Les mathématiques IA inaugurent le même « moment de gifle » que le monde du Go a connu il y a une décennie.
Celui qui partage cet avis 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 subi une série de changements d'identité — passant de PDG de DeepMind à scientifique en chef de Google et président de DeepMind —
en ce qui concerne la manière dont l'IA transforme la cognition humaine, il reste l'une des voix les plus autorisées.
Il y a dix ans, il a assisté à la victoire d'AlphaGo sur le légendaire joueur de Go Lee Sedol avec l'étonnant coup 37.
Dix ans plus tard, à la pointe de l'incursion de l'IA dans les frontières des mathématiques et de la science, il a porté un nouveau jugement :
Si l'IA peut résoudre un problème du Prix du Millénaire, ce serait une percée de l'ampleur du « coup 37 ». En l'état actuel, il semble que ce ne soit qu'une question de temps avant que l'IA n'atteigne ce niveau ; je ne vois aucune raison pour qu'elle n'y parvienne pas.
Le coup 37, un moment représentant la première fois que l'humanité a été giflée par l'IA, a ainsi été gravé dans les mémoires.
Mais peu se souviennent que le coup 37 n'était pas la seule réponse laissée par cette bataille homme-machine.
Deux parties plus tard, Lee Sedol, qui avait déjà perdu trois fois de suite, a joué le coup 78.
Ce coup avait également une probabilité d'un sur dix mille d'être joué par un humain, mais il a réussi à perturber AlphaGo et a aidé Lee Sedol à remporter la seule victoire de l'humanité dans le match en cinq parties.
En repensant à cette bataille homme-machine une décennie plus tard, on ne peut s'empêcher de s'émerveiller :
La relation entre les humains et l'IA est exactement comme ces deux nombres.
L'un a fait que l'humanité a redécouvert l'IA, l'autre a fait que l'humanité s'est redécouverte elle-même.
Le coup 37 qui a humilié l'humanité
Revenons en mars 2016, le match en cinq parties entre AlphaGo et Lee Sedol se déroulait à Séoul, en Corée du Sud.
Lors de la première partie, Lee Sedol a perdu contre AlphaGo, un mauvais départ.
Lors de la deuxième partie, le monde entier attendait que ce joueur légendaire contre-attaque.
En milieu de partie, Lee Sedol a brièvement quitté la table, fumé une cigarette pour calmer ses nerfs, mais quand il est revenu à l'échiquier, une pierre noire avait déjà été placée.
Coup 37.
Lee Sedol ne s'est pas assis immédiatement ; il est resté debout à fixer l'échiquier, presque incapable d'en croire ses yeux.
La raison était simple : ce coup était trop différent d'un coup humain.
AlphaGo a placé la pierre sur la cinquième ligne, s'écartant de l'intuition positionnelle que les joueurs professionnels suivaient depuis des siècles. Dans la compréhension humaine conventionnelle du Go, les pierres doivent occuper des positions élevées pour contrôler le plateau, mais AlphaGo l'a placée dans une zone où aucun combat direct n'avait encore eu lieu.
Les commentateurs sur place ont d'abord même soupçonné qu'AlphaGo avait commis une erreur.
Le joueur professionnel 9e dan Michael Redmond, qui commentait, a été incapable de se prononcer pendant longtemps, disant seulement :
Je ne sais pas si c'est un bon coup ou un mauvais coup ; c'est très étrange.
Son co-commentateur a été plus direct :
J'ai pensé que c'était une erreur.
L'équipe de DeepMind a ensuite calculé que la probabilité qu'un joueur humain choisisse ce coup n'était que d'une sur dix mille.
Mais au fur et à mesure que la partie progressait, les gens ont peu à peu réalisé que ce n'était pas un mauvais coup ; c'était un coup brillant qui a changé le cours de la bataille à plus grande échelle.
Environ 100 coups plus tard, cette pierre noire apparemment mal placée s'est avérée être la clé de la victoire d'AlphaGo dans la deuxième partie.
Plus tard, ce moment de jugement erroné collectif humain a été surnommé avec humour le « moment de la gifle »—
On pensait que l'IA avait tort, mais en fin de compte, ce sont les humains qui avaient tort.
Mais au-delà de la gifle, ce coup a aussi fait prendre conscience au monde pour la première fois que l'IA non seulement imite le jeu humain, mais peut aussi faire des coups auxquels les humains n'ont jamais pensé.
Et une décennie plus tard, le « coup 37 » a effectivement réapparu, et cette fois il est associé à une discipline ancienne :
Les mathématiques.
