Stephen Wolfram : l'IA ne remplacera pas les mathématiciens, elle a besoin d'eux

Un air de déjà-vu

Les gros titres se répètent : telle IA a résolu tel problème. Et avec eux revient l'idée qu'on pourrait se passer de mathématiciens. Stephen Wolfram dit son impatience face à ce qu'il juge être une double incompréhension : de ce que sont les maths, et de ce qu'est l'IA.

Il s'appuie sur son histoire personnelle. En 1988, le lancement de Mathematica avait suscité les mêmes craintes. Le calcul symbolique d'intégrales a bien été automatisé, mais ce n'était pas le cœur des mathématiques pures. Le logiciel a au contraire permis de nouveaux résultats.

Ce que sont vraiment les maths

La vision formaliste réduit les maths à l'ensemble des théorèmes dérivables mécaniquement d'axiomes. Wolfram note que les mathématiciens ne travaillent presque jamais à ce niveau : ils raisonnent avec des structures de haut niveau, comme le théorème de Pythagore, sans redescendre aux axiomes des nombres réels.

Il fait l'analogie avec la mécanique des fluides, qui décrit l'écoulement sans suivre chaque molécule. Sous les deux se trouve une irréductibilité computationnelle, parsemée de « poches de réductibilité » où l'on peut raisonner à un niveau supérieur. Les maths humaines vivent dans ces poches.

L'ensemble de tous les théorèmes possibles, qu'il appelle le « ruliad », est trop vaste pour un esprit fini. Il n'existe donc pas de mathématique absolue, seulement des choix d'exploration, en partie inévitables, en partie accidents historiques. Générer massivement des théorèmes produit surtout des « mathématiques extraterrestres ».

Ce que l'IA fait bien, et mal

L'usage le plus utile des LLM, selon Wolfram, est l'exploration thématique de la littérature et la mise en relation de résultats. Les modèles ont « lu » des millions d'articles et peuvent tester beaucoup de combinaisons à faible coût.

Mais une erreur peut tout fausser en maths, contrairement à une histoire. Plus un argument s'allonge, plus la nature statistique du modèle rend improbable un résultat correct. La vérification par le calcul reste la meilleure protection : dériver une primitive proposée, tester un contre-exemple.

Souvent, ajoute-t-il, ce que trouve l'IA est algorithmiquement simple : il suffisait de regarder au bon endroit. Une fois identifié, on peut l'implémenter en calcul pur, sans IA. L'intuition, vue comme une reconnaissance de motifs procédurale, ne lui semble pas hors de portée des LLM.

Formaliser sans se faire piéger

L'autoformalisation consiste à traduire automatiquement des maths humaines vers un assistant de preuve. Le problème, d'après Wolfram : rien ne garantit que la formalisation corresponde à l'intention. Il raconte des cas où l'IA a « réussi » en interprétant l'énoncé de façon détournée, ce qui est difficile à repérer dans des formalisations verbeuses et de bas niveau.

Sa réponse est un plaidoyer pour son propre outil : faire écrire à l'IA du Wolfram Language, une notation lisible par un humain. Son entreprise étend le langage aux constructions des maths pures, avec l'ambition d'articles où chaque énoncé aurait une version computationnelle exécutable. Grâce en partie à l'économie de développement changée par l'IA, ce chantier devient selon lui justifiable.

Qui fixe les objectifs ?

Le cœur de l'argument : les mathématiques doivent choisir où aller, et ces choix viennent « de l'extérieur du système », donc des humains. Wolfram observe que les succès les plus marquants de l'IA en maths viennent de mathématiciens très compétents, parce que savoir poser la question constitue souvent l'essentiel du travail.

Il distingue la résolution de problèmes, mesurable et accessible à l'IA (« un problème d'Erdős résolu ! »), proche parfois d'un exploit sportif, de la construction créative de concepts. Une IA peut repérer d'innombrables concepts dans ses activations, mais un concept n'est utile que s'il est partagé, comme un mot nouveau dans une langue. C'est un processus social, et donc lent.

Pourquoi continuer les maths pures

Wolfram renverse l'argument utilitaire : les maths ne posent pas des balises que la science rejoindra un jour. Elles fournissent des manières de penser qui orientent ce que la science cherche ensuite.

L'automatisation rend peut-être le défi moins attrayant, comme aux échecs, mais elle ne touche pas à l'expérience esthétique de la « vue depuis la tour ». Il souligne aussi que les maths de haut niveau se transmettent comme une tradition orale, ce qui exige une communauté humaine active. Le texte se clôt sur un hommage à son épouse, Elise Cawley, récemment disparue.