Terence Tao alerte sur une crise des normes mathématiques face à l'IA

La communauté mathématique traverse une période d'interrogations profondes face aux récentes avancées de l'intelligence artificielle. Le déclencheur de ce débat est la publication par OpenAI de solutions à des problèmes mathématiques que les chercheurs n'avaient pas réussi à résoudre depuis des décennies. Le système interne de l'entreprise, baptisé Astra, a exploré des domaines aussi variés que la théorie quantique des jeux ou l'optimisation du remplissage sphérique multidimensionnel, produisant plus de deux cent cinquante pages de preuves formelles vérifiées par le logiciel Lean. Cette accélération, qui s'est produite sur une période d'à peine six mois à un an selon certains observateurs, est d'autant plus frappante que les mêmes modèles restent défaillants sur des tâches élémentaires comme compter les lettres d'un mot.

C'est dans ce contexte que le mathématicien Terence Tao, médaille Fields et figure de premier plan de la discipline, a publié un essai dans lequel il met en garde contre ce qu'il considère comme une crise potentiellement comparable aux bouleversements fondamentaux du début du XXe siècle, une période marquée notamment par les travaux de Gödel. Selon lui, la menace ne porte pas sur la vérité mathématique elle-même, mais sur les valeurs structurantes de la communauté : la reconnaissance des contributions, l'attribution du mérite et la récompense du travail. Il propose à cet égard un critère pratique : toute démonstration qu'aucun humain ne serait capable d'expliquer devrait être considérée comme incomplète.

Ce débat autour de la paternité des découvertes est déjà bien réel. Lors de l'annonce de la résolution d'un problème majeur sur les groupes non sofiques, la communication initiale avait passé sous silence des travaux humains antérieurs essentiels, avant qu'OpenAI ne rectifie son texte sous la pression de chercheurs, dont Gábor Kun, qui avait jugé la présentation initiale « plutôt bâclée ».

D'autres préoccupations se font jour parmi les spécialistes. La formation des jeunes chercheurs est menacée : les doctorants s'entraînent habituellement sur des problèmes de difficulté intermédiaire, que les agents artificiels s'approprient désormais avec une facilité déconcertante. Des chercheurs comme Johannes Schmitt craignent que les machines « rasent » les problèmes disponibles sans ouvrir de nouvelles pistes de réflexion. La fracture économique préoccupe également : là où la recherche mathématique n'exigeait historiquement que peu de moyens, l'accès aux modèles les plus puissants est désormais contrôlé par des acteurs privés, ce qui risque de marginaliser les universités aux ressources limitées. James Maynard, lui aussi médaillé Fields, note que les résultats actuels combinent habilement des méthodes existantes sans encore inventer de concepts véritablement nouveaux, tout en admettant qu'il est trop tôt pour mesurer pleinement leur portée.