Le 25 octobre 2026, le groupe consultatif indépendant AGMAI a recommandé aux entreprises d’intelligence artificielle de ne plus désigner elles-mêmes des mathématiciens chargés d’accompagner la publication de leurs résultats. Le débat porte sur l’accès aux travaux, leur vérification et l’indépendance de la communauté scientifique. Ce sont des recommandations, sans pouvoir de décision sur les entreprises. [1]
L’expertise précoce a un prix : qui choisit les experts ?
L’AGMAI reconnaît les avantages d’une lecture en amont : des spécialistes peuvent repérer les difficultés et améliorer la présentation. Mais le groupe estime que cette organisation favorise certains chercheurs et donne aux entreprises une influence excessive sur l’interprétation des résultats. Il souligne aussi le risque que la réputation des experts serve de caution à l’annonce. Cette critique vise le dispositif, pas la bonne foi des participants. [1]Le point sensible est donc institutionnel autant que technique. À notre lecture, une entreprise peut produire un résultat utile sans devoir choisir qui en assurera la compréhension collective. L’expertise scientifique gagne à rester contestable, enrichissable et accessible à des équipes qui n’ont pas participé à la communication initiale.
Publier un résultat n’achève pas le travail scientifique
Les orientations publiées par l’AGMAI le 29 septembre fournissent le contexte de cette nouvelle prise de position. Elles distinguent deux situations : un travail qu’un auteur humain comprend et assume peut suivre le circuit académique habituel ; une production encore mal comprise exige une documentation et un accompagnement supplémentaires. [2]Le groupe demande notamment des références aux travaux antérieurs, un dépôt scientifique indépendant doté d’un identifiant durable et un historique des corrections. Il souhaite aussi connaître le modèle utilisé, les conditions de production, le coût de calcul estimé et les problèmes tentés sans succès. Cette dernière information évite de présenter une réussite isolée comme une mesure complète des capacités d’un système. Ces principes existaient avant le 25 octobre ; la nouveauté est la clarification du rôle des experts désignés. [2]
Ce qu’apporte la vérification formelle
Parmi les outils évoqués figure Lean, un langage et assistant de preuve. Sa documentation distingue la recherche d’une démonstration de la vérification d’une démonstration proposée. Dans un cadre formel, les étapes doivent être justifiées à partir de définitions, de résultats antérieurs et de règles logiques explicites. Le logiciel peut ainsi contrôler une construction mathématique écrite dans le langage qu’il comprend. [3]Cette vérification peut aussi s’appliquer à des propriétés de logiciels ou de protocoles, à condition de les exprimer précisément. Elle demande toutefois un travail de formalisation : un texte convaincant en langage courant n’est pas automatiquement une preuve contrôlée par machine. La documentation de Lean explique que l’interaction humaine demeure nécessaire pour construire ces objets détaillés. [3]
L’arbitrage soulevé par cette prise de position reste ouvert : accélérer la diffusion des résultats tout en laissant aux chercheurs le temps et les moyens de les examiner. Une preuve vérifiée et une explication comprise répondent à des besoins complémentaires.
Sources
[1] AGMAI — Note sur les experts désignés, 25 octobre 2026. [2] AGMAI — Recommandations générales, 29 septembre 2026. [3] Projet Lean — Introduction à la vérification des preuves, documentation sans date affichée. Consultation : 26 octobre 2026.Photo d’archive : Timothy Gowers, membre de l’AGMAI, à la conférence GOSIM à Paris le 5 mai 2026. Photographie de Bretwa, via Wikimedia Commons, sous CC0 1.0. Elle ne montre pas une présentation de la note du 25 octobre. Version redimensionnée à 1 280 × 960 pixels, sans recadrage.
