
Quand l’IA rivalise avec les meilleurs
En 2024, les systèmes AlphaProof et AlphaGeometry 2 de Google DeepMind ont atteint le niveau d’une médaille d’argent aux Olympiades internationales de mathématiques. Un an plus tard, Gemini Deep Think obtenait un résultat correspondant à une médaille d’or.
Ces performances illustrent une accélération spectaculaire. L’IA ne se limite plus aux calculs automatisés : elle explore des stratégies, propose des raisonnements et participe à la résolution de problèmes exigeants.
Mais résoudre des exercices de compétition ne signifie pas maîtriser toute la recherche mathématique. Inventer de nouveaux concepts, identifier des questions fécondes et comprendre la portée d’un théorème restent des activités dont l’automatisation complète n’est pas démontrée.
Les grands mathématiciens entre fascination et inquiétude
Pour Cédric Villani, médaille Fields 2010, le bouleversement pourrait être historique. Interrogé en octobre 2026, il évoquait « le changement le plus radical en mathématiques depuis au moins quatre siècles ».
Terence Tao, médaille Fields 2006, envisage l’émergence de « mathématiques 2.0 », caractérisées par une abondance de démonstrations produites avec l’assistance de machines. Le défi ne serait plus seulement de découvrir des résultats, mais de les comprendre, de les organiser et de distinguer ceux qui présentent un véritable intérêt scientifique.
Timothy Gowers, médaille Fields 1998, souligne également la rapidité des progrès. La succession des performances oblige les chercheurs à réévaluer les capacités des systèmes et leurs propres méthodes de travail.
June Huh, médaille Fields 2022, insiste sur un autre danger : la fascination pour la vitesse pourrait détourner la recherche de sa mission fondamentale, celle de poser des questions originales.
Vers la disparition de certaines tâches ?
Les conséquences professionnelles pourraient être considérables. Calculs complexes, démonstrations techniques, exploration de conjectures et programmation scientifique pourraient progressivement être davantage automatisés.
Le mathématicien deviendrait alors moins un exécutant de raisonnements qu’un architecte de problèmes, capable d’orienter les machines, d’évaluer leurs résultats et de construire de nouveaux cadres théoriques.
Cette transformation soulève une difficulté particulière pour les jeunes chercheurs. Si les tâches traditionnellement utilisées pour apprendre le métier sont confiées à l’IA, comment acquérir l’expérience indispensable à l’autonomie scientifique ?
Les universités devront probablement adapter leurs formations, leurs méthodes d’évaluation et leurs pratiques de recherche.
Une intelligence augmentée ou une recherche déshumanisée ?
Le mathématicien Francesco Maggi oppose deux perspectives : un âge d’or scientifique, où l’Intelligence Artificielle multiplie les découvertes, et un avenir plus sombre, marqué par la dépendance à des systèmes dont les raisonnements seraient difficilement compréhensibles.
L’enjeu dépasse les mathématiques. Il concerne la place du jugement humain dans la production des connaissances.
Trois évolutions paraissent envisageables : des chercheurs augmentés par l’IA, des scientifiques supervisant des démonstrations automatisées ou une recherche largement conduite par des machines.
Aucune de ces trajectoires n’est aujourd’hui certaine.
Une interrogation demeure : si les machines deviennent capables de trouver les réponses, la véritable valeur du mathématicien résidera-t-elle désormais dans sa capacité à inventer les questions ?
L’avenir des mathématiques pourrait ainsi dépendre moins de la puissance des calculs que de la capacité humaine à donner un sens aux découvertes.


