Les mathématiques par IA sont sur le point de vivre un moment « coup de théâtre » similaire à celui vécu par le monde des échecs il y a dix ans.
Celui qui partage ce point de vue n'est autre que Demis Hassabis, cofondateur de DeepMind qui a dirigé le projet AlphaGo il y a dix ans.
Bien que Hassabis ait récemment connu une série de changements de poste – passant de PDG de DeepMind à scientifique en chef de Google et président de DeepMind.
En matière de compréhension de comment l'IA transforme la cognition humaine, il reste l'une des voix les plus autorisées.
Il y a dix ans, il a été témoin de la victoire d'AlphaGo contre le légendaire joueur Lee Sedol grâce à un coup retentissant, le coup 37.
Dix ans plus tard, sur la ligne de front où l'IA s'attaque aux mathématiques et à la science, il émet un nouveau jugement :
Si une IA pouvait résoudre un problème du prix du millénaire en mathématiques, ce serait une percée majeure du niveau du « coup 37 ». Actuellement, il semble que l'IA atteindre ce niveau ne soit qu'une question de temps. Je ne vois pas pourquoi cela n'arriverait pas.
Le coup 37, un moment symbolisant la première fois où l'humanité a été « clouée au pilori » par l'IA, est ainsi resté gravé dans les mémoires.
Mais peu se souviennent que le coup 37 n'était pas la seule réponse laissée par ce duel homme-machine.
Deux parties plus tard, après trois défaites consécutives, Lee Sedol joua le coup 78.
Ce coup avait également une probabilité de seulement un sur dix mille d'être joué par un humain, mais il réussit à déstabiliser AlphaGo, aidant Lee Sedol à remporter la seule victoire humaine de ce match en cinq parties.
En repensant à cette bataille homme-machine dix ans plus tard, on ne peut que s'émerveiller :
La relation entre l'humain et l'IA est comme ces deux chiffres.
L'un a fait que l'humanité redécouvre l'IA, l'autre a fait que l'humanité se redécouvre elle-même.
Le coup 37 qui a humilié l'humanité
Retour en mars 2016, le match en cinq parties entre AlphaGo et Lee Sedol se déroule à Séoul, en Corée du Sud.
Lors de la première partie, Lee Sedol perd face à AlphaGo, un début difficile.
Arrivé à la deuxième partie, le monde entier attendait que ce légendaire joueur lance sa contre-attaque.
Au milieu de la partie, Lee Sedol quitte brièvement la table pour fumer une cigarette et se calmer. À son retour devant le plateau, une pierre noire avait déjà été posée.
Le coup 37.
Lee Sedol ne s'est pas immédiatement rassis. Il est resté debout, fixant le plateau, n'en croyant presque pas ses yeux.
La raison était simple : ce coup ne ressemblait en rien à un coup humain.
AlphaGo plaça la pierre sur la cinquième ligne, s'écartant de l'intuition de placement des joueurs professionnels vieille de plusieurs siècles. Dans la perception conventionnelle du jeu de Go humain, les pierres doivent occuper des positions hautes pour contrôler l'ensemble du plateau, mais AlphaGo plaça délibérément sa pierre dans une zone où aucun combat direct ne s'était encore produit.
Les commentateurs sur place ont d'abord soupçonné qu'AlphaGo s'était trompé.
Le joueur professionnel 9e dan Michael Redmond, chargé du commentaire, face à cette pierre noire, fut longtemps incapable de la juger et se contenta de dire :
Je ne sais pas si c'est un bon ou un mauvais coup, il est très étrange.
Son co-commentateur fut plus direct :
J'ai cru que c'était une erreur.
L'équipe de DeepMind calcula plus tard que la probabilité qu'un joueur humain choisisse ce coup était d'un sur dix mille.
Mais au fur et à mesure que la partie avançait, les gens comprirent peu à peu que ce n'était pas un mauvais coup, mais un coup de génie qui changeait le cours de la bataille à plus grande échelle.
Environ 100 coups plus tard, cette pierre noire, qui semblait mal placée, devint précisément la clé de la victoire d'AlphaGo dans la deuxième partie.
Plus tard, ce moment de méprise collective de l'humanité fut progressivement surnommé le « moment de la gifle » –
On pensait que l'IA avait tort, mais en réalité, c'était l'humanité qui s'était trompée.
Mais au-delà de cette « gifle », ce coup fit aussi prendre conscience au monde entier pour la première fois que l'IA ne faisait pas qu'imiter les humains pour jouer, elle pouvait aussi jouer des coups auxquels les humains n'avaient jamais pensé.
