Stéphane Mallat : comprendre les démonstrations par IA exige

Stéphane Mallat, professeur de mathématiques appliquées au département d'informatique de l'Ecole normale supérieure (ENS) et médaille d'or 2025 du CNRS, met en garde contre un usage naïf de l'intelligence artificielle en recherche. Dans un entretien publié par Le Monde le 17 septembre 2026, il affirme que les démonstrations par IA "n'ont que peu d'intérêt en soi" si l'on n'a pas les connaissances nécessaires pour les comprendre.

Un chercheur qui explore la "boîte noire" des réseaux de neurones

Stéphane Mallat s'est fait connaître par ses travaux en traitement du signal, à l'origine de l'algorithme au cœur du standard de compression d'images JPEG 2000. Il consacre désormais ses recherches à comprendre comment les réseaux de neurones profonds parviennent à des performances aussi élevées, dans le traitement du langage, le diagnostic médical ou la résolution de problèmes mathématiques.

Cette contribution lui a valu la médaille d'or 2025 du CNRS, la plus haute distinction scientifique française, remise le 17 décembre 2025 à Paris et accompagnée d'une dotation de 50 000 euros versée par la Fondation CNRS, selon Le Journal du CNRS. Un an plus tard, en 2026, cette même distinction a été attribuée à la physicienne spécialiste des polaritons.

La "malédiction de la grande dimension"

Selon Stéphane Mallat, l'IA a longtemps buté sur ce qu'il appelle la "malédiction de la grande dimension" : le nombre de configurations possibles à traiter dépasse le nombre d'atomes dans l'univers. Il explique que les réseaux de neurones parviennent à contourner cet obstacle en exploitant des hiérarchies cachées dans les données, qu'il s'agisse de particules, d'atomes, de molécules et de matériaux en physique, ou de lettres, de mots, de phrases et de structures sémantiques dans le langage.

"Ils n'ont d'ailleurs pas le choix", précise-t-il au Monde : sans découvrir cette structure, les modèles ne pourraient pas calculer les probabilités nécessaires face à un nombre de cas de figure trop grand.

« Des démonstrations faites par IA n'ont que peu d'intérêt en soi, si l'on n'a pas un bagage suffisant pour les comprendre », Stéphane Mallat, mathématicien, médaille d'or 2025 du CNRS.

Le théorème de Fermat démontré, mais pas vérifiable par un humain

L'actualité récente illustre cette tension entre puissance de calcul et compréhension humaine. Une IA est parvenue à écrire une démonstration du théorème de Fermat, rédigée en 13 millions de lignes de code Lean, un langage formel permettant une vérification automatique, rapporte Le Monde le 16 septembre 2026. Il s'agit de la preuve formalisée en onze jours par l'IA d'Anthropic, qu'aucun être humain n'aurait pu vérifier lui-même dans son intégralité.

Pour Stéphane Mallat, ce type de résultat spectaculaire ne remplace pas la compréhension mathématique. Une démonstration produite par une machine, même correcte, reste selon lui de peu d'utilité pour la science tant qu'un chercheur ne peut se l'approprier et en tirer des enseignements généralisables.

Un livre pour démystifier l'intelligence artificielle

Le mathématicien détaille sa réflexion dans un ouvrage récent, "Mathématiques de l'intelligence pas si artificielle", publié chez CNRS Editions (112 pages, 9 euros, 7 euros en version numérique). Il y défend un enseignement plus concret des mathématiques, à rebours d'une vision purement abstraite de la discipline.

Stéphane Mallat participe également à la Nuit des données, un festival de sciences et lettres organisé par l'ENS à Paris, où il présente ses travaux sur les liens entre mathématiques et apprentissage profond. Dans un précédent entretien accordé au Monde en octobre 2025, il avait déjà défendu l'idée que les modèles d'IA ne se contentent pas de reproduire des textes déjà vus.

« Les IA ne sont pas des perroquets stochastiques », Stéphane Mallat, mathématicien, médaille d'or 2025 du CNRS.

"Elles apprennent des connaissances sophistiquées", avait-il ajouté à propos des grands modèles de langage, évoquant leur capacité à "capturer" des lois de la physique ou de la chimie sans que les équations leur soient fournies. Un chantier de recherche qu'il poursuit désormais avec son équipe, entre l'ENS et le Collège de France.