L’essentiel
- Les mathématiciens Timothy Gowers et Peter Sarnak créditent les grands modèles de langue de compétences mathématiques réelles, mais leur refusent l’intuition qui mène aux idées neuves.
- Tom Zahavy, chercheur chez DeepMind, situe le goulot dans son papier « LLMs Can’t Jump » : inventer une hypothèse fondatrice sans précédent linguistique.
- Une autre lecture, publiée en août 2026 par Davide Piffer, attribue l’avantage des modèles à une mémoire de travail symbolique quasi illimitée plutôt qu’à une pensée supérieure.
- Conséquence directe : les classements actuels récompensent la recombinaison de méthodes connues, pas la fabrication d’abstractions.
Un modèle avale un problème de mathématiques et en ressort une solution propre. Timothy Gowers et Peter Sarnak, eux, décrivent le procédé sans employer le mot intelligence : des méthodes déjà connues, recombinées avec application. Ce désaccord de vocabulaire décide d’une chose très concrète : ce qu’on peut confier à un modèle sans relire derrière.
Combiner beaucoup, choisir mal
Le jugement des deux mathématiciens n’a rien d’un rejet. Les LLM (grands modèles de langue) manipulent sérieusement l’appareil mathématique existant, enchaînent les techniques du répertoire et explorent plus de pistes qu’aucun cerveau n’en tiendrait. Gowers place la limite ailleurs : dans un espace de recherche immense, tout se joue sur la capacité à deviner les deux ou trois chemins qui mènent quelque part. C’est cette intuition de tri qui manque.
Sarnak décrit le même mur par l’autre bout. Donnez au modèle une théorie déjà bâtie, il en dérive des résultats. Donnez-lui une question élémentaire, celle qui n’offre aucun échafaudage, et il ne construit pas les abstractions qui portent les grandes démonstrations : ces objets nouveaux qu’un mathématicien invente pour rendre un problème pensable. Exécutant hors pair d’un côté, architecte absent de l’autre.
La mémoire plutôt que la pensée
Une seconde explication circule depuis août 2026, et elle éclaire la première. Dans un texte au titre sans détour, AI Isn’t Outthinking Mathematicians. It’s Out-Remembering Them., le chercheur Davide Piffer soutient que l’avantage des modèles ne vient pas d’un raisonnement supérieur mais d’une mémoire de travail symbolique quasi illimitée. La mémoire de travail, c’est l’établi de la pensée : ce que vous tenez en tête à l’instant où vous réfléchissez.
Cet établi est minuscule chez nous. En 1956, le psychologue George Miller publiait The Magical Number Seven, Plus or Minus Two : nous manipulons simultanément une poignée d’éléments, et les travaux ultérieurs ont revu ce compte à la baisse. Une démonstration, elle, demande de tenir ensemble des hypothèses, des lemmes intermédiaires et des contraintes de départ.
Un modèle n’a pas ce plafond. Sa fenêtre de contexte, l’espace de texte qu’il garde actif pendant qu’il travaille, fonctionne comme un brouillon sans fin : les équations intermédiaires, les pistes abandonnées, les conditions initiales, tout reste sous les yeux. Là où nous remontons sans cesse chercher ce que nous avons lâché, la machine n’a rien lâché. Aucune pensée là-dedans : une endurance qui nous échappe, et qui suffit à produire des résultats.
Le saut qui ne vient pas du corpus
Cette mémoire prodigieuse ne débouche pourtant sur aucune idée inédite. Tom Zahavy, chercheur chez DeepMind, situe le blocage dans son papier « LLMs Can’t Jump », une position personnelle qu’il ne présente pas comme celle de son employeur : ce qui manque est l’abduction, la capacité à poser une hypothèse fondatrice qui n’a aucun précédent linguistique. Un système entraîné à prédire la suite d’un texte s’appuie sur ce qui a été écrit. Une hypothèse jamais formulée nulle part n’a, par construction, aucune trace statistique sur laquelle s’accrocher.
La piste évoquée pour sortir de là passe moins par la taille des modèles que par leur matière : les world models, qui apprennent une représentation du monde au lieu d’apprendre la continuation d’une phrase. C’est un chantier ouvert, pas une réponse livrée.
Des épreuves taillées pour ce point fort
Les deux diagnostics se rejoignent sur un terrain très concret, celui de l’évaluation. Si la force d’un modèle tient à sa rétention et à sa recombinaison, alors une épreuve composée de problèmes dont les méthodes existent quelque part dans le corpus mesure exactement son point fort, et jamais son point aveugle. Les scores montent, la faculté testée ne change pas.
Une épreuve récente le vérifie par contraste : sur les problèmes de recherche inédits de First Proof, notés à la main par des mathématiciens, le meilleur des quatre systèmes évalués en juin 2026 n’a résolu que six problèmes sur dix. Ces systèmes étaient bâtis sur les mêmes moteurs qui dominent les classements habituels, de GPT-5.5 Pro à Gemini 3.1 Pro et Claude Opus 4.7.
C’est le nerf du débat en cours dans la communauté : ces systèmes deviennent-ils réellement plus polyvalents, ou simplement meilleurs sur des espaces de problèmes familiers ? L’enjeu est très pratique. Un modèle qui progresse sur des benchmarks de mathématiques ne vous dit rien de sa tenue sur le problème que personne n’a encore posé, et c’est précisément celui pour lequel on aimerait de l’aide.
Où poser la relecture
De cette lecture sort une règle de délégation simple. Tout ce qui consiste à dérouler une méthode connue se confie sans état d’âme : dérivations, transformations, exploration de variantes, mise en code d’un raisonnement déjà cadré. La fenêtre de contexte devient là un avantage brut, et le résultat se vérifie.
Le cadrage, lui, reste de notre côté : choisir l’angle d’attaque, décider quelle piste vaut d’être creusée, accepter de reformuler le problème. Le calcul sera juste le plus souvent. Ce qui coince est ailleurs : beaucoup de chemins parcourus, aucun instinct pour élaguer, et une sortie impeccablement argumentée qui ne mène nulle part. Relisez donc la direction avant les étapes.
Gowers et Sarnak ne disqualifient personne, ils rendent le partage des tâches lisible. Une machine qui garde tout le problème sous les yeux est un établi de génie, et un établi ne décide pas de ce qu’on va y fabriquer. Tant que l’hypothèse inédite ne se trouve pas dans le corpus, c’est encore quelqu’un qui devra la poser.
Mon avis
L’intuition qui manque ne sortira pas d’un modèle plus gros : elle n’est pas dans le corpus, par définition, et aucun tour de force d’entraînement ne fabrique une trace statistique là où il n’y en a jamais eu. Ce qui nous attend, c’est donc une hausse continue des scores en mathématiques et un plafond intact sur les problèmes qui exigent de poser une hypothèse neuve. Cet écart va devenir gênant pour les discours commerciaux, et il crée au passage la compétence la mieux payée des années qui viennent : savoir formuler la bonne question à un établi symbolique de plusieurs millions de tokens. Ce métier n’a pas encore de nom, il a déjà de la valeur.
