AlphaProof a résolu en 3 heures ce qui prenait des années

Un algorithme vient de résoudre en quelques heures ce qu'un chercheur aurait mis des années à démontrer. Pour la communauté mathématique mondiale, c'est moins une victoire qu'un tremblement de terre.

En août 2024, DeepMind a annoncé qu'AlphaProof, son système d'IA dédié aux mathématiques formelles, avait résolu quatre des six problèmes de l'Olympiade Internationale de Mathématiques — dont un problème de niveau argent/or qu'aucune IA n'avait jamais approché. Le temps de calcul ? Quelques heures. Des décennies de recherche humaine distillées en un sprint machine. Dans les couloirs des universités, la question qui circule n'est plus "est-ce que l'IA sera utile en maths ?". C'est : "À quoi bon passer dix ans sur une thèse ?"

Quand une machine démonte une carrière en une nuit

Pour comprendre la secousse, il faut saisir ce que représente une démonstration mathématique pour ceux qui en font métier. Ce n'est pas un calcul. C'est une construction intellectuelle qui peut mobiliser des années d'intuition, d'échecs, de reformulations. Certains théorèmes ont attendu des siècles leur preuve. Andrew Wiles a passé sept ans isolé pour démontrer le Grand Théorème de Fermat.

Or des systèmes comme AlphaProof, Lean couplé à des LLMs, ou encore GPT-4 utilisé comme assistant de preuve formelle, commencent à automatiser des pans entiers de ce travail. Pas en remplaçant la créativité humaine — pas encore. Mais en court-circuitant des étapes intermédiaires qui constituaient, jusque-là, l'essentiel du travail d'un chercheur junior.

Le cas concret qui a tout changé

En 2023, un groupe de chercheurs a utilisé des outils d'IA pour vérifier et compléter des preuves dans le cadre du Projet Mathlib — une bibliothèque formelle de mathématiques en Lean. Résultat : des lemmes qui auraient nécessité plusieurs semaines de formalisation manuelle ont été traités en quelques jours. Pour les doctorants dont la thèse reposait sur ce type de travail de formalisation, le message était brutal : leur contribution venait d'être partiellement rendue automatisable.

Une crise d'identité, pas seulement d'emploi

Ce qui frappe dans les réactions de la communauté, c'est que la menace ressentie dépasse la question de l'employabilité. Elle touche à quelque chose de plus profond : le sens même de l'activité mathématique.

• La souffrance créatrice comme valeur : beaucoup de mathématiciens définissent leur discipline par la lutte intellectuelle. Si une IA peut "sauter" cette lutte, la démonstration a-t-elle encore la même valeur ?
• L'originalité remise en question : certains travaux de recherche consistent à explorer un espace de conjectures. Si une IA peut explorer cet espace plus vite et plus exhaustivement, que reste-t-il à "découvrir" pour un humain ?
• La formation en péril : les exercices difficiles sont le moteur de l'apprentissage. Si les étudiants peuvent externaliser la résolution à une IA, comment former les prochains grands mathématiciens ?

Les mathématiciens qui s'adaptent — et ce qu'ils font différemment

Tout n'est pas sombre. Une partie de la communauté a choisi une posture pragmatique et, franchement, fascinante.

Terence Tao, médaille Fields et considéré comme le plus grand mathématicien vivant, a publiquement expérimenté avec des LLMs pour explorer des conjectures. Sa conclusion : l'IA est un interlocuteur de brainstorming extraordinaire, incapable pour l'instant de générer une intuition véritablement nouvelle, mais redoutable pour tester des cas particuliers ou vérifier des raisonnements.

D'autres chercheurs repositionnent leur valeur sur ce que les machines ne font pas encore bien :

• Poser les bonnes questions — choisir les problèmes qui méritent d'être résolus
• Interpréter les résultats dans un contexte scientifique ou philosophique plus large
• Créer des ponts interdisciplinaires que l'IA, entraînée sur des corpus cloisonnés, rate systématiquement
• Enseigner et transmettre l'intuition mathématique, irréductible à une preuve formelle

Ce que cela révèle sur notre rapport à l'intelligence

La crise des mathématiciens est, en creux, un révélateur anthropologique. Pendant des siècles, les mathématiques ont été le domaine par excellence où l'intelligence humaine se croyait inégalable. La rigueur formelle, la preuve, la démonstration — c'était notre territoire exclusif.

L'irruption de l'IA dans ce sanctuaire force une question inconfortable : si une machine peut démontrer, que signifie comprendre ? La preuve produite par AlphaProof est-elle une preuve au sens où un mathématicien l'entend — avec la compréhension, l'élégance, la signification — ou est-ce simplement une vérification mécanique à grande échelle ?

Les philosophes des mathématiques débattent. Les institutions universitaires, elles, commencent à peine à mesurer les implications pour leurs programmes et leurs recrutements.

Ce n'est pas la fin des mathématiciens. C'est la fin d'un certain mathématicien.

Celui dont la valeur reposait sur la capacité à exécuter des preuves longues et techniques dans des domaines bien balisés est effectivement menacé. Mais celui qui pose des problèmes inédits, qui navigue entre abstraction et application, qui enseigne et qui questionne les fondements — celui-là n'a jamais été aussi nécessaire.

La vraie crise existentielle n'est peut-être pas celle des mathématiciens. C'est celle de toutes les disciplines qui ont confondu l'exécution avec l'intelligence. L'IA ne résout pas les mauvaises questions plus vite. Elle nous force, enfin, à nous demander lesquelles valent la peine d'être posées.

— Reservoir Live