Vingt-cinq lauréats de la Médaille Fields — la chose la plus proche d'un prix Nobel en mathématiques — ont co-signé un avertissement concernant l'IA. Le réflexe d'internet s'est écrit tout seul : l'ancienne garde a peur. Des experts défendant leur autorité. Des luddites avec tenure.
Puis vous ouvrez la déclaration, et le réflexe meurt.
Cela commence par créditer l'IA. Au cours des derniers mois, de grands modèles de langage ont résolu des problèmes ouverts significatifs dans plusieurs domaines des mathématiques. Pas de réserve, pas de déni. Les personnes les mieux qualifiées pour vérifier le travail sont celles qui confirment qu'il est valide.
L'avertissement vient après la victoire, pas contre elle. Leur propre mot pour le problème est dans le titre : un désalignement sérieux.Les entreprises d'IA optimisent pour des réponses. Les mathématiques existent pour produire de la compréhension. Ce ne sont pas le même produit.
TL;DR :La déclaration n'est pas anti-IA — son signataire principal teste des modèles de pointe pour gagner sa vie. La véritable affirmation : les célèbres problèmes non résolus sont des phares, pas des sommets. Leur valeur réside dans la navigation qu'ils imposent et les outils construits en cours de route — le dernier théorème de Fermat a produit 350 ans de machinerie de théorie des nombres sur laquelle nous fonctionnons encore aujourd'hui. L'IA résout maintenant le problème et saute le voyage, livrant des preuves qui ajoutent à peu près zéro connaissance. La ressource la plus rare est "les étudiants et les idées" — dans cet ordre — et l'apprentissage par l'apprentissage s'effondre lorsque les réponses sont gratuites. C'est la loi de Goodhart appliquée au tableau de bord d'une civilisation entière, et le même désalignement arrive pour chaque industrie du savoir. Y compris la mienne.
Je suis James, PDG de Mercury Technology Solutions. De Cyberport, Hong Kong — 15 septembre 2026. Mon entreprise construit des ponts IA-humains pour les entreprises, donc une déclaration des meilleurs mathématiciens du monde décrivant l'écart entre la sortie des machines et la compréhension humaine n'est pas une abstraction pour moi. C'est la spécification du produit. Plus d'informations à ce sujet ci-dessous.
L'homme qui a posté l'alarme
Terence Tao a publié la déclaration sur son blog le 11 septembre. Rappelez-vous avec qui vous avez affaire : Tao a été invité dans des laboratoires d'IA de pointe pour tester leurs modèles les plus puissants en mathématiques, et il a été sur YouTube à expliquer comment il utilise l'IA pour résoudre des problèmes en direct. Il est plus natif de l'IA que la plupart des personnes qui construisent les modèles.
Et sur le même blog, le même jour, il a publié une deuxième chose : l'annonce d'un défi ouvert autour d'un problème non résolu depuis des décennies — la conjecture d'Andrews-Curtis — qu'il aide à organiser, et dont les règles accueillent explicitement les outils d'IA.
Même homme. Même jour. Une alarme dans un post, une invitation aux machines dans l'autre. "Protéger le territoire" ne peut pas expliquer cette combinaison. Ce qui l'explique, c'est une distinction : il accueille l'outil et rejette le tableau de bord.
Les vingt-cinq premiers signataires sont tous des médaillés Fields, la liste est ouverte à d'autres, et les noms incluent le médaillé de 2026 Deng Yu de Chine. Ce ne sont pas des personnes dont la pertinence s'estompe.
À quoi servent réellement les problèmes célèbres ?
Les outsiders voient les célèbres problèmes non résolus comme des sommets. Le dernier théorème de Fermat, l'hypothèse de Riemann, la conjecture des jumeaux premiers — des montagnes, et celui qui plante le drapeau en premier gagne. Question close.
La déclaration les appelle des repères et des phares. Cette métaphore est tout l'argument, alors prenez-le lentement. Un sommet est une destination. Un phare est une direction. Il se tient au bord d'une eau que personne n'a traversée, et sa fonction entière est d'envoyer des navires là-bas — et en chemin, les navires construisent des choses.
Le dernier théorème de Fermat a pris trois siècles et demi. Wiles l'a clôturé en 1994. Mais le drapeau n'est pas ce que nous avons gardé. Ce que nous avons gardé, c'est la machinerie — des champs entiers de théorie des nombres algébriques développés en cours de route, encore utilisés quotidiennement dans les mathématiques et la cryptographie. Si vous ne regardez que la preuve finale, vous ne pouvez pas voir à quel point la discipline a réellement avancé. Le problème n'a jamais été le point. Le voyage était le point, et le voyage a laissé une infrastructure.
Naviguer par un phare et dévisser l'ampoule sont deux choses différentes. L'ampoule vous donne de la lumière. Le phare vous donne une côte.
La preuve de dix millions de lignes dont personne n'avait besoin
La plus claire explication que j'ai trouvée ne venait pas des vingt-cinq mais d'un mathématicien dans les commentaires. Prenez la conjecture des nombres premiers jumeaux — toujours non prouvée, pourtant tout le monde dans le domaine la croit vraie et sait à peu près pourquoi. Maintenant, donnez à ce mathématicien une preuve de dix millions de lignes, vérifiée par machine.
Ses connaissances augmentent d'environ zéro.
Le seul nouveau fait est que l'IA l'a maintenant prouvé. "Et alors ?" Même avec chaque étape vérifiée par machine, un humain doit encore le lire, le digérer, le comprendre — avant que quiconque puisse s'appuyer dessus. Ce travail ne se compresse pas. Ce n'est pas un reçu que vous collectez ; c'est le produit lui-même.
