AlphaProof vient de faire ce que les mathématiciens n'attendaient pas.

En juillet 2024, une IA a résolu 4 problèmes sur 6 aux Olympiades Internationales de Mathématiques. Les finalistes humains en ont résolu en moyenne 3,5.

Ce n'est pas une anecdote. C'est le signal que les mathématiques — ce sanctuaire de la logique pure, longtemps considéré comme l'ultime terrain de jeu exclusivement humain — viennent de perdre leur statut d'exception. Et ce qui se passe maintenant mérite qu'on s'y arrête vraiment.

Pourquoi les maths étaient "le dernier bastion"

Depuis des années, les sceptiques de l'IA avaient un argument de rechange : on peut bien imiter le langage, générer des images, composer de la musique — mais les mathématiques, c'est différent. Les maths exigent une vérité absolue. Pas de flou, pas de "à peu près juste". Un théorème est prouvé ou il ne l'est pas.

Cette distinction semblait fondamentale. Les premiers modèles de langage — GPT-3, les premières versions de Claude — échouaient souvent sur des problèmes d'arithmétique basiques. Ils "hallusinaient" des preuves inexistantes avec une confiance déconcertante. Les mathématiciens respiraient.

Ce répit aura duré moins de cinq ans.

AlphaProof, FunSearch et les nouveaux architectes de la preuve

Google DeepMind a publié en 2024 deux systèmes qui changent la donne :

• AlphaProof : un système combinant un modèle de langage avec un prouveur formel (Lean 4), capable de générer et vérifier des preuves mathématiques rigoureuses.
• FunSearch : une approche évolutive qui a permis de trouver de nouvelles solutions à des problèmes ouverts en combinatoire — des problèmes que les humains n'avaient pas réussi à résoudre depuis des décennies.

La clé ici n'est pas la vitesse. C'est la nature de ce qui est accompli. FunSearch n'a pas reproduit une preuve connue — il en a trouvé une que personne n'avait envisagée. C'est là que la frontière se déplace véritablement.

L'intuition mathématique : mythe ou mécanique ?

Les grands mathématiciens décrivent souvent leur processus comme intuitif : un sentiment que quelque chose doit être vrai, avant même de savoir comment le prouver. Henri Poincaré appelait ça "l'intuition mathématique pure". Ramanujan voyait des formules en rêve.

Pendant longtemps, cette intuition semblait être le cœur inimitable du génie humain en mathématiques. Mais les systèmes modernes remettent cette idée en question. Lorsqu'un modèle explore des millions de chemins de preuve en quelques heures, il simule — peut-être — une forme d'intuition accélérée. Il ne "sent" pas que quelque chose est vrai. Il teste, élimine, converge.

Le résultat est parfois le même. Le chemin est radicalement différent.

Ce que ça change concrètement (et pour qui)

Pour les chercheurs en mathématiques, la perspective est ambivalente. D'un côté, des outils comme Lean, Coq, ou Isabelle — des assistants de preuve formelle — deviennent accessibles à un bien plus grand nombre grâce aux interfaces en langage naturel. On peut désormais écrire une preuve en français, la faire traduire en langage formel, et la vérifier automatiquement. La barrière d'entrée s'effondre.

De l'autre, des questions émergent : si une IA trouve une preuve que personne ne comprend vraiment, est-ce que ça compte ? C'est la question posée par certains mathématiciens face aux preuves assistées par ordinateur — déjà avec la démonstration du théorème des quatre couleurs en 1976, vérifiée par ordinateur sur des milliers de cas.

Pour les étudiants et enseignants, les implications sont immédiates. Des outils comme Wolfram Alpha existaient depuis longtemps, mais les modèles actuels — Claude, ChatGPT, Gemini — peuvent désormais expliquer le raisonnement étape par étape, adapter leur niveau au lecteur, et générer des exercices sur mesure. L'enseignement des mathématiques ne sera plus jamais identique.

La vraie question n'est pas "l'IA est-elle meilleure ?"

Poser la question en termes de compétition — humain contre machine — est probablement la mauvaise lecture. Les mathématiciens qui utilisent AlphaProof comme outil explorent des territoires qu'ils n'auraient jamais pu atteindre seuls. Terrence Tao, médaillé Fields, a lui-même décrit ces outils comme potentiellement transformateurs pour la recherche collaborative.

Ce qui se joue, c'est une redéfinition de ce que signifie "faire des mathématiques". Pendant des siècles, c'était un acte solitaire, fondé sur la rigueur et l'intuition d'un esprit humain. Demain, ce sera peut-être un dialogue — entre un chercheur qui pose les bonnes questions et un système qui explore l'espace des réponses possibles à une vitesse et une profondeur inédites.

Conclusion : le prochain théorème sera peut-être cosigné

Les mathématiques ne sont pas "tombées". Elles évoluent — comme elles l'ont toujours fait, en intégrant les nouveaux outils de chaque époque. La calculatrice n'a pas tué les mathématiciens. L'ordinateur non plus. L'IA ne le fera pas davantage.

Mais elle force une question inconfortable et nécessaire : qu'est-ce que l'intelligence, quand elle peut être déléguée ? Les mathématiques, justement parce qu'elles exigent une vérité absolue, sont le meilleur laboratoire pour y répondre. Et la réponse arrive plus vite qu'on ne le pensait.

— Reservoir Live