Pendant des décennies, les mathématiciens se sont tranquillement appuyés sur l’intelligence artificielle pour résoudre des problèmes complexes – une réalité qui offre une leçon cruciale alors que d’autres domaines sont aux prises avec l’influence croissante de l’IA. L’histoire du domaine démontre que accepter les résultats générés par les machines, même s’ils ne sont pas satisfaisants, peut conduire à des percées.
Le théorème des quatre couleurs et l’aube des preuves informatiques
En 1976, Kenneth Appel et Wolfgang Haken ont stupéfié le monde mathématique avec une preuve du théorème des quatre couleurs. Ce théorème stipule que n’importe quelle carte peut être colorée avec seulement quatre couleurs, de sorte qu’aucune région adjacente ne partage la même teinte. Cependant, la preuve n’était pas élégante : elle consistait en 60 000 lignes de code informatique.
L’équipe avait programmé une machine pour vérifier systématiquement près de 2 000 configurations de cartes possibles, couvrant tous les scénarios potentiels. Le résultat était techniquement correct, mais de nombreux mathématiciens l’ont trouvé… insatisfaisant. La preuve manquait de l’élégance intuitive à laquelle ils s’attendaient, ne révélant aucun principe mathématique plus profond.
Adaptation à la logique machine
Au fil du temps, la communauté s’est adaptée. Les mathématiciens ont reconnu que même si la méthode n’était pas belle, elle était efficace. Cette acceptation a ouvert la voie aux preuves actuelles basées sur l’IA. Les grands modèles de langage modernes gèrent désormais le codage et un logiciel distinct vérifie les résultats, éliminant ainsi les problèmes liés aux « hallucinations » de l’IA (sorties fabriquées).
Le contraste au-delà du monde universitaire
Cela contraste fortement avec d’autres secteurs où le code généré par l’IA échoue souvent de manière spectaculaire. Gartner prédit que la moitié des entreprises qui remplacent des emplois par l’IA réembaucheront pour les mêmes postes d’ici un an, ce qui suggère que de nombreuses mises en œuvre sont prématurées.
L’expérience des mathématiciens nous montre que l’IA ne consiste pas seulement à remplacer les humains ; il s’agit d’augmenter leurs capacités. Le succès dans ce domaine dépend de la confiance dans les réponses validées par machine, même lorsque le processus n’est pas intuitif.
Le monde en dehors des mathématiques n’est peut-être pas encore prêt, mais la leçon est claire : la confiance pratique et l’aisance philosophique avec les résultats de l’IA sont essentielles au progrès.
