Les mathématiques n’ont pas de compilateur
Quatre mathématiciens ont ouvert un blog pour dire ce que l’IA change à leur travail. La discipline se croit protégée par la démonstration et la relecture par les pairs. Or elle travaille sur le même objet que l’informatique, construit étape par étape, mais sans les outils qui, en informatique, permettent de refuser une erreur sans effort. C’est cette facilité à refuser, plus que la confiance, qui explique ce que j’arrive à produire aujourd’hui avec un assistant.
J’ai lu Proofs and Prompts, un blog ouvert par des mathématiciens le 7 août. J’y ai d’abord remarqué que le problème posé est aussi le mien, plus encore que ce qui s’y dit de l’IA.
Quand on a une formation scientifique, on garde l’idée qu’écrire du code revient à écrire des formules. L’idée est fondée : un programme et une démonstration se construisent de la même façon, ligne après ligne, chacune s’appuyant sur la précédente. Les mathématiques sont donc un métier voisin, et le débat qui s’y tient en ce moment nous concerne directement.
Cette parenté porte un nom : la correspondance de Curry-Howard. Une proposition est un type, une démonstration est un terme de ce type, et démontrer revient à construire une valeur. L’implication correspond à la flèche des fonctions, le modus ponens à l’application d’une fonction à son argument, l’enchaînement des lemmes à la composition.
-- A proposition is a type, and a proof of it is a term of that type.
-- Modus ponens: from an implication and its premise, conclude.
theorem modus_ponens (A B : Prop) (h : A -> B) (a : A) : B := h a
-- The same term read as a program: given a function and an input,
-- apply one to the other. Nothing changed but the reading.
def apply {alpha beta : Type} (f : alpha -> beta) (a : alpha) : beta := f a
-- Both elaborate to the identical core term. The typechecker that
-- accepts the second is the one that certifies the first.Ce n’est pas seulement une analogie de notation. C’est pourquoi un assistant de preuve fonctionne comme un compilateur : Lean, Rocq et les outils semblables vérifient une démonstration comme un langage typé vérifie un programme, en contrôlant que chaque terme a bien le type annoncé. Un mathématicien qui formalise écrit son travail sous la seule forme qu’une machine puisse rejeter.
Les auteurs du blog s’inquiètent moins des erreurs actuelles des modèles que de celles qui viendront. Shmuel Weinberger raconte en avoir interrogé plusieurs sur les racines cubiques de 2 dans différents corps premiers. Ils trouvent la bonne théorie, celle du corps de classes, puis inventent des critères faux. L’un s’excuse, explique que son critère ne valait que pour les nombres premiers assez grands, reconnaît ne pas savoir à partir duquel, et propose de passer aux théorèmes ineffectifs en arithmétique. Il inventait, et cela se voyait, ce qui explique que l’épisode n’inquiète pas Weinberger. Ce qui l’inquiète, c’est la suite.
« Il pourrait être simplement optimisé pour commettre des erreurs bien plus difficiles à trouver. »
Cette phrase porte sur la détectabilité des erreurs plus que sur la fiabilité, et les deux n’évoluent pas ensemble. Un modèle entraîné à produire ce qu’un relecteur accepte est entraîné à passer la relecture, ce qui ne garantit pas qu’il ait raison. La proportion d’erreurs détectées peut donc baisser en même temps que le taux d’erreur : moins de fautes, mais mieux cachées.
Face à ce risque, la démonstration et la relecture par les pairs sont considérées comme une protection suffisante. Sur ce point, je ne suis pas d’accord.
Le travail est le même, un objet formel construit étape par étape, mais sans les outils. Aucun système de types ne rejette un article. Aucune intégration continue ne s’exécute sur un lemme. Aucun git blame n’indique quel relecteur a laissé passer l’étape qui s’est révélée fausse. Une démonstration est lue une fois, en prose, par trois personnes, puis elle est tenue pour acquise.
Les deux systèmes diffèrent sur presque tout. La vérification mécanique est exhaustive : elle porte sur chaque ligne, et pas seulement sur celles qui ont suscité un doute. Elle est reproductible, avec le même verdict à chaque exécution, quels que soient le moment ou la personne. Elle est refaite en entier à chaque modification, si bien qu’un changement fait aujourd’hui ne peut pas invalider sans bruit un raisonnement admis il y a deux ans. Enfin, elle est nominative : l’historique indique qui a écrit et qui a approuvé. La relecture par les pairs, à l’inverse, est partielle, unique, humaine et anonyme.