Et dix ans plus tard, le « coup 37 » est effectivement réapparu, et cette fois, il est lié à une discipline ancienne :
les mathématiques.
Pour l'IA, le jeu de Go et les mathématiques ont un grand point commun : la vérifiabilité.
Comme la logique et les règles de ces domaines sont suffisamment claires, l'IA peut répéter continuellement un processus simple :
Essayer une idée, la tester, apprendre du résultat, puis réessayer, et ce jusqu'au succès (c'est le principe de l'apprentissage par renforcement).
Ce mécanisme explique aussi pourquoi les mathématiques sont devenues la première discipline à être « bombardée » par le « coup 37 » de l'IA.
Dans des domaines comme la recherche pharmaceutique ou la biologie, il faut souvent de longues expérimentations pour vérifier si une idée est efficace.
Les mathématiques sont différentes, le processus de preuve peut être vérifié étape par étape, vrai est vrai, faux est faux, l'IA peut donc rechercher sans relâche.
Ainsi, à mesure que les capacités de l'IA se renforcent, le changement a commencé à s'accélérer à l'échelle d'une année.
En partant de la naissance de ChatGPT, en 2023, les grands modèles trébuchaient encore sur des problèmes arithmétiques de base, des situations embarrassantes comme « 9,11 et 9,9, lequel est le plus grand ? » faisaient rire.
Mais en 2024, AlphaProof et AlphaGeometry 2 de DeepMind ont déjà fait une percée aux Olympiades Internationales de Mathématiques (OIM).
Les deux systèmes ont résolu 4 des 6 problèmes, obtenant 28 points, soit un niveau médaille d'argent (à seulement 1 point de la ligne d'or cette année-là).
Et seulement un an plus tard, Gemini Deep Think a résolu 5 problèmes en 4,5 heures, le temps officiel des épreuves, obtenant 35 points, soit un niveau médaille d'or aux OIM.
En deux ans, l'IA est passée de novice à médaille d'or aux OIM, une vitesse impressionnante.
Mais ce n'est que dans la salle d'examen.
Ce qui a vraiment fait sentir à la communauté mathématique que la marée montait, c'est que l'IA a commencé à passer de la « résolution d'exercices » à la « recherche ».
En 2025, GPT-5 a participé à la résolution du problème d'Erdős 848, fournissant l'estimation clé nécessaire à la preuve.
Les mathématiciens l'ont corrigée et affinée, pour finalement compléter la preuve.
La même année, le mathématicien de l'UCLA Ernest Ryu, avec l'aide de GPT-5, a trouvé une piste pour un problème ouvert qui troublait la théorie de l'optimisation depuis 40 ans.
À ce stade, l'IA ne se contente plus de calculer des réponses, elle commence à contribuer des idées clés.
Puis, l'année 2026 est arrivée, et une série de problèmes mathématiques majeurs ont commencé à être résolus.
Le premier à lancer une bombe fut encore OpenAI.
Un modèle de raisonnement générique interne s'est penché sur le problème de la distance unitaire dans le plan. Ce problème, posé par le mathématicien Paul Erdős en 1946, étudie le nombre maximum de paires de points séparés par une distance exactement de 1 que l'on peut obtenir en plaçant n points dans le plan.
Pendant près de 80 ans, la communauté mathématique pensait généralement que des constructions comme la grille carrée étaient presque optimales.
Mais l'IA a directement importé un ensemble d'outils apparemment sans rapport de la théorie algébrique des nombres, construisant un nouvel ensemble de points qui a réfuté cette conjecture de longue date.
La preuve complète a ensuite été vérifiée par des mathématiciens externes.
OpenAI a déclaré que c'était la première fois qu'une IA générique résolvait de manière autonome un problème ouvert occupant une place importante dans une branche des mathématiques.
Puis, Anthropic a suivi.
En juillet 2026, le mathématicien d'Anthropic, Levent Alpöge, aidé de Claude Fable 5, a trouvé un contre-exemple explicite à la conjecture de Jacobi.
Une conjecture qui troublait les mathématiciens depuis 87 ans a ainsi été réfutée par l'IA en une nuit.
Il y a même eu des collaborations entre OA.
Il y a quelques jours, GPT-5.6 et Fable 5 ont uni leurs forces pour résoudre un problème mathématique en suspens depuis 25 ans.
(Il y a beaucoup d'histoires similaires...)
Mais le plus impressionnant reste Google, DeepMind transforme ces percées en une véritable chaîne de production.
Son agent mathématique, Aletheia, ne génère plus une seule réponse, mais propose, vérifie, réfute et recherche constamment de nouveaux chemins.
