Les IA : les nouveaux chercheurs scientifiques ?
Le 8 septembre, OpenAI a annoncé qu'une de ses IA venait de démontrer un théorème que les mathématiciens cherchent depuis des décennies. Depuis, la profession est en crise. Le Monde y consacrait hier un article entier. La question qui revient partout : pourra-t-on encore faire des maths humaines ? Voici ce qui s'est vraiment passé, parce que la version courte est fausse.
Les moyens donnent le vertige. Dix mille programmes lancés en même temps, 88 heures de calcul, une démonstration de 166 pages. Le sujet, ce sont les équations de Navier-Stokes, celles qui décrivent l'écoulement d'un fluide. L'eau dans un tuyau, l'air sur une aile, le sang dans une artère. On s'en sert tous les jours en ingénierie, et pourtant personne n'a jamais su démontrer qu'elles se comportent toujours bien.
C'est l'un des sept problèmes du millénaire. L'institut Clay, une fondation américaine de mathématiques, les a posés en 2000. Un million de dollars à la clé pour chacun. Un seul a été résolu depuis. Autant dire que l'annonce a fait du bruit.
Sauf qu'il faut être précis, et presque personne ne l'a été. L'énoncé officiel laisse plusieurs portes d'entrée. L'IA en a franchi une : celle où l'on pousse le fluide de l'extérieur pour le faire s'emballer. La porte que les mathématiciens ont vraiment en tête, celle où le fluide s'emballe tout seul, reste fermée. OpenAI le reconnaît d'ailleurs, et ne réclame pas le million.
Et puis il y a ce que veut dire résolu en mathématiques. Annoncer une démonstration, ce n'est pas la faire accepter. Il faut la publier, puis des mathématiciens la relisent, la contestent, la refont. Ensuite seulement, deux ans d'attente. Rien ne sera validé avant 2028.
Venons-en à la polémique. Douze heures avant OpenAI, deux mathématiciens avaient publié leurs propres résultats : Tristan Buckmaster, à New York, et Levent Alpöge, salarié d'Anthropic. Leurs travaux portaient sur des équations voisines, plus simples. Pas sur Navier-Stokes. Mais ils ouvraient le chemin.
Buckmaster raconte qu'OpenAI a démarré le 1er septembre, après avoir eu vent de leurs avancées. Il dit qu'on lui a proposé de signer ensemble, à condition d'écarter son collègue parce qu'il travaille chez un concurrent. OpenAI conteste une partie de ces propos. Personne de l'extérieur ne peut trancher, et Buckmaster est le premier à le dire. Un point n'est pas contesté. OpenAI affirme ne pas avoir consulté leurs échanges. Mais l'entreprise reconnaît ne pas pouvoir exclure que des données anonymisées aient aidé ses modèles.
Ce n'est donc pas un duel entre OpenAI et Anthropic, contrairement à ce qui a circulé : les deux chercheurs travaillaient à titre personnel. Et ceux dont on parle le moins sont deux Espagnols, Diego Córdoba et Luis Martínez-Zoroa. Ce sont eux qui ont posé en 2023 les briques qui ont rendu tout le reste possible.
La profession a réagi vite. Le 10 septembre, 771 mathématiciens signent une lettre ouverte. Le 11, vingt-cinq médaillés Fields (la plus haute distinction en mathématiques, remise tous les quatre ans) publient une déclaration commune. Leur argument n'est pas celui qu'on imagine. Ils ne disent pas que la machine triche. Ils disent que résoudre des problèmes n'est qu'un moyen, et que le but, c'est de comprendre. Produire des résultats en masse, de plus en plus vite, risque de tuer ça.
Tout le monde n'a pas signé. Timothy Gowers, l'un des plus grands mathématiciens vivants, a expliqué son refus. Ce qui l'inquiète est ailleurs, et c'est le point qui me parle le plus : beaucoup de gens qui auraient fait une thèse n'en auront plus envie.
Et ça continue. Le 17 septembre, OpenAI a déclaré au New York Times avoir bien avancé sur un deuxième problème du millénaire. Sans le nommer.
Ne croyez pas que ça se limite aux mathématiques. Le même 8 septembre, Google DeepMind publiait un atlas de neuf milliards de mutations génétiques et de leurs effets prédits. C'est la suite d'AlphaFold, l'IA qui prédit la forme des protéines et qui a valu le prix Nobel de chimie 2024 à ses créateurs. DeepMind le dit lui-même : c'est un point de départ pour les chercheurs, pas une réponse toute faite.
Pendant ce temps, l'argent public de la recherche américaine recule. Pour 2026, l'administration a demandé de couper 41 % du budget de la santé publique. Pour 2027, de diviser par deux celui de la recherche fondamentale. Le Congrès a refusé les deux fois. Mais sur le terrain, le nombre de bourses attribuées a chuté de 46 % par rapport aux années précédentes. Et en mai 2025, le conseiller scientifique de la Maison-Blanche invitait les chercheurs à apprendre à vivre avec moins d'argent fédéral.
Est-ce qu'on coupe parce que l'IA fera le travail ? Personne ne l'a écrit, et je ne vais pas le prétendre. Mais la coïncidence est troublante. On réduit le budget des chercheurs au moment précis où une machine sort une démonstration en 88 heures.
Ce qui m'inquiète le plus, ce n'est pas la fin des mathématiciens. C'est le rétrécissement. Une étude parue en janvier dans la revue Nature, portant sur 41 millions d'articles, mesure deux choses. Les sujets étudiés se réduisent, et les échanges entre chercheurs baissent de 22 %. L'IA accélère la recherche, mais elle pousse tout le monde vers les mêmes questions.
L'avis d'Emmanuel
Ce qui me frappe, ce n'est pas la performance de la machine. C'est la phrase de Gowers : beaucoup de gens qui auraient fait une thèse n'en auront plus envie.
Une compétence ne disparaît pas le jour où une machine fait mieux. Elle disparaît le jour où plus personne n'a envie de passer dix ans à l'acquérir. Si cette génération se décourage, on ne le verra pas tout de suite. On le verra vers 2040, quand il n'y aura plus grand monde pour vérifier ce que les machines racontent.
Cela dit, je ne suis pas catastrophiste. Les mêmes outils ouvrent la science à des gens qui en étaient écartés. Un chercheur d'un pays sans grand laboratoire a aujourd'hui accès aux mêmes modèles qu'un professeur du MIT. Ce n'est pas rien.
Deux choses pour vous, parce que cette histoire est la vôtre avec un peu d'avance. La première : la bonne question n'est pas de savoir si l'IA fait mieux, c'est de savoir qui saura encore vérifier. Gardez dans vos équipes des gens capables de faire sans la machine. La deuxième : regardez si l'outil que vous leur donnez livre la réponse ou fait chercher. Ce n'est pas pareil. Le premier abîme la compétence, le second la construit.
Un mot sur la polémique pour finir. Ce qui me gêne, ce n'est pas qu'une machine démontre un théorème, je trouve même ça vertigineux. C'est la manière. Une annonce d'entreprise, douze heures après deux chercheurs qui travaillaient là-dessus depuis un an. En science, on cite ceux d'avant. C'est ça, à mes yeux, le vrai signal de la semaine.
Sources : lemonde.fr · openai.com · claymath.org · terrytao.wordpress.com · mathandai.org · nature.com · deepmind.google · science.org
Cet article est extrait de la veille IA de LessentIAl, la plateforme d'Emmanuel Derrien : l'actualité de l'intelligence artificielle filtrée, expliquée, et reliée à ce qu'elle change concrètement pour votre entreprise.