IA en mathématiques : 50 victoires Erdős selon Tao

L'IA en mathématiques : 50 solutions du catalogue Erdős et les limitations fondamentales des modèles

Terence Tao, lauréat de la médaille Fields, a évalué les progrès de l'IA en mathématiques en se basant sur le catalogue de problèmes d'Erdős. Les modèles ont résolu environ 50 problèmes, mais 600 restent ouverts. Les solutions autonomes se sont arrêtées ; maintenant, le succès provient d'efforts collectifs impliquant plusieurs modèles et humains.

L'autonomie de l'IA s'essouffle

Tao décrit trois passages systématiques de modèles de pointe sur l'ensemble du catalogue Erdős. L'IA trouve des solutions connues issues de la littérature ou génère des observations, mais il n'y a pas de percées autonomes pleinement nouvelles. La période initiale où les modèles résolvaient des problèmes de manière indépendante est terminée.

Désormais, l'approche est collective :

• Un spécialiste demande à un modèle une stratégie.
• Un autre utilise un second modèle pour la critique.
• Un troisième effectue une revue de littérature avec l'IA.

Lors d'un passage complet du catalogue, le taux de succès est de 1–2 %. L'échelle permet de dénicher des succès rares, qui sont ensuite relayés sur les réseaux sociaux.

Métaphore de la crête montagneuse

Tao propose une analogie : les mathématiques comme une crête montagneuse dans l'obscurité, avec des rebords de hauteurs variées — de la hauteur du genou à des falaises abruptes. Les mathématiciens allument des bougies, tracent des cartes et palpent les chemins.

L'IA ressemble à des machines à sauter dotées d'un saut de deux mètres, supérieur à celui de l'humain. Elles franchissent les petits rebords mais ne se sécurisent pas aux hauteurs intermédiaires :

• Elles atteignent le sommet — solution complète.
• Elles retombent — aucun progrès.

Limitation clé : absence de progrès partiel. Les modèles n'accumulent pas de compréhension à mi-parcours.

L'IA comme co-auteur : prédiction réalisée

La prédiction de Tao en 2023 s'est concrétisée : en 2026, l'IA est devenue un co-auteur fiable. Les articles de Tao intègrent désormais plus de graphiques, de code et de revues de littérature. Sans IA, une telle ampleur prendrait cinq fois plus de temps.

Cependant, le cœur de la recherche n'a pas changé :

• La partie complexe du problème est résolue au stylo et sur papier.
• L'IA étend le travail sans l'approfondir.

Tao insiste : sans IA, il n'écrirait pas avec une telle exhaustivité. Les modèles transforment le format des publications, mais pas l'essence des découvertes.

Différence entre débrouillardise et intelligence

Travailler avec un collègue humain implique une accumulation graduelle de compréhension : adaptation de la stratégie, sécurisation des résultats intermédiaires. L'IA en est incapable :

• Dans une nouvelle session, elle oublie le contexte précédent.
• Elle ne s'adapte pas en temps réel.

Tao envisage l'avenir en symbiose :

• Les humains apportent la profondeur.
• L'IA assure l'étendue de la couverture.

La science doit repenser sa méthodologie : passer de la profondeur humaine à l'échelle des machines.

Enseignements clés

• L'IA a résolu 50 problèmes Erdős, mais 600 restent ouverts ; les solutions autonomes sont un chapitre clos.
• Taux de succès sur les passages systématiques : 1–2 %, nécessitant des efforts collectifs.
• Limitation : incapacité à progresser par étapes intermédiaires, comme des machines à sauter sans s'accrocher.
• L'IA accélère la rédaction des articles 5x, mais le cœur des mathématiques demeure humain.
• Avenir : symbiose humain-IA avec une restructuration des approches scientifiques.

— Editorial Team