DeepMind l'a utilisé pour scanner 700 problèmes ouverts de la base de données des conjectures d'Erdős.
Parmi eux, l'IA a résolu de manière autonome 4 problèmes non résolus et a participé à la production de plusieurs résultats mathématiques de qualité suffisante pour être publiés.
Cette tentative montre que l'IA a commencé à explorer à grande échelle les zones blanches du monde mathématique.
Il n'est donc pas difficile d'imaginer :
L'IA résoudra davantage de problèmes mathématiques majeurs, ce n'est vraiment qu'une question de temps.
De la résolution de problèmes à la recherche, de la répétition de connaissances connues à la proposition de réponses inconnues, les coups 37 dans le domaine des mathématiques s'enchaînent.
À la recherche du coup 78 humain
Face à ce moment qui arrive à grands pas, l'humanité sera sans aucun doute confrontée à une question existentielle :
Si l'IA continue à tracer de nouvelles voies auxquelles les humains n'ont jamais pensé, que doivent faire les humains ?
Le coup 78 apparu dans ce duel il y a dix ans pourrait être la réponse.
Lors de la quatrième partie du match en cinq parties, Lee Sedol, après trois défaites consécutives, planta une pierre blanche au centre de la formation d'AlphaGo.
Ce coup s'écartait également des conventions, AlphaGo estima que la probabilité qu'un humain le joue n'était également que d'un sur dix mille.
Ensuite, la machine perdit ses repères.
Lee Sedol remporta finalement la seule victoire humaine, et le coup 78 fut surnommé « le coup divin ».
Cette victoire ne signifiait pas que les humains avaient de nouveau vaincu l'IA.
Mais elle montrait au moins que les humains, après avoir compris la machine, pouvaient trouver le coup suivant que la machine n'avait pas anticipé.
C'est précisément l'enseignement que le coup 78 laisse aujourd'hui.
Lorsque l'IA sera de plus en plus capable de donner des réponses, la valeur humaine se tournera davantage vers la formulation de questions, la détermination de la direction, et la décision de quelles réponses valent vraiment la peine d'être cherchées.
En reprenant le concept des « échecs centaures » aux échecs, où un joueur humain et un moteur d'échecs informatique coopèrent.
N.d.l.r. : Après la victoire de « Deep Blue » d'IBM contre le champion du monde humain Garry Kasparov en 1997, Kasparov a promu et organisé le premier « tournoi d'échecs centaures » en 1998, explorant les possibilités de collaboration entre humains et IA.
Hassabis pense que la science entre dans une ère similaire, celle du « centaure » :
Nous entrons dans une ère de collaboration entre humains et ordinateurs. Je ne sais pas combien de temps durera ce cycle. Mais pour les domaines très complexes, cela pourrait être très long. Par exemple, la recherche pharmaceutique, la biologie, la chimie, etc. Ces domaines sont très complexes, les situations sont changeantes et il est impossible de tout vérifier. C'est là que l'intuition et la perspicacité humaines sont nécessaires pour décider de la direction à prendre.
L'évolution ultérieure du jeu de Go l'a prouvé.
Après l'apparition d'AlphaGo, l'IA est rapidement devenue un outil d'analyse pour les joueurs professionnels. Les joueurs peuvent utiliser l'IA pour revoir les josekis passés, découvrir quelles expériences n'étaient en fait pas fiables, et étudier de nouveaux coups autrefois considérés comme irrationnels.
Une analyse de plus de 5,8 millions de décisions de joueurs professionnels a révélé :
Après l'apparition des super-IA, la qualité des coups des joueurs humains s'est significativement améliorée, et les coups novateurs sont également devenus plus nombreux.
Cependant, il y a aussi un autre aspect, à savoir :
Les gens ont commencé à compter sur l'IA pour fournir des réponses, perdant progressivement la capacité de les juger.
Comme l'a dit Lee Sedol lors de sa retraite, face à un adversaire invincible, il avait du mal à continuer à apprécier le jeu de Go qu'il avait tant aimé.
C'est peut-être le problème le plus préoccupant à l'ère de l'IA.
Alors que de plus en plus de domaines en dehors des mathématiques seront touchés par l'IA, des systèmes plus puissants nous rendront-ils plus créatifs, plus efficaces et plus humains ?
Ou pousseront-ils les gens à abandonner leurs efforts ?
À l'avenir, l'IA continuera à jouer des coups 37.
La question qui reste est : l'humanité pourra-t-elle trouver son propre coup 78 ?
Liens de référence :
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
Cet article provient du compte public WeChat « Quantum Bit », auteur : Focus on Frontier Technology
