Cédric Villani : « La construction de grandes infrastructures d’IA ouvertes et transparentes est une urgence »

Cédric Villani, mathématicien et médaille Fields 2010, professeur des universités et membre de l’Académie des sciences, répond à nos interrogations sur les bénéfices et les risques de l’IA pour la recherche.

Comment appréhendez-vous l’IA pour la recherche scientifique ?

Cédric Vallani

Mathématicien, médaille Fields 2010, professeur des universités et membre de l’Académie des sciences

L’intelligence artificielle classe, explore, raboute, combine des éléments d’information, leur fait passer toutes sortes de filtres et d’opérations. Elle peut faire des explorations dans des corpus gigantesques, surhumains ; elle peut présenter de façon pédagogique des résultats compliqués ; le Giec ne se prive d’ailleurs pas de l’utiliser.

L’IA peut effectuer des diagnostics par rapprochement d’indices ; cela fait longtemps qu’elle excelle dans le diagnostic médical, mais elle peut aussi analyser des images satellites ou biomédicales, chercher des corrélations entre des courbes… bref, aller à la pêche à « quelque chose d’intéressant », que ce soit une irrégularité anormale ou une régularité anormale, et cela est souvent le point de départ d’une découverte ou d’une théorie scientifique.

Maintenant, l’IA peut également effectuer des vérifications dans un raisonnement, proposer des pistes, suggérer des programmes de recherche entiers, par analogie certes avec des choses déjà effectuées, mais cela déjà est énorme…

Et pour l’enseignement, quels sont les atouts et les dangers de l’IA ?

À l’élève motivé, l’IA apporte des moyens personnalisés de se développer, de se perfectionner, comme cela se fait depuis des années en langues. L’IA peut aussi fournir des références innombrables, faire des évaluations, suggérer des pistes. Se donner comme objectif de « faire mieux que l’IA » peut être motivant et intéressant.

Mais à l’élève manquant de motivation, l’IA sape la volonté et la concentration, et de façon générale sa promesse de paresse va à contre-courant de toute la philosophie de l’enseignement, où la clé est de se dépasser, d’étirer ses capacités pour se développer.

L’expérience a montré, ces deux dernières années, une augmentation en flèche du recours à l’IA pour faire les devoirs dans toutes les matières ; mais croire que l’on va progresser en dissertation en examinant le résultat proposé par l’IA, c’est un peu comme penser que l’on va progresser en course en faisant le trajet en voiture.

Est-ce que l’IA menace en profondeur les mathématiques ?

L’IA est nouvelle venue dans le champ d’application mathématique. Mais quel développement ! Il y a deux ans, c’était le niveau d’un lycéen, et à partir du printemps 2026, elle offrait des démonstrations de problèmes de recherche importants, culminant avec la publication, le 8 septembre, de la solution de deux problèmes extrêmement célèbres en mécanique des fluides.

« Le mot de cataclysme n’est pas trop fort. »

Au-delà de cet exemple historique, aujourd’hui, les logiciels commerciaux d’OpenAI et d’Anthropic produisent routinièrement, industriellement, des preuves mathématiques de bon à très bon niveau technique, et parfois avec des arguments magnifiques. Grave chamboulement sur toute la chaîne de l’évaluation.

Comment motiver les étudiants qui se disent que quelque part, quelqu’un va écrire le prompt correspondant à leur sujet et gagner tout le crédit de la découverte ? Comment recruter en sûreté ? La dévaluation de l’article par surabondance, la perte de sens derrière la multiplication foisonnante, l’érosion de l’art de la démonstration face à la puissance inhumaine de la machine…

Ce sont là des problèmes qui touchent déjà l’industrie culturelle en général, et que nous autres mathématiciens, habitués au temps très long, nous sentant à l’abri des soubresauts du monde, ne nous attendions pas du tout à vivre si tôt. Le mot de cataclysme n’est pas trop fort.

Comment faut-il réguler l’IA et à quelle échelle ?

Comment, nous ne savons guère… mais à très grande échelle. L’AI Act européen est un bon corpus de régulation, à mettre en œuvre… mais il ne touche que l’Union européenne. Pour ce qui est des usages, nous avons besoin de temps, d’une pause pour comprendre comment faire évoluer notre pratique et continuer à cultiver nos ressources majeures : étudiants, problèmes, idées.

Mais quand les majors américaines, elles aussi prises dans une compétition épuisante, tentent de négocier une pause, le président des États-Unis les rappelle à l’ordre : elles doivent travailler jusqu’à épuisement pour garder l’avance sur les IA chinoises !

De leur côté, les Chinois se disent qu’il est hors de question de laisser les entreprises américaines seules maîtresses du jeu ; cela est d’ailleurs dit dans un émouvant texte du programmeur Liu Shengyu, mélancolique à la pensée que son grand talent en programmation ait ouvert la voie à la fin de son propre art.

Pour la communauté mathématique, passe encore que toute la discipline soit chamboulée et qu’il faille se réinventer : nous pouvons nous consoler en nous disant qu’il y aura des pépites scientifiques sur le chemin.

Mais se dire que seuls deux géants capitalistes détiennent les infrastructures dont dépend cette réorientation, et que, en prime, les mathématiciens de ces entreprises ont accès à des outils maison encore plus perfectionnés… c’est une situation de dépendance et d’inégalité contraire à tous les principes du monde universitaire.

La construction de grandes infrastructures d’IA ouvertes et transparentes, au moins à l’échelle de l’Europe, est une urgence. Il faut pour cela de l’industrie, des capitaux, de la volonté politique.