Terence Tao met en garde : la nécessité de corriger les attentes excessives concernant la révolution mathématique de l'IA

Terence Tao est reconnu comme l’un des plus grands experts en mathématiques, mais il a récemment publié un message important en pleine nuit. Son contenu est une évaluation prudente et froide des capacités de la recherche mathématique assistée par l’IA. Alors que de nombreux médias annoncent en grande pompe des percées mathématiques grâce à l’IA, Tao appelle à « cesser la mythification » de ce phénomène.

Son argument central est simple mais crucial : la capacité de l’IA à produire des résultats vérifiables pour certains problèmes ne signifie pas qu’elle possède une véritable compréhension mathématique ni une capacité d’innovation.

Malentendus issus de succès partiels de l’IA

Les médias rapportent fréquemment des titres comme « l’IA résout de manière autonome des problèmes mathématiques non résolus depuis 50 ans ». En lisant ces articles, on pourrait croire que l’IA possède une capacité de réflexion mathématique indépendante.

Mais en réalité, en analysant en détail le projet « Contributions de l’IA aux problèmes d’Erdős » publié par Tao sur GitHub, la situation est plus complexe.

Les problèmes sur lesquels l’IA a progressé varient en difficulté. Certains sont des problèmes centraux extrêmement difficiles, d’autres, comme ceux de la « longue traîne », n’ont pas été étudiés en détail depuis longtemps. Ces derniers relèvent d’un domaine où l’IA excelle actuellement, car ils représentent des « fruits faibles ». Cependant, compter uniquement le nombre de « solutions » peut donner une fausse impression en comparant des problèmes de niveaux très différents.

De plus, Tao souligne plusieurs facteurs importants :

Incomplétude des enregistrements : Beaucoup de problèmes sur le site ne font pas l’objet d’une revue systématique de la littérature, et l’étiquette « non résolu » est souvent provisoire. Il arrive que des problèmes considérés comme « récemment résolus » par l’IA aient en fait déjà une solution dans la littérature.

Absence d’enregistrement des échecs : Seuls les succès sont généralement documentés ; les tentatives infructueuses ou sans progrès sont rarement enregistrées. Cela donne une image trop optimiste du taux de réussite de l’IA.

Ambiguïté dans la définition des problèmes : Certains problèmes d’Erdős sont mal formulés ou contiennent des erreurs. Restituer leur sens original nécessite une connaissance approfondie du contexte et du domaine.

Résultats concrets sur les problèmes d’Erdős

Selon la page du projet de Tao, le 6 janvier 2026, Aristotle et ChatGPT 5.2 Pro ont également résolu le problème #728, en complétant la preuve formelle via Lean. Entre le 8 et le 10 janvier, le problème #729 a également été résolu de la même manière.

Ces exemples montrent que, pour certains types et niveaux de difficulté, l’IA peut générer une « structure de preuve réalisable » et atteindre le processus de vérification formelle.

Tao insiste aussi sur l’importance de la « revue de la littérature assistée par l’IA ». Celle-ci sert à vérifier si un problème a déjà été résolu ou non, et à détecter d’éventuelles erreurs dans la classification « non résolu ». L’intelligence artificielle ne se limite pas à produire de nouvelles preuves, elle joue aussi un rôle dans l’organisation et la vérification des connaissances existantes.

Concernant la vérification par preuve formelle, Tao adopte une position prudente. Formaliser une preuve avec des outils comme Lean peut renforcer la fiabilité, mais comporte des risques : introduction d’axiomes cachés, mauvaise formalisation du problème, ou utilisation de comportements « trivials » dans la bibliothèque mathématique. En particulier, si une preuve formelle est anormalement courte ou excessivement longue, il faut rester vigilant.

L’IA n’est pas un mathématicien, mais un outil d’assistance

Ce que Tao veut souligner, c’est que l’IA ne « comprend » pas réellement les mathématiques. En réalité, ses forces résident dans le « travail manuel » mathématique — tâches répétitives, compléments, formalisation de preuves, rédaction et révision d’articles, recherche bibliographique.

Dans ces domaines, l’IA apportera sans doute une aide précieuse. À l’avenir, ces tâches techniques seront probablement déléguées à l’IA dans la recherche mathématique.

Mais l’« âme » véritable des mathématiques se trouve ailleurs : la capacité à poser des questions profondes, à créer de nouveaux concepts, à intégrer les résultats dans un réseau de connaissances global. Ces aspects dépendent encore largement de l’intelligence humaine.

La valeur des mathématiques ne se limite pas à l’existence d’une solution. La signification d’une preuve, ses liens avec la théorie existante, la découverte de méthodes applicables, et surtout la motivation et le contexte derrière l’approche — tout cela est essentiel. Une preuve générée par l’IA peut être techniquement correcte, mais si elle manque de contexte ou de compréhension, sa valeur pratique pour la communauté mathématique est limitée.

De plus, même si l’IA résout un problème marginal de la longue traîne, cela ne garantit pas une publication dans une revue de haut niveau. Si la solution n’est qu’une petite amélioration d’un pattern existant, il sera difficile d’obtenir une approbation par les pairs.

L’avenir des mathématiques : collaboration homme-IA

La raison pour laquelle Tao a publié ce message tard dans la nuit, c’est pour que la communauté comprenne bien la direction de l’évolution des mathématiques à l’ère de l’IA.

Les futurs mathématiciens seront peut-être moins des penseurs solitaires que des « commandants » utilisant une puissante assistance IA. Dans ce modèle, l’humain donne la direction, l’IA trace la voie. Cette collaboration pourrait accélérer considérablement l’évolution de la discipline.

Ce qui est crucial, c’est de distinguer une évaluation juste des capacités de l’IA d’une mythification excessive. La mise en garde de Tao vise à rappeler à la communauté mathématique : « Restons calmes et lucides ».

L’IA modifie indéniablement la façon dont la recherche mathématique est menée. Mais la véritable innovation naît lorsque humains et IA comprennent leurs rôles respectifs et se complètent mutuellement.