Pendant des siècles, les mathématiques ont été pratiquées en grande partie comme elles l’étaient il y a cent ans : les humains griffonnaient des idées sur des tableaux, s’appuyant sur leur intuition et des descriptions écrites pour combler des lacunes logiques complexes. Mais un changement fondamental est en cours. Poussé par l’essor de l’intelligence artificielle et un mouvement vers la « formalisation », le domaine se dirige vers un avenir où les vérités mathématiques ne seront pas simplement écrites, mais codées numériquement et vérifiées par des machines.
De l’intuition au code : l’essor de la formalisation
Au cœur de cette transformation se trouve la formalisation : le processus de traduction de définitions et de théorèmes mathématiques en code informatique précis. Contrairement aux preuves traditionnelles, qui peuvent être tentaculaires et s’appuyer sur des descriptions « ondulées à la main », une preuve formalisée doit être parfaitement rigoureuse.
Il ne s’agit pas de « penser » l’ordinateur pour le mathématicien. Au lieu de cela, le mathématicien humain doit devenir beaucoup plus discipliné, exprimant chaque petite étape logique afin qu’un programme spécialisé puisse la vérifier sans ambiguïté.
Pourquoi est-ce important :
Les preuves mathématiques modernes deviennent de plus en plus complexes. Alors que les chercheurs relient des domaines mathématiques disparates, les preuves peuvent s’étendre sur des centaines de pages, ce qui les rend difficiles à examiner, même par des experts humains. La formalisation offre un moyen de :
– Éliminez l’erreur humaine : Même une seule « hallucination » ou un simple glissement logique peut invalider un argument entier.
– Créer une bibliothèque numérique : En codant les mathématiques dans le code, nous construisons essentiellement une « base de données consultable et vérifiable » de toutes les connaissances mathématiques.
– Libérez l’intellect humain : Si les machines s’acquittent de la tâche épuisante de vérification des moindres détails, les mathématiciens peuvent se concentrer sur une créativité de haut niveau et de nouvelles découvertes.
Le référentiel « Fermat »
Pour tester les limites de ce nouveau paradigme, le mathématicien Kevin Buzzard de l’Imperial College de Londres s’attaque à l’un des défis les plus redoutables de l’histoire : le dernier théorème de Fermat.
Bien que le théorème ait été résolu par Andrew Wiles en 1998, la preuve est un immense labyrinthe de 130 pages de domaines mathématiques interconnectés. L’objectif de Buzzard n’est pas de le « résoudre » à nouveau, mais de le numériser à l’aide de Lean, un prouveur de théorèmes interactif.
Ce projet s’avère être une entreprise collaborative massive. Ce qui a commencé comme un petit effort de recherche s’est transformé en un phénomène interdisciplinaire, avec des milliers de messages et des dizaines de contributeurs travaillant pour traduire cet élément monumental de la pensée humaine dans un format lisible par machine.
La synergie IA : les LLM rencontrent les démonstrateurs de théorèmes
L’accélérateur récent le plus important dans ce domaine est le mariage des Large Language Models (LLM), comme ChatGPT, avec des démonstrateurs de théorèmes comme Lean.
Actuellement, les LLM sont excellents pour ressembler à des mathématiciens, mais ils ne sont pas fiables. Parce qu’ils fonctionnent sur la base des probabilités plutôt que de la logique, ils peuvent produire des « hallucinations » qui semblent correctes mais qui sont mathématiquement creuses. En mathématiques, une précision de 99 % équivaut à un échec.
Cependant, une nouvelle approche hybride émerge :
1. Le LLM propose une preuve ou une étape potentielle (la partie « créative »).
2. Le Theorem Prover (Lean) agit comme le vérificateur de faits ultime, vérifiant chaque lien logique.
Cette synergie a été récemment démontrée par le programme d’IA Aristote, qui a utilisé Lean pour obtenir une médaille d’or à l’Olympiade mathématique internationale.
Un changement existentiel pour le terrain
Ce saut technologique n’est pas sans controverse. La communauté mathématique est actuellement aux prises avec une question existentielle : La quête de la précision numérique va-t-elle bouleverser la nature de la recherche mathématique ?
Il existe des inquiétudes légitimes quant à la manière dont l’IA pourrait changer le rôle du mathématicien et à la question de savoir si l’élément « humain » de la découverte – l’intuition et la lutte – sera perdu dans un océan de vérification automatisée. Pourtant, des partisans comme Patrick Shafto de l’Université Rutgers suggèrent qu’au lieu de remplacer les humains, l’IA mettra en lumière les aspects les plus intéressants de l’être humain : notre quête innée de connaissances.
“Si nous numérisons les mathématiques, peut-être qu’à un moment donné, cela bouleversera les mathématiques.” – Kevin Buzzard
Conclusion
Le passage du papier au code représente une modernisation des mathématiques comparable au passage du vinyle au streaming dans l’industrie musicale. En combinant la puissance créatrice de l’IA avec la rigueur absolue des prouveurs de théorèmes numériques, les mathématiques entrent dans une ère où la découverte peut être accélérée et la vérité peut être mathématiquement garantie.
