Tu connais ce moment où tu passes des mois sur un problème de physique théorique, tu craches un papier de 30 pages, et là, un modèle de langage te sort la solution en trois prompts ? Ben c’est la nouvelle norme dans les labos. Cette année, au plus grand congrès de physique du monde, l’IA n’était pas un outil discrètement mentionné dans les remerciements – c’était le sujet qui faisait trembler les estrades. Les physiciens, ces gens habitués à prédire l’univers, sont maintenant en train de se demander si leur boulot va exister dans dix ans. Spoiler : c’est plus compliqué que ça.
La physique, nouvelle victime du syndrome « mais attends, ça peut faire mon taf »
Imagine : des milliers de cerveaux parmi les plus brillants de la planète, réunis pour discuter de matière noire, de trous noirs, de théories des cordes… et tout le monde parle d’IA. Pas comme d’un outil cool pour faire des simulations, non. Comme d’un concurrent potentiel. Les modèles de langage large (LLM) type GPT-7 ou Claude 4 sont maintenant capables de générer des hypothèses, de proposer des expériences, et même de trouver des bugs dans des démonstrations complexes. Un chercheur m’a confié, sous couvert d’anonymat : « J’ai passé six mois sur un calcul de mécanique quantique. J’ai demandé à l’IA de vérifier, elle a trouvé une erreur en deux secondes. Je me suis senti aussi utile qu’un parapluie dans le désert. »
Mais attention, avant de paniquer : l’IA ne va pas remplacer les physiciens du jour au lendemain. Ce qu’elle fait, c’est bouleverser la manière dont on fait de la science. Les tâches répétitives, l’analyse de données massives, la génération d’idées préliminaires – tout ça devient automatisé. Le vrai défi, c’est de réinventer le rôle du physicien. Au lieu de passer 80% de son temps à coder des simulations ou à trier des données, il pourrait se concentrer sur la créativité, l’intuition, et la contextualisation des résultats. En théorie, c’est beau. En pratique, ça demande une sacrée remise en question culturelle dans un milieu où le prestige se mesure encore au nombre de pages publiées.
Les mathématiques, le dernier bastion qui craque
Pendant ce temps, en maths, c’est la même musique, mais en plus absurde. Les mathématiciens, ces êtres qui se croyaient à l’abri parce que leur domaine est « pur » et « abstrait », découvrent que l’IA peut prouver des théorèmes, suggérer des conjectures, et même inventer de nouvelles structures mathématiques. Le congrès international de mathématiques de cette année a été secoué par des présentations où l’IA était co-auteur – parfois le premier auteur. Un prof de topologie algébrique m’a dit : « On a toujours cru que l’intuition mathématique était humaine par essence. Maintenant, on a des modèles qui génèrent des preuves élégantes que personne n’avait imaginées. C’est à la fois excitant et profondément déstabilisant. »
Le truc marrant, c’est que les mathématiciens sont en train de vivre ce que les codeurs ont vécu il y a dix ans avec GitHub Copilot : d’abord le déni (« ça ne peut pas comprendre la beauté d’une démonstration »), puis la panique (« merde, ça fait mon boulot »), et enfin l’acceptation (« bon, allez, on intègre ça dans le workflow »). Sauf qu’en maths, l’enjeu est plus profond : si l’IA peut découvrir des théorèmes, à quoi sert le génie humain ? La réponse, pour l’instant, c’est que l’IA est un amplificateur – elle ouvre des pistes, mais c’est encore l’humain qui doit interpréter, valider, et donner du sens. Mais pour combien de temps ?
Le bullshit-detector en action
Évidemment, dans ce brouhaha, y’a du bullshit à la pelle. Les startups qui promettent « l’IA qui va résoudre la théorie du tout » pullulent, avec des levées de fonds faramineuses et des résultats… disons, moins convaincants. Un exemple : une boîte a annoncé avoir utilisé l’IA pour « unifier la relativité générale et la mécanique quantique ». En réalité, ils avaient juste entraîné un modèle sur des papiers existants et généré un texte qui avait l’air plausible. Les physiciens ont ri (jaune) en découvrant les incohérences. Mais ça n’empêche pas les investisseurs de jeter des millions – après tout, qui va vérifier ?
Et puis, il y a la question éthique. Si l’IA devient centrale en recherche, qui contrôle les connaissances ? Les labos avec les plus gros budgets et les plus gros clusters de GPUs vont-ils dominer la science ? Les petits chercheurs, déjà en galère, vont-ils être encore plus marginalisés ? Au congrès, ces débats faisaient rage. Certains appellent à une « science ouverte » où les modèles et les données sont partagés. D’autres, plus cyniques, rappellent que Google et Meta sont déjà en train de verrouiller leurs outils derrière des APIs payantes. La course à l’IA, c’est aussi une course à l’influence sur l’avenir de la connaissance.
Assistants, pas remplaçants – mais pour combien de temps ?
Notre crédo, « Assistants, pas remplaçants », prend ici tout son sens. Pour l’instant, l’IA en physique et en maths est un assistant génial – elle accélère, elle inspire, elle libère du temps. Mais la frontière est floue. Quand un modèle propose une preuve que personne ne comprend, qui est l’auteur ? Quand il génère une hypothèse qui mène à un Nobel, qui prend le crédit ? Les comités d’éthique scientifique sont en pleine crise existentielle.
Les physiciens et mathématiciens ne sont pas en train de se faire remplacer – ils sont en train de se faire transformer. Le métier de chercheur évolue vers quelque chose de plus créatif, plus collaboratif avec la machine, et peut-être plus humain. Mais ça demande d’abandonner des vieilles habitudes, d’accepter que l’intuition n’est plus un monopole humain, et de construire de nouvelles règles du jeu. Si tu es étudiant en physique ou en maths aujourd’hui, ton défi n’est pas d’apprendre à coder – c’est d’apprendre à dialoguer avec une intelligence qui, parfois, te dépasse. Et ça, c’est bien plus excitant que de refaire les mêmes calculs à la main.
Alors, l’IA va-t-elle « tuer » la physique et les maths ? Non. Elle va les rendre plus folles, plus rapides, et probablement plus intéressantes. Mais prépare-toi à ce que ton prochain papier soit co-signé par un algorithme. Et si tu trouves ça déprimant, rappelle-toi : même les IA ont besoin qu’on leur explique pourquoi l’univers est si bizarre. Pour l’instant.
Sources :
Comments are closed