Pour l'IA, le jeu de Go et les mathématiques partagent un point commun majeur : la vérifiabilité.
Parce que la logique et les règles dans ces domaines sont suffisamment claires, l'IA peut exécuter à plusieurs reprises un processus simple :
Essayer une idée, la tester, apprendre des résultats, et continuer à essayer jusqu'au succès (cette histoire d'apprentissage par renforcement).
Ce mécanisme explique aussi pourquoi les mathématiques sont devenues la première discipline à être intensément bombardée par le « coup 37 » de l'IA.
Dans des domaines tels que le développement de médicaments et la biologie, la validité d'une idée nécessite souvent de longues expériences pour être vérifiée.
Les mathématiques sont différentes ; le processus de preuve peut être vérifié étape par étape. Ce qui est juste est juste, ce qui est faux est faux, donc l'IA peut chercher sans relâche.
Ainsi, à mesure que les capacités de l'IA continuent de se renforcer, les changements ont commencé à s'accélérer d'année en année.
À commencer par la naissance de ChatGPT, en 2023, les grands modèles pouvaient encore être piégés par des problèmes arithmétiques de base ; l'incident du « quel est le plus grand, 9,11 ou 9,9 » a été autrefois risible.
Mais en 2024, AlphaProof et AlphaGeometry 2 de DeepMind étaient déjà entrés dans l'Olympiade internationale de mathématiques.
Les deux systèmes ont résolu 4 problèmes sur 6, obtenant 28 points, atteignant le niveau de la médaille d'argent (à seulement 1 point du seuil de la médaille d'or de cette année-là).
Un an plus tard, Gemini Deep Think a résolu 5 problèmes dans la limite officielle de 4,5 heures, obtenant 35 points, atteignant le niveau de la médaille d'or de l'IMO.
En deux ans, l'IA est passée de débutante à médaillée d'or de l'IMO, à une vitesse étonnante.
Mais ce n'est encore que la salle d'examen.
Ce qui a vraiment fait sentir à la communauté mathématique que la marée arrivait, c'est que l'IA a commencé à passer de la « résolution de problèmes » à la « conduite de recherches ».
En 2025, GPT-5 a participé à la résolution du problème n° 848 d'Erdős, proposant l'estimation clé nécessaire à la preuve.
Les mathématiciens l'ont corrigée et resserrée, achevant finalement la preuve complète.
La même année, le mathématicien de l'UCLA Ernest Ryu, avec l'aide de GPT-5, a trouvé une percée pour un problème ouvert qui avait tourmenté la théorie de l'optimisation pendant 40 ans.
À ce stade, l'IA ne se contente plus de calculer des réponses ; elle commence à apporter des idées clés.
Puis, en 2026, une série de grands problèmes mathématiques ont commencé à connaître des percées.
Le premier à lâcher la bombe fut encore OpenAI.
Un modèle de raisonnement général interne a ciblé le problème de la distance unité dans le plan. Ce problème a été proposé par le mathématicien Paul Erdős en 1946, étudiant combien de paires de points à distance exactement 1 peuvent être maximisées en plaçant n points dans le plan.
Pendant près de 80 ans, la communauté mathématique a généralement cru que des constructions comme les grilles carrées étaient proches de l'optimal.
Mais l'IA a directement apporté un ensemble d'outils provenant de la théorie algébrique des nombres apparemment sans rapport, construisant un ensemble de points entièrement nouveau, renversant cette conjecture de longue date.
La preuve complète a ensuite été vérifiée par des mathématiciens externes.
OpenAI a déclaré que c'est la première fois qu'une IA générale résout de manière autonome un problème ouvert d'importance significative dans une branche des mathématiques.
Immédiatement après, Anthropic a également fait un geste.
En juillet 2026, le mathématicien d'Anthropic Levent Alpöge, avec l'aide de Claude Fable 5, a trouvé un contre-exemple explicite à la conjecture jacobienne.
Une conjecture qui avait tourmenté la communauté mathématique pendant 87 ans a ainsi été réfutée par l'IA du jour au lendemain.
Il y a même eu des efforts conjoints des deux entreprises (OpenAI et Anthropic).
Il y a quelques jours à peine, GPT-5.6 et Fable 5 ont fait équipe pour résoudre un problème mathématique resté ouvert pendant 25 ans.
(Il y a trop d'histoires similaires...)
Mais le plus exagéré est Google ; DeepMind transforme cette percée en chaîne de montage.
Son agent mathématique Aletheia ne se contente plus de générer une réponse une fois, mais propose à plusieurs reprises des preuves, vérifie les failles, se renverse lui-même, puis cherche de nouvelles voies.
