Une semaine de conférence entre matheux, normalement, ça parle de qui a chopé quel poste, de la conjecture que le voisin n’a toujours pas comprise et de saucisses. À Heidelberg, cette année, ça parlait d’une seule chose : les labos d’IA qui passent la niveleuse sur la discipline. Chaque bout de conversation attrapé au vol, chaque débat surpris derrière un pilier, tournait autour d’OpenAI, d’Anthropic et de Google. « L’IA et les LLM ont mis le feu à la communauté mathématique cet été », résume Ailsa Robertson, jeune chercheuse à Amsterdam. Elle n’exagère pas.
Faut dire que les maths, c’est le terrain de jeu idéal pour une machine. Tu as du raisonnement étape par étape, et des réponses que tu vérifies objectivement, sans débat d’opinion ni querelle d’égo. Forcément, les géants de la tech ont accéléré comme des malades. Les problèmes d’Erdős, ces cassetêtes posés par le mathématicien hongrois, sont tombés les uns après les autres. La preuve du dernier théorème de Fermat a été vérifiée par une machine. Et le clou du spectacle : OpenAI annonce avoir résolu le problème de l’existence et de la régularité de Navier-Stokes.
Navier-Stokes, ce n’est pas un exercice de fin de chapitre. C’est l’un des sept problèmes du millénaire posés par l’institut Clay en 2000, un million de dollars à la clé. Sur les sept, un seul est tombé, la conjecture de Poincaré, résolue par des humains. OpenAI revendique le deuxième. Si la preuve tient, on parle d’un moment charnière pour le raisonnement automatisé. « On a vu les capacités grimper vite, plus vite que beaucoup d’entre nous, moi compris, ne l’imaginaient, lâche Jacob Tsimerman, médaille Fields à Toronto. Est-ce que l’IA fait quelque chose de nouveau ? Je ne connais pas les détails, mais… résoudre Navier-Stokes, ça ressemble quand même à du définitif. »
Le reste du monde des maths, lui, ne tremble pas d’admiration. Il tremble tout court. Et pas seulement parce qu’un modèle vient de lui coller une raclée sur son propre terrain.
Le coup de pub et le coup de poing
Il y a un mais, et ce mais pue. Résoudre un problème, c’est une chose. La manière de le faire, c’en est une autre. Sur le même panel, Peter Scholze, médaille Fields à Bonn, ne mâche pas ses mots : à l’en croire, les labos « résolvent ces problèmes difficiles comme benchmarks, comme une sorte de coup de pub ». Aïe. Le service com’ d’OpenAI a dû avaler sa salive à distance.
L’affaire est plus laide qu’un simple accrochage d’égo. Michael Harris, de Columbia, raconte avoir reçu de la correspondance qu’un autre mathématicien, Tristan Buckmaster (NYU), qualifie de coercitive, censurante, et même menaçante. Buckmaster travaillait sur Navier-Stokes, main dans la main avec Levent Alpöge, un employé d’Anthropic. Harris a relayé son récit, et il assume : « Sur les réseaux et dans la presse, la plupart des comptes rendus vont dans mon sens. Ils décrivent OpenAI en train d’intimider et de casser les normes de la discipline. » OpenAI, sollicité, n’a pas répondu avant publication. Surprenant, non ?
Geordie Williamson, de Sydney, enfonce le clou : « Je pense qu’OpenAI s’est comporté extrêmement mal, et que la communauté devrait le reconnaître. » C’est dit, c’est signé par une huile du domaine, et personne n’est venu contester.
L’IA donne la réponse, pas la recette
Mais le vrai problème est plus profond qu’un éditeur qui joue des coudes. Williamson pose le doigt sur une bascule vertigineuse. « Ce qu’on veut, en tant que communauté mathématique, c’est comprendre. Mais on mesure ça à l’aune des problèmes non résolus. Et ces deux mesures sont en train, très vite, de se décorréler. » Dit simplement : l’IA peut pondre une réponse exacte sans jamais produire la méthode compréhensible qui va avec. La preuve arrive, la compréhension non.
On vous le disait déjà dans notre papier sur l’IA qui calcule plus vite qu’elle ne comprend pourquoi (https://mogw-ai.com/recherche/lia-calcule-plus-vite-que-toi-elle-ne-comprend-toujours-pas-pourquoi/). Sauf que là, l’enjeu n’est plus philosophique, il est carrément institutionnel. Si la réussite d’un matheux se mesure à sa capacité à cocher des problèmes, et que l’IA coche tout, alors sur quoi on évalue les gens ? Qui on embauche ? Comment on enseigne ? Williamson le reconnaît, ça va être un chantier : « On doit soudain réévaluer comment on juge les gens, qui obtient les postes, comment on forme les étudiants. Ça va être un gros défi. »
Les petits paient la facture
Pendant que les labos se battent pour la suprématie, ce sont les matheux de base qui prennent. Mita Ramabulana, du Cap, a vu deux des dix avancées annoncées par OpenAI en août recouper son propre travail. Sa réaction tient en un mot : déception. « Tu passes du temps à réfléchir là-dessus, et ces jours-ci, tu ne sais pas si quelqu’un ne va pas juste balancer ton problème dans un LLM et le résoudre. » Le fantasme du chercheur sans scrupule qui te grille au poteau en une après-midi de prompting n’est plus théorique.
Et puis il y a la pression économique. Robertson a vu tous ses collègues matheux se jeter sur les LLM, beaucoup en saturant leur abonnement Pro, certains en claquant des milliers d’euros en tokens supplémentaires. « Et ce sont des doctorants qui n’ont pas des milliers d’euros », rappelle-t-elle. OpenAI a beau avoir lâché 100 000 licences gratuites à la communauté académique en juillet, ça arrive avec un message non dit : si tu n’avances pas à la vitesse qu’un LLM te permet, tes concurrents, qui postulent aux mêmes postes, le feront. « Si tu ne travailles pas au rythme auquel tu pourrais travailler avec des LLM, tu seras derrière tes pairs », résume-t-elle. Elle a tellement intégré le problème qu’elle a réorienté sa thèse. Moins de maths pures, plus d’implications sociétales. Parce qu’elle refuse de passer sa carrière « à vérifier la sortie d’un LLM ».
Le vrai verdict
Il y a quelque chose de grinçant, quand même. Pendant que les labos brandissent ces résolutions comme la preuve ultime que leurs machines sont bonnes, ils oublient de citer les matheux dont ils piétinent le métier. OpenAI voulait prouver au monde que son modèle touche le ciel des mathématiques. Il a surtout prouvé qu’il savait, comme ses pairs, ignorer les règles de la maison qu’il prétend révolutionner.
Et si tu cherches encore à savoir laquelle des sept énigmes tombera ensuite, la question n’est peut-être pas là. La vraie question, c’est ce qui reste d’une discipline quand sa mesure officielle du génie, les problèmes non résolus, cesse de dire quoi que ce soit sur sa véritable ambition, la compréhension. Les matheux pourront toujours compter les problèmes. Ils n’ont plus la main sur ce que compter veut dire.
Sources :
Comments are closed