L'IA sait démontrer des théorèmes. Selon Wolfram, ce n'était pas le plus difficile

Dans un essai daté du 28 septembre 2026, Stephen Wolfram affirme qu'il commence à « s'impatienter » face aux affirmations selon lesquelles, parce que des systèmes d'IA résolvent des problèmes de mathématiques, nous n'aurions peut-être plus besoin de mathématiciens humains. Selon lui, c'est mal comprendre à la fois ce que sont les mathématiques et ce qu'est l'IA. Ce texte est un avis émis par une personne ayant des intérêts dans le domaine, et non une étude, mais ses mécanismes méritent d'être compris.

Ce que Wolfram affirme réellement

L'affirmation centrale de Wolfram est que les grandes mathématiques se définissent « plus que tout » par les questions qu'elles posent, et que l'imagination humaine qui guide ces questions est au cœur des mathématiques pures. Selon lui, l'IA peut automatiser des tâches que les humains devaient auparavant accomplir eux-mêmes, mais c'est un travail différent de celui qui consiste à décider ce qui vaut la peine d'être demandé.

Il s'appuie sur son expérience personnelle. Lorsque Mathematica a été lancé en 1988, dit-il, des discours similaires circulaient : les mathématiques allaient être absorbées et deviendraient inutiles. Au lieu de cela, le niveau des mathématiques pouvant être pratiquées s'est élevé. Si l'on pense que les mathématiques consistent à résoudre des intégrales symboliques, alors oui, le logiciel les a effectivement remplacées. Mais cela correspond à ce dont les applications ont besoin, pas à ce qui fait l'objet des mathématiques pures.

Deux machines différentes

La distinction la plus utile de l'essai est celle entre l'IA moderne et le calcul pur.

L'IA moderne, explique Wolfram, est avant tout un moyen d'exploiter le corpus existant des connaissances humaines. Les modèles de langage détiennent une sorte de représentation compressée des idées issues de millions d'articles et de livres, même si, note-t-il, nous ne comprenons pas encore scientifiquement comment. Son meilleur usage consiste à fouiller ce corpus et, au mieux, à relier des résultats entre eux : constater qu'une découverte ici se combine avec une autre là pour produire quelque chose de surprenant. Un humain lit des centaines d'articles ; une IA en a, en pratique, lu des millions et peut essayer à moindre coût de nombreuses combinaisons.

Le calcul, en revanche, peut générer des résultats fondamentalement nouveaux. On part d'un axiome ou d'une règle et on l'applique de façon répétée. En raison de ce que Wolfram appelle l'irréductibilité computationnelle, un phénomène qu'il a introduit dans les années 1980, de nombreux processus n'admettent aucun raccourci : la seule façon de connaître le résultat est d'exécuter chaque étape. Cela garantit une offre inépuisable de théorèmes inédits.

Le problème est de savoir si ce sont des mathématiques. Wolfram soutient que de tels résultats sont « cueillis dans l'univers computationnel » et relèvent de ce qu'il appelle la ruliologie. Si l'on génère des théorèmes de manière axiomatique à grande échelle, on obtient, avec une probabilité écrasante, des « mathématiques étrangères » qui n'ont aucun lien avec les mathématiques telles que les humains les connaissent.

Pourquoi des mathématiques à échelle humaine existent

Beaucoup de mathématiciens décrivent les mathématiques comme l'étude des conséquences d'axiomes choisis. Wolfram dit que ce n'est pas ce qu'ils font. La plupart des recherches se situent à un niveau supérieur : elles construisent et étudient des structures abstraites, un peu comme les physiciens utilisent la mécanique des fluides sans suivre chaque molécule.

Son explication : en profondeur, tout est computationnellement irréductible, mais au sein de cet ensemble se trouvent des poches de réductibilité où l'on peut sauter des étapes. Les mathématiques humaines vivent dans ces poches. Le ruliad, son terme pour la limite intriquée de tous les calculs possibles, est trop vaste pour être perçu par des esprits finis ; les mathématiciens doivent donc choisir des directions et résumer leurs découvertes à l'aide d'un ensemble limité de concepts. Certains de ces choix découlent de la façon dont fonctionnent des observateurs comme nous ; d'autres sont le fruit du hasard historique. Dans cette optique, faire progresser les mathématiques consiste moins à repousser une frontière brute qu'à trouver des moyens de représenter, de manière compréhensible pour les humains, ce qui existe déjà.

Les questions à vous poser

• Lorsqu'un titre affirme qu'une IA a « résolu » un problème, qui a choisi ce problème : était-ce une question qui intéressait déjà la discipline, ou une question choisie parce qu'elle était abordable ?
• Le résultat se rattache-t-il aux mathématiques existantes, ou s'agit-il d'un théorème vrai mais isolé, du type que Wolfram qualifie d'« étranger » ?
• Si une IA se contente surtout de recombiner la littérature existante, comment distinguer une idée véritablement nouvelle d'une synthèse ingénieuse ?
• À qui profite l'idée que les mathématiciens humains sont obsolètes, et à qui profite l'affirmation de Wolfram selon laquelle ils ne le sont pas ? Il vend des logiciels de calcul.
• Si votre organisation délègue des recherches à l'IA, qui décide des questions qui seront posées ?

Ce qu'il faut suivre ensuite

L'extrait source s'interrompt avant que Wolfram n'aborde ses sections sur la formalisation, la démonstration automatique de théorèmes et les nouveaux concepts mathématiques ; sa position complète sur ces points n'est donc pas couverte ici. Le signal à surveiller est de savoir si des résultats générés par l'IA commencent à introduire de nouveaux concepts que les mathématiciens adoptent et développent, plutôt que de seulement résoudre des problèmes que les humains avaient déjà posés. C'est cette distinction qui est le pivot de son argument.