Preuve, compréhension et transformation du savoir mathématique
Après s’être installée dans le champ scientifique, l’IA s’attache désormais aux mathématiques. Elle explore des problèmes complexes, produit des démonstrations et vérifie des preuves. Mais démontrer, est-ce comprendre ? En bousculant le rôle du mathématicien et la place de l’intuition dans la production du savoir, l’IA soulève une question décisive : comment tirer parti de sa puissance sans perdre la capacité à comprendre, interpréter et transmettre les résultats ?
De la vérification assistée par ordinateur à l’IA mathématique
Depuis plusieurs décennies, l’informatique transforme les pratiques mathématiques, de la production des preuves à leur vérification. En 1977, Kenneth Appel et Wolfgang Haken franchissent une étape majeure avec une démonstration du théorème des quatre couleurs reposant sur la vérification informatique de nombreuses configurations. Cette avancée soulève une question fondamentale : quelle est la nature d’une preuve lorsque sa validation dépend, en partie, d’un ordinateur ? (Appel et Haken (1977)).
Encore récemment, les mathématiciens conservaient l’essentiel de la maîtrise de la formulation des conjectures, des stratégies de démonstration et de l’interprétation des résultats. L’essor de l’intelligence artificielle (IA) redistribue aujourd’hui les rôles. Associés à des outils de calcul et de raisonnement formel, les grands modèles de langage (Large Language Models, LLM) peuvent explorer des problèmes complexes, élaborer des arguments et contribuer à la construction de démonstrations. Dans le cas plus général de l’IA scientifique (Guinier (2025)), il est vu le recours à deux principes complémentaires : la computation évolutive, pour générer des solutions par des processus inspirés de l’évolution génétique, et l’ouverture sans fin, pour pousser cette évolution en continu, sans objectif de converger vers une solution spécifique ou optimale, tout en cherchant à explorer de nouvelles directions de recherche.
Au-delà de la performance technique, cette évolution soulève une question fondamentale : peut-on automatiser les mathématiques sans remettre en question ce que signifie les comprendre ?

