Cédric Villani n’a jamais considéré l’intelligence artificielle comme un simple gadget. Le mathématicien français, médaille Fields 2010, a même joué un rôle important dans la réflexion française sur le sujet en remettant en 2018 au gouvernement son rapport « Donner un sens à l’intelligence artificielle ». Mais il a longtemps défendu une distinction nette entre les performances spectaculaires des algorithmes et ce que les humains appellent véritablement comprendre. Les progrès récents de l’IA en mathématiques semblent aujourd’hui sérieusement bousculer cette frontière.

Encore en juillet 2026, Cédric Villani rappelait dans un entretien au Monde que l’intelligence humaine et l’intelligence algorithmique restaient, selon lui, profondément différentes. Une intelligence artificielle peut être meilleure qu’un humain au jeu de go, rédiger rapidement un texte ou résoudre une équation, expliquait-il en substance, tout en demeurant étrangère aux émotions, à la conscience, à la responsabilité et à l’histoire des idées.

Cette position permettait encore de tracer une séparation relativement rassurante. La machine pouvait calculer extrêmement vite, explorer d’immenses espaces de possibilités et reproduire certains raisonnements. L’humain conservait cependant le territoire de la compréhension profonde, de l’intuition et surtout de la création scientifique.

En septembre 2026, cette séparation est devenue beaucoup plus difficile à maintenir.

Le 8 septembre, OpenAI a annoncé qu’un système reposant sur des milliers d’agents d’intelligence artificielle avait obtenu une avancée spectaculaire autour des équations de Navier-Stokes. Ces équations décrivent notamment le mouvement des fluides et figurent parmi les problèmes les plus célèbres des mathématiques contemporaines. Le problème de régularité en trois dimensions fait partie des sept « problèmes du millénaire » sélectionnés en 2000 par le Clay Mathematics Institute.

L’épisode reste entouré de débats importants. D’autres mathématiciens travaillaient parallèlement sur le problème, parfois eux-mêmes avec des outils d’intelligence artificielle. Des questions ont rapidement émergé sur la part respective du raisonnement humain, des modèles d’IA, des travaux antérieurs et sur l’attribution des résultats.

Mais au-delà de cette controverse, un changement paraît difficile à ignorer : l’intelligence artificielle ne se contente plus de résoudre des exercices dont la réponse est déjà connue.

Elle entre progressivement sur le terrain de la recherche.

Des problèmes spécialement conçus pour mesurer la capacité des IA à produire des connaissances mathématiques nouvelles existent désormais, comme FrontierMath Open Problems. L’objectif n’est précisément plus de vérifier qu’une machine sait retrouver une démonstration existante, mais d’évaluer sa capacité à progresser sur des questions réellement ouvertes.

La réaction de Cédric Villani donne la mesure du changement.

Interrogé après les derniers développements, le mathématicien a reconnu avoir été « secoué ». Il évoque même une « ambiance de fin de l’histoire » et parle d’un « cataclysme comme jamais les maths n’en ont connu ».

Le choix des mots est remarquable venant d’un scientifique qui connaît l’intelligence artificielle depuis longtemps et qui n’a jamais confondu les performances d’un algorithme avec une intelligence humaine.

Quelques jours plus tôt, sur Radio Classique, il insistait encore sur une idée essentielle pour les mathématiciens : en mathématiques, le chemin permettant d’aboutir à la compréhension peut être plus important que le résultat lui-même.

C’est probablement ici que se situe le véritable bouleversement.

Pendant longtemps, les progrès de l’intelligence artificielle pouvaient être interprétés comme une extension extraordinaire des capacités de calcul. Un ordinateur calculait plus vite. Une IA reconnaissait davantage de configurations. Un modèle explorait en quelques heures ce qu’un humain aurait mis plusieurs années à examiner.

Mais que se passe-t-il lorsqu’une machine commence à produire elle-même une démonstration permettant de franchir une frontière de la connaissance ?

La question ne signifie pas nécessairement que l’intelligence artificielle « pense » comme un mathématicien.

Un système peut éventuellement découvrir une démonstration exacte sans disposer de conscience, d’émotions ou d’une compréhension humaine de la beauté et de l’histoire des mathématiques.

Cela ne réduit pourtant pas la portée du changement.

Dans la recherche scientifique, le résultat compte. Si une machine devient capable de produire régulièrement des résultats mathématiques nouveaux, la question de savoir si elle comprend réellement ce qu’elle fait devient presque secondaire pour certaines applications.

Le problème ressemble alors beaucoup à celui qui pourrait progressivement toucher d’autres professions intellectuelles.

Un logiciel doit-il véritablement « comprendre » le droit pour trouver un raisonnement juridique pertinent ? Doit-il comprendre la maladie comme un médecin pour identifier correctement une anomalie ? Doit-il ressentir les mécanismes économiques pour détecter une incohérence financière ?

Pendant longtemps, l’argument consistait à répondre que la machine exécutait tandis que l’humain comprenait.

La situation actuelle suggère qu’il faudra peut-être trouver une distinction plus solide.

L’ironie de l’histoire est remarquable.

Les mathématiques constituent précisément l’un des fondements de l’intelligence artificielle. Les chercheurs ont développé pendant des décennies les outils statistiques, algorithmiques et informatiques permettant l’émergence des systèmes actuels.

Ils découvrent maintenant que ces mêmes systèmes peuvent venir travailler sur leur propre terrain.

La communauté reste profondément divisée. Certains chercheurs voient dans l’IA un outil extraordinaire, comparable à l’arrivée de nouveaux instruments scientifiques. D’autres redoutent une transformation du métier, des problèmes d’attribution des découvertes ou une concentration de la recherche entre les mains de quelques entreprises disposant d’une puissance informatique inaccessible aux laboratoires universitaires.

Le débat ne porte donc probablement plus sur la question de savoir si l’intelligence artificielle fera des mathématiques.

Elle en fait déjà.

La véritable question devient celle de la place du mathématicien lorsque la machine est capable d’explorer, de proposer et parfois de démontrer.

Cédric Villani n’est pas passé en quelques mois du rejet de l’IA à son admiration. Ce serait une caricature. Son évolution est plus intéressante : un spécialiste qui connaissait parfaitement la puissance potentielle de ces technologies découvre que leur progression concrète atteint beaucoup plus rapidement que prévu l’une des activités intellectuelles humaines réputées les plus difficiles.

Et lorsque même un médaillé Fields parle de « cataclysme », il devient difficile de continuer à considérer l’intelligence artificielle comme une simple révolution informatique.

Elle commence peut-être à devenir une révolution de la connaissance elle-même.