Une précision est nécessaire, sans quoi ce qui précède serait faux : ces outils existent en mathématiques, et les résultats sont impressionnants. Terence Tao formalise en Lean depuis 2023. Tao a découpé la conjecture de Freiman-Ruzsa en lemmes de cinq lignes pour que des contributeurs inconnus puissent chacun en prendre un, et le travail a été achevé en trois semaines. Le projet suivant porte sur 4 694 lois algébriques et vingt-deux millions d’implications. Mais cela ne concerne qu’une part infime de ce qui est publié, et demande un travail de formalisation que personne ne fait pour un article ordinaire. La plupart des publications relèvent de l’autre système.
Il en découle une conséquence que le blog ne formule pas : la crainte de Weinberger concerne davantage les mathématiques que l’informatique. Quand le seul contrôle est un lecteur, un texte conçu pour convaincre un lecteur passe forcément ce contrôle. Un compilateur, lui, ne lit pas, ne se fatigue pas et ne se laisse pas convaincre.
Ces outils sont ce qui me permet de produire davantage avec un assistant que sans. Je ne fais pas confiance à ce qu’il produit, mais rejeter une mauvaise réponse ne coûte rien et ne gêne personne. Le système de types, le compilateur et les tests l’écartent en quelques secondes, et j’accepte donc vite, quitte à me tromper souvent.
C’est en fait une stratégie de recherche, qui a une condition. Proposer beaucoup puis trier n’est rentable que si le tri coûte beaucoup moins cher que la proposition. Tant que rejeter prend quelques secondes de calcul et qu’accepter à tort coûte un redéploiement, le calcul est favorable, et l’on peut tolérer un taux d’erreur élevé en entrée. Si rejeter demande une demi-heure de lecture attentive, le même flux devient une charge, et le relecteur devient le point de blocage, celui-là même que Weinberger décrit comme une cible pour l’optimisation.
Il faut le dire avant qu’une direction ne décide d’accélérer une équipe en allégeant les tests et la revue : la vitesse vient de ces vérifications. Les retirer en augmentant la cadence supprime ce qui rendait la cadence soutenable, sans la culture de la démonstration qui pourrait compenser. Sur le même blog, Martin Hairer demande de ne jamais recopier une réponse telle quelle, mais de comprendre l’argument et de le réexpliquer avec ses propres mots. En développement, la règle équivalente tient en une phrase : on répond de ce qu’on fusionne comme si on l’avait écrit soi-même.
Ces vérifications ont une limite, et je l’ai constatée à mes dépens. Le 28 juillet 2026, ce site a été mis en ligne avec une ligne de configuration qui désignait comme adresse de référence une URL renvoyant une erreur 404 sur toutes ses pages. Chaque page indiquait donc aux moteurs de recherche que sa version de référence se trouvait ailleurs, et le site n’a probablement jamais été indexé. Le projet compilait, le typage passait, le vérificateur de charte ne trouvait rien, l’intégration continue était au vert, la page s’affichait et le lien était bien formé. Cela a duré trois jours, jusqu’au 31.
Tout ce que je sais vérifier automatiquement porte sur la forme, et la forme était correcte. C’est la valeur qui était fausse, et aucune vérification automatique ne juge une valeur. Lean n’aurait rien signalé non plus : un assistant de preuve garantit qu’une démonstration est valide, pas qu’elle porte sur le bon énoncé. La correspondance de Curry-Howard s’arrête là : elle certifie le passage des hypothèses à la conclusion, sans rien dire de la valeur des hypothèses.
Une bonne part du travail ne s’exécute pas : une adresse de référence, une note d’architecture, un message de commit, un README, la description d’un produit, la version d’une bibliothèque supposée dans un exemple, la licence d’un code recopié, une cible de redirection, un nom de variable d’environnement, le nom d’un projet chez un hébergeur. J’ai d’ailleurs affirmé qu’un tel projet existait alors qu’une commande de deux secondes montrait le contraire, et le sous-domaine est resté inaccessible le temps de le créer. Tous ces énoncés portent sur ce qui est extérieur au programme, c’est-à-dire sur ce qu’un système de types ne peut pas vérifier.
Pour ces énoncés, accepter vite redevient coûteux, parce que rejeter redevient manuel. C’est le seul endroit où je ralentis volontairement : toute affirmation sur l’extérieur (une adresse, un nom, une version, une date, l’existence d’une ressource) est vérifiée par une commande ou à la source avant d’être écrite, et non plus tard en revue. C’est plus lent.
