dont personne ne peut garantir la validité. Où l’excellence se noie dans le volume.
Et le plus ironique ? C’est que l’IA, justement, pourrait aider à détecter ces failles. Des outils comme GPT-4 peuvent repérer des incohérences dans un texte. Des bases de données comme arXiv analysent les citations. Alors pourquoi ne pas les utiliser pour filtrer la mauvaise science, au lieu de la produire ?
Villani propose une solution radicale : interdire l’usage de l’IA générative dans les thèses et les articles pendant les trois premières années de recherche. « Le temps qu’il faut pour apprendre à marcher avant de courir. » Une mesure qui sentirait le protectionnisme, peut-être. Mais qui aurait le mérite de rendre aux maths leur âme.
La recherche n’a pas besoin d’outils. Elle a besoin de combat.
Au fond, le vrai problème avec l’IA générative, ce n’est pas la technologie. C’est l’état d’esprit qu’elle encourage. Celui qui croit que tout doit être rapide. Tout doit être facile. Tout doit être automatisable.
Les maths, comme la philosophie ou la peinture, ne fonctionnent pas comme ça. Elles demandent de la sueur, des échecs, des nuits blanches. Elles demandent de se battre contre un problème jusqu’à ce qu’il craque.
Villani le résume en une phrase : « Si vous voulez des résultats sans effort, allez faire du trading quantitatif. En maths pures, vous êtes là pour souffrir. Et c’est très bien comme ça. »
Parce qu’au bout du compte, ce n’est pas l’IA qui tue la recherche. C’est l’oubli de ce qui la fait vivre.
