IA en mathématiques : Conclusions de Terence Tao

Terence Tao sur l'IA quotidienne en mathématiques : Génération et vérification d'hypothèses

Terence Tao, médaillé Fields, utilise l'IA quotidiennement dans ses recherches mathématiques. Le coût de génération d'idées est tombé à zéro, mais la vérification reste un goulot d'étranglement. Les modèles résolvent des problèmes simples de la liste d'Erdős avec une probabilité de 1 à 2 %, nécessitant une supervision humaine pour les questions complexes.

Génération d'idées à l'ère de Kepler

L'IA génère des milliers d'hypothèses avec une température élevée, à l'image de Kepler triant les théories sur le système solaire. La plupart sont du bruit, mais dans des jeux de données avec vérification fiable (comme les observations de Tycho Brahe), des signaux utiles émergent. Tao souligne : sans données, les idées restent dans la catégorie des déchets. Le livre de Kepler "Harmonices Mundi" contenait la troisième loi du mouvement planétaire au milieu de spéculations sur les notes célestes — un exemple classique de signal dans le bruit.

En développement, cela se manifeste dans la génération de code : les LLM produisent des variantes plus vite qu'on ne peut les examiner. Les tests automatisés vérifient la syntaxe, mais la correction sémantique et l'alignement sur la tâche nécessitent une analyse humaine.

Qui est Terence Tao et pourquoi ses idées comptent

Tao travaille en théorie des nombres, combinatoire, analyse harmonique, équations différentielles et matrices aléatoires. Première publication à 15 ans, médaille Fields à 31 ans. En tant que praticien sans intérêts commerciaux, il évalue l'IA sur la base de résultats concrets. Dans une interview avec Dwarkesh Patel (20 mars 2026), Tao analyse l'IA à travers le prisme de la méthode scientifique historique.

• Domaines clés d'expertise de Tao : théorie des nombres, combinatoire, analyse harmonique.
• Avantage de son opinion : aucune motivation financière, concentration sur la pratique.
• Comparaison avec les leaders de l'IA : Amodei et Altman promeuvent des produits, Tao promeut sa réputation.

L'effondrement des coûts de génération d'idées

L'IA a rendu la génération d'idées aussi bon marché que l'internet a rendu la communication. Auparavant, la science se concentrait sur les intuitions (Archimède, Newton). Maintenant, des milliers d'hypothèses par minute submergent l'examen par les pairs. Les revues sont noyées sous les soumissions d'IA ; l'ancien système ne peut pas suivre.

Pour les développeurs : l'IA accélère le codage, mais l'arriéré de demandes de fusion s'accroît. L'intégration continue capture les erreurs basiques mais ne garantit pas de résoudre le bon problème. Tao souligne le rôle des vérificateurs comme Tycho Brahe : 20 ans de données précises ont rendu les lois de Kepler possibles.

Résultats sur les problèmes d'Erdős : Statistiques sans illusions

L'IA a résolu environ 50 des 1100 problèmes d'Erdős, certains ouverts depuis des décennies. Après une poussée — un plateau : les modèles trouvent des observations mineures ou des solutions connues, mais pas de nouvelles percées.

• Probabilité de succès par problème : 1-2 %.
• L'échelle compense la faible précision.
• Biais de sélection : Twitter montre les victoires, ignorant 98 % d'échecs.

Métaphore de Tao : l'IA est un robot sautant 2 mètres plus haut qu'un humain. Conquiert les petits sommets mais ne gravit pas les crêtes. Avec les mises à niveau des modèles — une nouvelle poussée, puis plateau.

La pratique de Tao : Accélération des tâches auxiliaires

Une prédiction de 2023 s'est réalisée : l'IA est un co-auteur fiable. Les articles de Tao sont devenus plus riches : plus de code, de graphiques, d'expériences. Les revues de littérature sont plus approfondies, la mise en forme LaTeX plus rapide (l'agent ajuste les crochets). Sans IA — 5 fois plus lent.

Mais le cœur — résoudre des problèmes complexes — reste sur papier. Les articles sont plus larges et plus riches, mais pas plus profonds.

En développement de même :

• Accélération : code standard, refactorisation, tests, documentation.
• Inchangé : architecture, décomposition du domaine, choix d'approche.

Ingéniosité vs Intelligence

Tao distingue l'ingéniosité artificielle (sauter vers un but) de l'intelligence artificielle (progrès itératif). Les modèles sont ingénieux : résolvent des problèmes vieux de dix ans d'un coup. Mais sans mémoire de session, d'apprentissage cumulatif. Chaque itération recommence de zéro.

En mathématiques, les solutions sont des mois d'étapes s'appuyant les unes sur les autres. L'IA ne construit pas de chaînes. Analogie en ingénierie : coder vs concevoir des systèmes avec contraintes.

Un changement copernicien dans la compréhension de l'intelligence

L'intelligence humaine n'est pas le centre. L'IA montre d'autres types de cognition : forts en sauts, faibles en chaînes. Réévaluation des tâches : multiplier des nombres est difficile pour les humains, facile pour les machines ; prouver des théorèmes — l'inverse.

La menace pour la sérendipité

Tao a noté la perte de hasard : les moteurs de recherche donnent des résultats précis, sans découvertes adjacentes dans une bibliothèque. Zoom a supprimé les conversations imprévues. L'IA optimise en filtrant le bruit — mais la sérendipité en émerge. Tao a intentionnellement introduit du chaos pour l'inspiration.

Ce qui est important :

• L'IA génère des hypothèses à bas coût, mais la vérification est le goulot d'étranglement.
• Succès sur les problèmes d'Erdős : probabilité de 1-2 %, l'échelle compte.
• Accélération par 5 sur les tâches auxiliaires, 0 sur le cœur.
• Les modèles sont ingénieux, pas intelligents : pas de progrès cumulatif.
• Risque de perdre la sérendipité dans un monde optimisé.

— Editorial Team