Depuis quelques années, l’intelligence artificielle transforme profondément la recherche mathématique. Longtemps réservée à quelques spécialistes capables de vérifier ligne par ligne des démonstrations complexes, la preuve de théorèmes entre désormais dans une nouvelle ère. Des systèmes informatiques capables d’explorer des millions d’hypothèses accélèrent aujourd’hui le travail des chercheurs.
Cette évolution ne signifie pas la disparition du mathématicien. Au contraire, l’IA agit comme un nouvel outil de recherche, capable d’automatiser certaines étapes tout en ouvrant des pistes inédites. Plusieurs laboratoires, notamment chez Google DeepMind, développent déjà des systèmes capables de produire et vérifier des démonstrations formelles.
A retenir :
- L’IA peut générer et vérifier des preuves mathématiques automatiquement
- Des outils comme Lean ou HOL Light structurent les démonstrations
- Certaines IA ont déjà découvert plus de 1 200 théorèmes inédits
- Les chercheurs voient surtout un outil de collaboration homme-machine
Des algorithmes capables de découvrir des théorèmes
Les progrès récents illustrent l’ampleur du changement. En 2019, une intelligence artificielle développée par Google a réussi à prouver plus de 1 200 nouveaux théorèmes après un entraînement sur environ 10 200 exemples.
Selon Clubic, le système s’appuyait sur l’environnement de preuve formelle HOL Light afin de structurer chaque étape du raisonnement mathématique. Le taux de réussite atteignait près de 39 % sur des cas inédits, un résultat jugé remarquable par les spécialistes.
L’évolution s’est accélérée depuis. En 2024, une IA de Google DeepMind a résolu 25 problèmes de géométrie sur 30 proposés lors des Olympiades internationales de mathématiques. Selon ITSocial, l’algorithme générait des millions d’étapes intermédiaires pour explorer les solutions possibles.
J’ai moi-même testé certains assistants de preuve utilisés dans les universités. Leur capacité à vérifier instantanément une démonstration est impressionnante. Ce qui prenait autrefois plusieurs heures de relecture peut désormais être validé en quelques secondes.
Les assistants de preuve formelle, cœur de la révolution
Au centre de cette transformation se trouvent les assistants de preuve formelle. Ces logiciels permettent d’écrire une démonstration sous forme de code logique vérifiable par ordinateur.
Parmi les plus utilisés :
- Lean et Lean4, très populaires dans les universités
- HOL Light, souvent utilisé dans les projets industriels
- Isabelle, autre assistant de preuve reconnu
Selon ITSocial, certains modèles d’IA récents comme TheoremLlama sont capables de générer des démonstrations directement compatibles avec Lean4. Le système atteint environ 36 % de succès sur des preuves complexes.
Selon des discussions scientifiques relayées dans la communauté mathématique, des projets comme Gödel-Prover ou APOLLO combinent désormais raisonnement automatique et auto-correction pour améliorer la fiabilité des démonstrations.
Tableau : exemples d’IA utilisées en recherche mathématique
| Projet d’IA | Organisation | Spécialité | Résultat notable |
|---|---|---|---|
| DeepMind Geometry Solver | Google DeepMind | Géométrie | 25 problèmes IMO résolus sur 30 |
| Google Theorem Prover | Logique mathématique | 1200 théorèmes générés | |
| TheoremLlama | Recherche académique | Preuves Lean4 | 36 % de réussite |
| Gödel-Prover | Recherche IA | Raisonnement automatique | auto-correction des preuves |
Une collaboration entre chercheurs et machines
Les mathématiciens voient surtout une nouvelle manière de travailler. L’intelligence artificielle automatise les lemmes répétitifs, ces petites démonstrations intermédiaires nécessaires avant d’atteindre un résultat majeur.
Selon Jeremy Avigad, spécialiste de logique mathématique, ces outils permettent aux chercheurs de se concentrer davantage sur les idées conceptuelles plutôt que sur les vérifications techniques.
Un exemple marquant concerne la formalisation du théorème des nombres premiers, entièrement codée dans Lean. La démonstration représente près de 25 000 lignes de code, illustrant l’ampleur du travail nécessaire pour traduire les mathématiques en langage formel.
Lors d’une conférence universitaire, un doctorant expliquait que l’IA lui avait permis d’identifier une erreur subtile dans une preuve après seulement quelques minutes de vérification automatisée. Autre retour d’expérience fréquent : les assistants de preuve servent aussi d’outil pédagogique pour apprendre la rigueur mathématique.
Selon plusieurs chercheurs, la prochaine étape sera l’IA capable de proposer des conjectures, c’est-à-dire de nouvelles hypothèses mathématiques encore inconnues.
Les défis scientifiques et philosophiques
Malgré ces progrès, plusieurs questions demeurent. Les mathématiciens s’interrogent notamment sur la compréhension réelle des démonstrations produites par les machines.
Une preuve générée automatiquement peut être correcte, mais extrêmement longue ou difficile à interpréter pour un humain. Certains experts redoutent également une dépendance excessive aux systèmes informatiques.
Selon ITSocial, la recherche se concentre désormais sur des modèles capables d’expliquer leurs raisonnements, afin de rendre les démonstrations plus lisibles et utiles pour les chercheurs.
Ce débat dépasse le cadre des mathématiques. Il interroge la manière dont la connaissance scientifique sera produite dans les décennies à venir.
La question reste ouverte : les mathématiques resteront-elles une discipline purement humaine ou deviendront-elles une collaboration permanente entre chercheurs et intelligences artificielles ?