DeepMind l'a utilisé pour scanner 700 problèmes ouverts dans la base de données de conjectures d'Erdős.
Parmi eux, l'IA a résolu indépendamment 4 problèmes non résolus et a également contribué à de multiples résultats mathématiques de qualité de papier.
Cette tentative montre que l'IA a commencé à rechercher à grande échelle les zones vierges du monde mathématique.
Il n'est donc pas difficile d'imaginer :
Ce n'est qu'une question de temps avant que l'IA ne résolve d'autres problèmes mathématiques majeurs.
De la résolution de problèmes à la conduite de recherches, de la récitation de connaissances connues à la proposition de réponses inconnues, le 37e coup dans le domaine des mathématiques est joué les uns après les autres.
Trouver le 78e coup de l'humanité
Et face à ce moment qui devrait bientôt arriver, l'humanité devra sans aucun doute faire face à une question introspective :
Si l'IA continue de faire de nouveaux coups auxquels les humains n'ont jamais pensé, que doivent faire les humains ?
Le 78e coup apparu lors de ce match il y a dix ans pourrait être la réponse.
Dans la quatrième partie du match en cinq manches, Lee Sedol, qui avait déjà perdu trois manches consécutives, a inséré une pierre blanche au centre de la formation d'AlphaGo.
Ce coup s'écartait également de la norme, et AlphaGo estimait la probabilité qu'un humain le joue à seulement une sur dix mille.
Par la suite, la machine a perdu son sang-froid.
Lee Sedol a finalement remporté la seule victoire de l'humanité, et le 78e coup a depuis été appelé le « Coup de Dieu ».
Cette victoire ne signifiait pas que les humains avaient de nouveau vaincu l'IA.
Mais elle montrait au moins que les humains peuvent, après avoir compris la machine, trouver le prochain coup que la machine n'avait pas anticipé.
C'est précisément la leçon que le 78e coup laisse pour aujourd'hui.
Alors que l'IA devient de plus en plus apte à fournir des réponses, la valeur humaine se déplacera davantage vers la formulation de questions, la détermination de l'orientation et la décision de savoir quelles réponses méritent réellement d'être recherchées.
Empruntant le concept de « centaure » aux échecs, cela signifie que des joueurs humains et des moteurs informatiques travaillent ensemble.
p.s. Après que « Deep Blue » d'IBM a vaincu le champion du monde Garry Kasparov en 1997, Kasparov a préconisé et organisé le premier « Tournoi de centaures » en 1998, explorant les possibilités de collaboration homme-IA.
Hassabis estime que la science entre dans une « ère du centaure » similaire :
Nous entrons dans une ère de collaboration homme-machine, et je ne sais pas combien de temps durera ce cycle. Mais pour des domaines très complexes, cela pourrait être long. Par exemple, la découverte de médicaments, la biologie, la chimie, etc. Ces domaines sont très complexes, avec des conditions changeantes, et tout ne peut pas être vérifié. C'est là que l'intuition et la perspicacité humaines sont nécessaires pour décider de la direction à suivre.
L'évolution ultérieure du jeu de Go a déjà prouvé ce point.
Après l'apparition d'AlphaGo, l'IA est rapidement devenue un outil de révision pour les joueurs professionnels. Les joueurs pouvaient utiliser l'IA pour réexaminer les joseki passés, découvrir quelles expériences étaient en réalité peu fiables, et aussi étudier de nouveaux coups autrefois considérés comme déraisonnables.
Une étude analysant plus de 5,8 millions de coups de joueurs professionnels a constaté :
Après l'émergence de la super-IA, la qualité des coups des joueurs humains s'est considérablement améliorée, et les coups novateurs ont également augmenté.
Cependant, il y a un autre aspect à considérer :
Les gens commencent à compter sur l'IA pour obtenir des réponses, perdant progressivement la capacité de juger les réponses.
Comme l'a dit Lee Sedol lors de sa retraite, face à un adversaire qu'il ne pouvait pas vaincre, il lui était difficile de continuer à apprécier le jeu de Go qu'il aimait autrefois.
C'est peut-être le problème le plus préoccupant de l'ère de l'IA.
Alors que de plus en plus de domaines au-delà des mathématiques sont influencés par l'IA, des systèmes plus puissants nous rendront-ils plus créatifs, plus efficaces et plus humains ?
Ou bien feront-ils que les gens abandonnent leurs efforts ?
À l'avenir, l'IA continuera de jouer le 37e coup.
La question qui reste est de savoir si les humains peuvent trouver leur propre 78e coup.
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 sur les technologies de pointe
