Les mathématiques à l'ère de l'IA : la conférence publique de Terence Tao à l'ICM 2026
Dans sa conférence au Congrès international des mathématiciens 2026, Terence Tao aborde la manière dont la communauté mathématique devrait réagir face aux capacités croissantes de l'intelligence artificielle. Il introduit une « hypothèse de capacité de l'IA » et propose une hypothèse de travail selon laquelle les outils d'IA traiteront bientôt une part importante des tâches mathématiques de niveau recherche. Tao soutient que, même si cette hypothèse se vérifie, la communauté doit soigneusement reconsidérer ses objectifs et ses valeurs pour éviter la loi de Goodhart.
Terence Tao a donné une conférence publique intitulée « Les mathématiques à l'ère de l'IA » le 24 juillet 2026, lors du Congrès international des mathématiciens. Il établit un parallèle avec la crise fondatrice du début du XXe siècle provoquée par le paradoxe de Russell et les théorèmes d'incomplétude de Gödel, suggérant que l'IA pose désormais un défi similaire. Tao formule une « hypothèse de capacité de l'IA » avec des formes faible et forte, mais choisit de se concentrer sur la question orthogonale des objectifs et des valeurs. Il adopte une hypothèse de travail selon laquelle une version raisonnablement forte de l'hypothèse de capacité de l'IA est vraie : les outils d'IA seront bientôt capables d'effectuer une part raisonnable des tâches mathématiques de niveau recherche avec un succès, une qualité, un contrôle et un coût raisonnables. Sous cette hypothèse, il soutient que la communauté doit examiner ses véritables objectifs (résoudre des problèmes, construire des théories, éduquer, créer des œuvres esthétiques) et avertit que l'optimisation pour des solutions générées par l'IA risque de faire diverger ces objectifs. Il cite les résultats du défi First Proof (firstproof.org), où sept problèmes sur dix au niveau recherche ont été résolus par des équipes d'IA à des coûts de 10 à 1000 dollars par problème le 28 mai 2026. Tao note que les preuves générées par l'IA sur des sites comme Erdős Problems soulèvent des préoccupations de vérification, car les experts humains manquent souvent de temps ou de qualification pour les valider.
Source: Habr — хаб ML —
original