Nous avons déjà réalisé cette expérience. En 2002 et 2003, Grigori Perelman a publié trois prépublications brutalement concises prouvant la conjecture de Poincaré vieille de cent ans — pas de journal, pas d'argument poli, des étapes sautées. La réponse était sur Internet public, gratuite et correcte, pendant trois ans tandis que plusieurs équipes de mathématiciens comblaient chaque lacune, produisaient des centaines de pages d'arguments détaillés et animaient séminaire après séminaire. Vers 2006, le résultat appartenait enfin aux mathématiques.
Remarquez ce que cela signifie : la réponse existait en 2003. La compréhension est arrivée en 2006. Seule la seconde compte, car seule la compréhension peut porter le résultat suivant.Une preuve que personne ne comprend n'entre pas dans les mathématiques. Elle entre dans les archives.
Des étudiants avant des idées
La ligne la plus radicale de la déclaration : la ressource la plus précieuse du domaine est "les étudiants et les idées" — dans cet ordre.
Voici la pratique derrière cette ligne. Les conseillers en mathématiques assignent délibérément aux étudiants des problèmes dont la réponse est déjà connue — parfois des problèmes résolus et publiés dans la littérature il y a des décennies. La réponse n'a jamais été la tâche. La tâche est les trois jours coincés devant un mur, les mauvais tournants, le moment de 3h du matin où deux idées se soudent enfin. C'est ainsi que les outils sont appris — sous pression — et ces outils doivent porter quarante ans de recherche.
L'IA place maintenant la réponse sur la table en plein milieu de la lutte. Les étudiants la prennent. Bien sûr qu'ils la prennent ; moi aussi je le ferais. Coincé pendant trois jours alors qu'un indice correct est à un prompt, et le mouvement sensé est de refuser ? Non.
La déclaration ne blâme pas les étudiants. Elle blâme le système de notation. Lorsque toute une industrie évalue l'IA en fonction du nombre de problèmes célèbres qu'elle résout, tout ce qui en découle s'optimise vers l'annonce et s'éloigne de la compréhension. Les classements peuvent mesurer la rapidité, la justesse, la comparabilité. Ils ne peuvent pas mesurer "écrit pour que d'autres puissent le suivre", "méthodes que d'autres peuvent réutiliser", "un étudiant qui est sorti de l'autre côté plus fort."C'est le désalignement : la chose qui est optimisée et la chose qui est réellement précieuse se sont séparées.La loi de Goodhart, étendue d'une métrique à une civilisation.
Pourquoi une entreprise d'IA devrait écouter
Le principe fondateur de Mercury est que le dernier kilomètre de l'IA est humain — qu'une grande part de valeur est perdue dans l'écart entre ce que la machine produit et ce que l'humain absorbe. Les mathématiciens sont simplement le cas le plus pur : leurs réponses prennent le plus de temps à digérer, donc ils ressentent l'écart en premier.
Mais le modèle n'est pas seulement le leur. Le rapport que personne ne lit. Le tableau de bord en qui personne n'a confiance. L'analyse IA que l'exécutif ne peut défendre devant le conseil sans interprète. La production n'est pas la compréhension — dans n'importe quelle industrie. Alors que les modèles fournissent des réponses à la vitesse de la machine, la compréhension devient le goulot d'étranglement de chaque organisation qui les touche. Ce que nous mesurons pour les clients est essentiellement le rendement des réponses : combien de ce que la machine produit se convertit en décision humaine et en capacité. Les lauréats de la Médaille Fields ont vécu à l'extrémité difficile de cette courbe toute l'année.
Et ils concluent avec retenue. Ils n'accusent personne d'avoir tort. Ils disent : ce que cette technologie devient dépend de l'endroit où les personnes qui la contrôlent la dirigent — et les mathématiques ne sont que le premier métier où les réponses ont commencé à arriver plus vite que la compréhension.
Que faire à propos du désalignement
Pour les constructeurs d'IA : arrêtez de benchmarker les réponses seules. Ajoutez les métriques de compréhension. Un humain compétent peut-il vérifier la production dans un délai raisonnable ? Un non-expert a-t-il appris quelque chose de réutilisable à partir de cela ? Un modèle qui prouve ce que personne ne peut digérer a été optimisé pour un communiqué de presse.
Pour les dirigeants : protégez l'apprentissage par l'expérience intentionnellement.Conservez les problèmes à réponse connue dans le programme — la lutte est le contenu. Évaluez les équipes sur ce qu'elles peuvent expliquer, pas sur ce qu'elles peuvent suggérer.
Pour quiconque acquérant de l'IA en ce moment : posez la question des mathématiciens avant de signer. Quand la machine a raison, qu'est-ce que mon équipe gagne réellement ? Si la réponse du fournisseur est seulement "rapidité", vous avez acheté une ampoule, pas une côte.
Arrêtez de noter les réponses. Commencez à noter la compréhension.
Vingt-cinq médaillés ne stopperont pas la course de référence — les mathématiques sont trop bonnes pour le raisonnement machine, et les laboratoires le savent. Mais ils ont écrit la description la plus précise à ce jour du commerce que toute l'économie est sur le point de faire. Les navires viennent d'apprendre à dévisser les phares. Que quelqu'un sache encore où se trouve la côte est maintenant un problème de gestion.
Mercury Technology Solutions : Accélérez la digitalité.