La vitesse de progression de l'intelligence artificielle dans le domaine des mathématiques est en train de renouveler la perception qu'en a le monde extérieur. Récemment, OpenAI a rendu publics en une seule fois pas moins de 722 manuscrits de démonstrations de problèmes mathématiques difficiles. Ces résultats couvrent 17 domaines mathématiques différents, et le coût global de résolution est bien inférieur à celui du passé, provoquant un énorme séisme dans le milieu mathématique.
Du point de vue technique et applicatif, ce lot de démonstrations générées par l'IA, bien qu'il puisse passer la vérification rigoureuse des machines, présente des points douloureux manifestes au niveau de la transformation concrète. La grande majorité des démonstrations est difficile à convertir en connaissances que les humains peuvent comprendre aisément, et en pratique il s'est même produit des « accidents » où une simple erreur de symbole a entraîné l'invalidation collective de plusieurs résultats apparentés.
Cette avancée a suscité dans le monde académique des inquiétudes profondes concernant l'écosystème de la recherche. Les mathématiciens soulignent que, lorsque l'IA produit en masse des démonstrations à très haute efficacité, le lourd travail de mise en ordre, de vérification et d'interprétation-cristallisation qui suit retombe entièrement sur les épaules des chercheurs humains. Le problème le plus central est qu'à ce stade, l'IA accomplit surtout la résolution de problèmes en appelant des connaissances existantes pour les combiner logiquement, et peine à faire véritablement émerger les nouvelles idées et les nouveaux outils qui constituent le cœur de la recherche mathématique.
Les experts du secteur craignent qu'à terme, la motivation des humains à accomplir ce travail d'interprétation ne décline continûment, formant finalement entre l'humain et la machine une barrière de compréhension difficile à franchir. Cette tendance risque non seulement de figer le développement en profondeur de la civilisation humaine, mais s'écarte aussi, dans une certaine mesure, de la vocation fondamentale de la science : remonter à la racine des problèmes et rechercher la compréhension de l'essence des choses.