Quand l'IA résout l'irrésolu, les mathématiciens face au vertige

L'automne 2026 marquera un tournant dans l'histoire des sciences. En l'espace de quelques semaines, la communauté mathématique mondiale a été plongée dans un état de sidération dont elle peine encore à mesurer toutes les conséquences. L'origine de ce séisme porte un nom : OpenAI, dont les derniers modèles d'intelligence artificielle ont réalisé des avancées jugées impensables il y a encore un an. Le choc ne réside pas tant dans la prouesse technique que dans sa portée symbolique : l'IA s'attaque désormais à la création même de la connaissance, un acte que l'on croyait exclusivement humain.

La première secousse est survenue début septembre avec l'annonce de la résolution du problème de Navier-Stokes, une équation formulée en 1845 décrivant le mouvement des fluides et dont la complexité avait résisté à des générations de chercheurs. Un million de dollars étaient promis depuis le début du millénaire à qui en viendrait à bout. Le modèle d'OpenAI y est parvenu en moins de quatre jours. Si cette nouvelle a provoqué une onde de choc, elle n'était que le prélude à un bouleversement bien plus profond. Le 6 octobre, l'entreprise californienne a diffusé sur la plateforme GitHub plus de sept cents manuscrits, couvrant plus de trois cents familles de problèmes non résolus. Des pans entiers de la conjecture de Hodge ou de l'hypothèse de Riemann, deux des sept problèmes du millénaire, seraient concernés.

Face à cette déferlante, les réactions des plus éminents mathématiciens ne se sont pas fait attendre et leur tonalité, inhabituellement émotionnelle, en dit long sur la profondeur de la crise. Selon plusieurs témoignages recueillis par la presse, un médaillé Fields a confessé avoir pleuré dans la nuit suivant cette publication, expliquant que son domaine de recherche avait été, selon ses propres termes, annihilé. Il a décrit un sentiment de démantèlement de l'activité même de chercheur. Un autre lauréat de la prestigieuse récompense a évoqué une crise existentielle sans précédent, tandis qu'une tribune signée par vingt-cinq médaillés Fields a dénoncé un grave désalignement entre l'usage actuel de l'IA et la pratique des mathématiques.

L'ébranlement d'une vocation

Ce qui transparaît dans ces réactions, c'est bien plus que la peur de l'obsolescence. C'est le deuil d'un rapport intime à la recherche. La souffrance exprimée par ces scientifiques ne porte pas sur une hypothétique perte d'emploi, mais sur l'assèchement potentiel d'une source de plaisir intellectuel. La quête, parfois poursuivie durant toute une carrière, se voit brutalement privée de son objet. La phrase, presque cruelle dans sa banalité technique, lâchée par OpenAI dans son communiqué, précisant que chaque résultat a nécessité l'équivalent de trois heures de calcul de leur modèle grand public, a résonné comme une provocation. Elle met en lumière un différentiel de productivité abyssal qui interroge la pertinence même de l'effort humain dans certains champs de la recherche fondamentale.

Pourtant, le tableau ne saurait être entièrement sombre. Certains acteurs du milieu appellent à considérer ces outils non comme des fossoyeurs, mais comme de prodigieux accélérateurs de la pensée. La capacité de ces modèles à produire de longues chaînes d'arguments sans divaguer, là où ils n'étaient capables que d'hallucinations il y a peu, ouvre des perspectives inédites. Là où il a fallu trois cent soixante ans pour démontrer le dernier théorème de Fermat, un modèle concurrent aurait vérifié la démonstration en onze jours. Un mathématicien de renom a comparé ce changement à la révolution la plus radicale qu'ait connue la discipline depuis un millénaire.

Cette situation soulève néanmoins des questions épineuses qui dépassent le simple cadre des mathématiques. La première est celle de l'accessibilité. Les modèles utilisés ne sont ni commercialisés ni publics, ce qui fait craindre la constitution d'un oligopole privé de la connaissance, où les avancées les plus fondamentales seraient détenues par des entreprises. La seconde est épistémologique : si une preuve est trop longue et complexe pour être vérifiée par un humain, peut-on encore parler de compréhension ? Le risque serait de transformer la science en un acte de foi envers des boîtes noires numériques, sapant les fondements d'une culture du partage et de la vérification par les pairs patiemment construite au fil des siècles.

La communauté se trouve donc à la croisée des chemins, contrainte de redéfinir les contours de sa discipline. La perspective de ne plus jamais exercer son métier de la même manière, évoquée par un célèbre mathématicien français, résume le vertige du moment. Si la promesse d'une résolution accélérée des grandes énigmes est grisante, elle ne peut faire l'économie d'une réflexion collective sur ce qui fait l'essence du travail scientifique : la joie de chercher, le droit à l'erreur et la lente construction d'un sens partagé.