Rupture de paradigme en mathématiques : l'IA autonome face à la rigueur scientifique (Déclaration de Leyde)

5 min de lecture 914 —mots 12 vues

Depuis fin 2025, le rôle des IA généralistes dans la résolution de conjectures mathématiques suscite de vifs débats : assistance avancée ou réelle capacité de découverte ?
En mai 2026, la question a été tranchée de manière spectaculaire. Un modèle de raisonnement généraliste (non public) d’OpenAI est parvenu, de manière autonome, à réfuter une importante conjecture posée par Paul Erdős en 1946.

Le problème des distances unités interrogeait le nombre maximal de paires de points, dans un nuage sur un plan, pouvant être séparées par exactement la même distance. Pendant 80 ans, les mathématiciens estimaient que la meilleure configuration s’apparentait à des grilles carrées ou des réseaux réguliers. L’IA a découvert une famille de constructions géométriques totalement nouvelle, prouvant que la limite envisagée par Erdős était erronée.

Cette résolution marque une rupture de paradigme par son importance, comme l’atteste le commentaire de Timothy Gowers (médaillé Fields) :

« Il ne fait aucun doute que la solution au problème des distances unités marque un tournant historique pour l’intelligence artificielle en mathématiques : si un humain avait rédigé l’article et l’avait soumis aux Annals of Mathematics, et que l’on m’avait demandé un avis rapide, j’en aurais recommandé l’acceptation sans la moindre hésitation. Aucune démonstration générée par l’IA n’avait atteint un tel niveau auparavant. »

👉 Pour aller plus loin sur cette découverte
Lien vidéo 1 | Lien vidéo 2 | Lien vidéo 3 – Monsieur Phi

C’est dans ce climat de basculement technologique que la « Déclaration de Leyde sur l’intelligence artificielle et les mathématiques » a été publiée le 2 juin 2026, avec le soutien de l’Union Mathématique Internationale. Elle dresse un constat lucide et formule des principes déontologiques clairs face cette nouvelle présence des entreprises technologiques dans la discipline.

Les idées clés qui en émergent s’articulent autour de plusieurs axes majeurs :

L’intégrité et la fiabilité : Le risque direct est d’inonder la littérature de preuves factices générées par l’IA, rendant la vérification algorithmique et humaine de plus en plus difficile.
L’attribution et le consentement : Les modèles synthétisent des connaissances sans toujours citer les auteurs. Le texte exige que les données d’entraînement ne soient pas exploitées sans le consentement explicite de leurs créateurs.
La souveraineté de l’agenda scientifique : L’implication des géants de la technologie risque de diriger les financements vers des problèmes facilement automatisables, délaissant les questions plus profondes ou abstraites.
L’évaluation scientifique : La déclaration condamne la communication de percées via des canaux informels (blogs d’entreprises) au détriment de la relecture par les pairs.
Le risque d’une recherche à deux vitesses : Une inégalité d’accès aux modèles propriétaires les plus performants affecterait les jeunes chercheurs et les universités aux moyens limités.

Quels impacts pour notre communauté universitaire ?

Ces recommandations résonnent particulièrement avec nos propres défis institutionnels. La déclaration préconise le développement d’infrastructures publiques de calcul et l’utilisation de systèmes non propriétaires. Le déploiement local de modèles ouverts sur nos propres serveurs universitaires devient un enjeu crucial de souveraineté pour garantir la confidentialité de nos données de recherche et conserver la maîtrise de nos outils.

Par ailleurs, cette évolution technologique nous impose de repenser nos dispositifs d’ingénierie pédagogique. Si la machine est désormais capable de telles démonstrations, comment adapter nos cursus pour former efficacement les étudiants à la rigueur mathématique et au discernement numérique face à ces outils de nouvelle génération ?

Annexe : Extrait des recommandations de la déclaration de Leyde (2 juin)

1. Recommandations à la communauté mathématique
Aux mathématiciens individuellement