Une coalition de mathématiciens de premier plan, dont des médaillés Fields et Terence Tao, a publié le 11 septembre une déclaration affirmant que les objectifs des entreprises d'IA et ceux de la communauté mathématique sont gravement désalignés. Le texte a dominé les discussions techniques ce week-end. Son argument n'est pas que les modèles seraient faibles : il concède explicitement le contraire.
Nous couvrions il y a quatre jours l'annonce d'une solution au problème de Navier-Stokes et sa dispute de paternité. Voici la réponse collective de la discipline concernée, et elle est plus intéressante que ce qu'on pouvait attendre.
Ce que la déclaration ne dit pas
Commençons par écarter la lecture facile. Ce texte n'est pas une défense corporatiste de mathématiciens qui craindraient d'être remplacés.
Il reconnaît explicitement que les capacités mathématiques des modèles se sont améliorées de manière spectaculaire, et qu'ils résolvent désormais des problèmes ouverts dans plusieurs champs. C'est une concession considérable venant de cette communauté, et elle rend la critique beaucoup plus difficile à écarter.
L'objection porte ailleurs, et elle est méthodologique.
L'argument : ce qu'une course au score fait à une discipline
Le reproche central est que traiter les mathématiques comme un concours de performance abîme les mathématiques. Trois mécanismes sont identifiés, et chacun mérite d'être compris.
Les annonces précipitées. Un résultat publié dans l'urgence n'a pas bénéficié du temps de rédaction qui permet de le présenter correctement. Or en mathématiques, la rédaction n'est pas de la mise en forme : c'est le moment où l'on comprend ce qu'on a fait.
Les méthodes non isolées. C'est le point le plus important et le moins évident. La valeur d'une démonstration ne tient pas seulement au théorème obtenu, mais aux idées nouvelles qu'elle introduit. Un article bien écrit sépare ces idées, les nomme, montre comment les réutiliser ailleurs. Une preuve livrée brute donne le résultat et perd la méthode.
Le travail antérieur non cité. Une démonstration s'appuie toujours sur des décennies de travaux. Ne pas les citer ne prive pas seulement leurs auteurs de crédit : cela rend le résultat inintelligible, parce qu'on ne voit plus d'où il vient.
On pourrait lire la question de l'attribution comme une affaire d'ego. Ce serait passer à côté. Nous l'écrivions dans notre article sur l'auteur d'une découverte : l'attribution désigne un responsable, indique à qui parler, et oriente les ressources. Elle remplit une fonction épistémique avant d'être une récompense. Une discipline où l'on ne sait plus d'où viennent les résultats ne peut plus les vérifier ni les prolonger.
Le point où la critique est la plus forte
Il y a une asymétrie que cette déclaration met à nu, et elle est structurelle.
Une entreprise d'IA a intérêt à annoncer vite : l'annonce a une valeur en soi, indépendamment de ce qu'elle produit pour la discipline. Nous le relevions à propos des annonces extraordinaires : celui qui affirme capte l'attention, celui qui dit attendre la perd.
Une communauté scientifique a intérêt à publier lentement : la lenteur est ce qui permet la vérification, la clarification et la réutilisation. Nous l'avons détaillé dans notre article sur l'acceptation des preuves — vingt-six ans, un seul problème du millénaire validé.
Ces deux temporalités ne sont pas conciliables. Le mot « désaligné » est donc techniquement exact, et c'est ce qui rend la déclaration difficile à réfuter.
Ce qu'on peut opposer
Deux objections sérieuses, par souci d'équilibre.
La lenteur n'est pas une vertu en soi. Une discipline peut aussi être lente par conservatisme, par protection des positions acquises, ou parce que ses revues sont saturées. Défendre le temps long suppose de montrer ce qu'il produit, pas seulement de le réclamer.
Les entreprises publient de plus en plus formellement. Nous avons salué une preuve vérifiée formellement comme la bonne configuration, et l'annonce sur Navier-Stokes s'accompagnait également d'une formalisation. C'est exactement ce que la communauté pouvait demander, et cela a été fait.
Ce qu'il faut retenir
Cette déclaration est importante parce qu'elle déplace le débat de la capacité vers la méthode, ce que presque personne ne fait.
La question n'est plus « ces systèmes savent-ils faire des mathématiques » — ce texte concède que oui, de plus en plus. Elle est : une discipline peut-elle rester une discipline si le rythme de production dépasse sa capacité à comprendre, vérifier et transmettre ce qui est produit ?
C'est une question que d'autres champs vont se poser, et probablement plus tôt qu'ils ne le pensent. Les mathématiques la rencontrent en premier parce qu'elles disposent d'un critère de validité mécanique. Pour toutes les disciplines qui n'en ont pas, elle se posera avec moins de moyens d'y répondre.