Le reste du blog nous concerne plus que je ne le pensais. Des mathématiciens en début de carrière quittent la recherche, alors que les tâches qui les formaient sont justement celles que l’outil fait le mieux. Un corpus entier a servi à l’entraînement sans que personne ait été consulté. Tous les développeurs que je connais ont eu une version de cette discussion cette année, et je n’ai pas de réponse à la première question : les exercices par lesquels on apprenait un système sont les premiers qu’on délègue, et je ne vois pas ce qui peut remplacer le temps passé à les faire.
L’un des arguments du blog est que les mathématiques s’apprennent devant un tableau, en discutant avec quelqu’un, et que déléguer à un modèle supprime discrètement cette part. Cet argument m’a touché pour une autre raison : nous l’avions déjà en grande partie perdue avec le travail à distance, des années avant l’IA. Moins de gens qui regardent le travail des autres, moins de questions posées à voix haute, et une part croissante du métier exercée seul, face à une fenêtre de conversation. L’assistant n’en est pas responsable, mais il ne compense rien non plus. Il répond toujours, et ne demande jamais pourquoi on s’y prend de cette manière, alors qu’un collègue le ferait.
L’informatique a aussi quelque chose à apporter aux mathématiques. Le contrôle de version, les circuits de revue, un historique signé et traçable, qu’il passe par git ou par un système proche d’une chaîne de blocs, pourraient servir à la publication mathématique. Une démonstration a des versions, des contributeurs, des dépendances envers d’autres résultats, et elle devient invalide quand un résultat dont elle dépend l’est. Un gestionnaire de versions sait représenter tout cela, contrairement à la publication sous forme d’articles.
Un premier exemple existe déjà, et il vient de l’informatique : la bibliothèque mathématique de Lean est un dépôt git, avec des demandes de fusion, une revue et une intégration continue qui revérifie tout à chaque changement. Un résultat qui invalide un lemme ailleurs dans la bibliothèque est détecté le jour même. C’est la méthode du développement logiciel appliquée aux mathématiques, et elle fonctionne, mais seulement pour la partie déjà formalisée.
Les fondations de ces outils viennent d’ailleurs des mathématiques, bien avant leur application au code : les fonctions de hachage, les arbres de Merkle, les signatures et les courbes elliptiques qui garantissent nos historiques infalsifiables ne doivent rien à l’ingénierie. Je suis surtout curieux de ce qu’en fera la théorie des catégories, dont nos langages tirent une bonne partie de leur vocabulaire, et qui parle déjà aux deux disciplines.
Tasmin Chu défend sur le blog un argument moral radical : développer ces modèles serait le projet Manhattan de notre époque, et les mathématiciens qui travaillent avec les laboratoires contribueraient à fabriquer le consentement. Je ne le reprends pas à mon compte. Ce n’est pas qu’il soit absurde, mais j’utilise ces outils tous les jours, y compris pour écrire ce site, et le condamner ici serait une posture. Sa phrase la plus dure répond à sa propre concession : rien n’indique que la moralité d’un acte ait le moindre rapport avec la facilité de l’accomplir. Je la laisse sans réponse, faute d’en avoir une qui ne m’arrange pas.
Je ne traite pas non plus la question de savoir si ces vérifications tiennent à grande échelle. Tout ce qui précède suppose une base de code entretenue : des tests qui existent, un système de types qui contraint, une revue qui a lieu. Sur une base qui n’a rien de cela, mon raisonnement s’inverse : le code devient plus exposé que la démonstration, sans la culture qui pourrait compenser. Je ne sais pas amener assez vite une base ancienne à ce niveau, et c’est pourtant la condition de tout le reste.
Enfin, je ne prétends pas décrire une discipline qui n’est pas la mienne. Quatre billets en cinq jours ne donnent pas l’état d’une profession, les positions exprimées dépendent surtout de qui a écrit le premier, aucun des auteurs ne parle de logiciel, et la comparaison faite ici n’engage qu’un développeur qui lit les mathématiciens de l’extérieur.
- Proofs and Prompts
- Shmuel Weinberger · What I feel like when I work with an AI
- Martin Hairer · Writing mathematics in the age of AI
- Tasmin Chu · The AI dissenter viewpoint
- Srivatsav Kunnawalkam Elayavalli · Why do mathematics in the age of AI
- Terence Tao · Mathematics in the age of AI, planches du Congrès international des mathématiciens 2026
- mathlib · la bibliothèque mathématique de Lean
- Où vit une consigne · le même problème, côté outillage