Les mathématiciens mettent en garde contre les menaces que fait peser l'IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées,

Dans le cadre d'une déclaration

Les mathématiciens mettent en garde contre les menaces que fait peser l'IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées
Dans le cadre d’une déclaration

Dans une déclaration décrivant les nombreux défis que pose l'intelligence artificielle à la recherche mathématique, des mathématiciens ont mis en garde contre les menaces que fait peser l’IA sur leur profession en inondant le domaine de démonstrations plausibles mais erronées. Cette dernière intervient deux semaines après l'annonce par OpenAI qu'un de ses modèles d'IA avait réfuté une conjecture mathématique vieille de 80 ans en géométrie.

Cette déclaration a été élaborée par un groupe de travail composé de seize chercheurs sur une période de huit mois, à la suite d’une conférence qui s’est tenue à l’université de Leyde, aux Pays-Bas, en septembre 2025. Publiée le 2 juin 2026, la « Déclaration de Leyde sur l’intelligence artificielle et les mathématiques » qui en a résulté a été approuvée par l’Union mathématique internationale, l’organisation non gouvernementale internationale qui organise des conférences et supervise les prix les plus prestigieux en mathématiques, tels que la médaille Fields.

« Les mathématiciens devraient trouver assez frappant que les entreprises technologiques s’intéressent soudainement à leur travail », a déclaré Kevin Buzzard, mathématicien à l’Imperial College de Londres, dans un communiqué. « La Déclaration de Leyde est une réponse mûrement réfléchie à ce qui se passe actuellement, alors que l’IA continue de bouleverser ce domaine. »

La Déclaration de Leyde, qui a déjà recueilli des centaines de signatures, met en garde contre le fait que les récents développements en matière d’IA menacent les « valeurs caractéristiques » de la recherche mathématique, « souvent d’une manière qui affecte de manière disproportionnée les étudiants et les mathématiciens en début de carrière, et donc l’avenir à long terme de la discipline ».


L’essentiel de la déclaration en cinq points

Tout d'abord, elle souligne que les modèles d'intelligence artificielle peuvent « produire des arguments plausibles mais peu fiables (voire erronés) qu'il est difficile de distinguer de preuves mathématiques correctes ». De telles évolutions exercent une pression croissante sur les évaluateurs et « compromettent notre capacité à appliquer les normes traditionnelles en matière d'exactitude, de transparence et de vérifiabilité indépendante des preuves », met en garde la déclaration.

Deuxièmement, la déclaration souligne que « les modèles entraînés à partir d’œuvres publiées produisent souvent des résultats qui ne citent pas correctement les œuvres humaines qu’ils synthétisent », tout en indiquant que de nombreux modèles d’IA actuels ont été entraînés à partir de données obtenues en « exploitant des licences et des accords d’accès » ou en « violant tout simplement les protections du droit d’auteur ».

Troisièmement, la déclaration décrit comment l’utilisation de l’IA « peut être encouragée pour elle-même, perturbant nos mécanismes de recrutement, de financement et de reconnaissance », tout en excluant les chercheurs qui n’y ont pas accès ou qui « ne souhaitent pas utiliser des technologies contrôlées par des organisations dont ils ne partagent pas les valeurs ».

Quatrièmement, la déclaration met en garde contre la recherche en mathématiques « communiquée par des canaux informels tels que des communiqués de presse ou des articles de blog, souvent sans aucun article de recherche ni autre divulgation d’informations nécessaires à une évaluation scientifique ». De telles stratégies de communication peuvent conduire à une « simplification excessive » dans les reportages médiatiques qui surestiment l’importance des outils d’IA au détriment des contributions humaines antérieures, et « utilisent de manière trompeuse des tâches mathématiques spécifiques comme indicateurs des capacités de raisonnement générales des produits commerciaux ».

En cinquième lieu, la déclaration décrit « l'implication croissante des entreprises technologiques dans la recherche mathématique » comme une menace pour « l'autonomie des mathématiques », d'autant plus que les budgets universitaires sont sous pression et que les chercheurs peuvent se sentir davantage incités, sur le plan professionnel, à collaborer avec ces entreprises à des « conditions inégales ». Cela augmente également le risque que la priorité soit donnée aux questions de recherche mathématique se prêtant aux techniques fondées sur l'intelligence artificielle.


La déclaration de Leiden fait suite à une sortie de chercheurs de l’université de Surrey sur le sujet de l’industrie de l’intelligence artificielle qui submerge l’espace scientifique d’études inutiles

Le rapport de l’université du Surrey soulève une question cruciale : l’intégrité de la connaissance scientifique est compromise par la prolifération d’articles générés par l’IA, souvent superficiels et méthodologiquement fragiles. Ces « usines à papier », profitant de bases de données accessibles comme la NHANES, produisent en masse des études biaisées, privilégiant des analyses simplistes à un seul facteur pour des problèmes de santé complexes. Cette pratique, amplifiée depuis 2021, inonde les revues, y compris celles évaluées par les pairs et menace de polluer le corpus scientifique avec des conclusions trompeuses. Si l’évaluation par les pairs reste un rempart, son efficacité est mise à mal par le volume croissant de ces publications et les limites inhérentes au système (évaluateurs non spécialisés, manque de rigueur).

Cette crise révèle aussi des enjeux systémiques : la marchandisation de la recherche, illustrée par des revues prédatrices, et l’instrumentalisation des données par certains acteurs (comme la Chine, devenue majoritaire dans ces publications). Les solutions proposées, vigilance accrue des éditeurs, encadrement des accès aux données, pointent vers une nécessaire réforme. Cependant, elles se heurtent à un paradoxe : l’IA, outil potentiel d’innovation, devient un vecteur de désinformation lorsque détournée par des logiques productivistes ou idéologiques. Ce phénomène s’inscrit dans un paysage plus large où le « slop » IA brouille les frontières entre réalité et fiction, exigeant une réponse collective pour préserver la crédibilité de la science.

La vérité scientifique noyée dans un océan de faux-semblants

Ces études mettent en lumière une crise systémique qui dépasse largement la simple question des publications générées par l'IA. Le problème révèle en réalité les failles structurelles d'un système académique où la quantité prime souvent sur la qualité, où les indicateurs de performance biaisés (nombre de publications) l'emportent sur l'impact scientifique réel. La croissance exponentielle de ces articles "low cost" - multipliés par 47 en trois ans - montre comment l'IA vient exacerber des dérives existantes plutôt qu'elle ne crée un problème nouveau.

L'évaluation par les pairs, souvent présentée comme rempart absolu, montre ses limites face à ce tsunami. Comme le soulignent certains commentaires, le système repose sur le bénévolat de chercheurs surchargés, parfois peu spécialisés sur le sujet évalué, et totalement dépassés par le volume croissant de soumissions. L'argument selon lequel "les bonnes revues filtrent" ne tient plus lorsque même des publications réputées se font piéger par des articles plausibles mais creux. Le cas chinois est particulièrement révélateur : cette concentration géographique suggère l'existence de véritables "usines à publications" institutionnalisées, répondant à des impératifs bureaucratiques (classements universitaires, financements) plutôt qu'à une authentique démarche scientifique.

Le vrai danger réside dans la contamination progressive du corpus scientifique par ce que l'on pourrait appeler une "pollution académique". Contrairement aux fake news ordinaires, ces articles possèdent toutes les apparences de la légitimité scientifique : méthodologie (simpliste mais présentable), données réelles (mais triturées), revues à comité de lecture (parfois prédatrices, mais pas toujours). Ils deviennent ainsi des armes parfaites pour qui souhaite instrumentaliser la science, comme le montre le commentaire sur l'usage détourné de l'étude Wakefield par les anti-vaccins.

La solution ne résidera pas dans des mesures techniques comme les clés API ou les numéros d'accès, aussi nécessaires soient-elles. Elle exigera une refonte profonde des incitations dans le monde académique : moins de poids donné aux métriques quantitatives, plus de reconnaissance pour les relecteurs, une véritable éthique de la publication. Parallèlement, il devient urgent d'éduquer le public (et les journalistes) à une lecture critique des études scientifiques - non pas dans leur jargon technique, mais dans leurs faiblesses méthodologiques possibles. Car comme le note un commentaire, le vrai problème n'est pas que ces articles existent, mais qu'ils soient pris pour argent comptant par des publics non avertis.

Source : Declaration

Et vous ?

Les conclusions de l'étude des chercheurs de l'université du Surrey sont-elles crédible et pertinentes ?

Faut-il réformer les critères de carrière académique pour privilégier la qualité et l’impact réel plutôt que la quantité ?

La science doit-elle adopter un code éthique spécifique à l’usage de l’IA, au même titre que la médecine ou le journalisme ?

Voir aussi :

ChatGPT produirait de faux documents universitaires, alors que des professions se sentent menacées par le célèbre outil d'OpenAI

Les éditeurs scientifiques face à l'impasse des faux documents générés par l'IA, les outils de génération de textes et d'images constituent un nouvel obstacle aux efforts déployés