« L’IA reproduit, elle n’a pas de capacité d’initiative… »

L’IA fait des découvertes qu’aucun humain n’avait faites avant elle

Plusieurs problèmes mathématiques ouverts depuis des décennies ont été résolus récemment grâce à des systèmes d’intelligence artificielle, parfois avec une intervention humaine minimale. Parmi eux figurent le problème #90, la conjecture de la distance unitaire planaire posée par Erdős (chercheur en mathématiques de grande renommée) en 1946, résolue par un modèle interne d’OpenAI grâce à un contre-exemple que les mathématiciens n’avaient pas réussi à produire en près de 80 ans, le problème #728, résolu de façon presque entièrement autonome avec une implication humaine jugée non significative par Terence Tao (enseignant-chercheur en mathématiques, médaillé Fields), ou encore le problème #1196, portant sur les ensembles primitifs d’entiers, résolu par GPT-5.4 Pro.

Dans la même période, Google DeepMind a annoncé la résolution de neuf autres problèmes ouverts d’Erdős. Au-delà du nombre de résultats obtenus, plusieurs mathématiciens ont souligné que certaines démonstrations empruntaient des approches inédites, différentes de celles traditionnellement explorées par la recherche humaine. Daniel Litt (doctorant en mathématiques de l’université de Stanford) a ainsi qualifié le résultat obtenu sur le problème #90 de « premier résultat produit de façon autonome par une IA qui m’intéresse en lui-même ». Une base de données communautaire recense désormais ces différentes contributions.

Ces capacités ne se limitent pas aux mathématiques. En 2016, AlphaGo a surpris les meilleurs joueurs mondiaux lors de son deuxième match contre Lee Sedol (l’un des meilleurs joueurs mondiaux du jeu de go) en jouant le célèbre « coup 37 », immédiatement considéré comme une erreur par les commentateurs avant d’être reconnu comme une innovation stratégique majeure. Lee Sedol lui-même a expliqué que cette partie l’avait conduit à repenser sa compréhension du jeu, et les parties d’AlphaGo sont depuis étudiées par les joueurs professionnels comme source d’inspiration. Dans un tout autre domaine, AlphaFold a prédit la structure de plus de 200 millions de protéines, ouvrant de nouvelles pistes de recherche en biologie en rendant accessibles des structures qui auraient nécessité des années, voire des décennies, de travail expérimental.

La question n’est donc plus de savoir si ces systèmes se contentent de reproduire ce qu’ils ont appris. Les exemples précédents montrent qu’en recombinant des connaissances issues de domaines différents, ils peuvent explorer des régions inédites de l’espace des solutions et produire des résultats nouveaux. Les IA disposent d’une capacité d’exploration de certains espaces de recherche qui dépasse largement les possibilités humaines en raison de leur vitesse de calcul, de leur mémoire et de leur aptitude à tester un très grand nombre d’hypothèses. Il y a fort à parier qu’elles vont continuer de faire de nouvelles découvertes importantes. Cela conduit à interroger un présupposé plus profond : la créativité consiste-t-elle nécessairement en autre chose qu’une recombinaison originale de connaissances déjà acquises ?

Sources

• Papier relatif au problème #728
• Base de données communautaire des contributions de l’IA aux problèmes d’Erdős
• Silver, D., Huang, A., Maddison, C. et al. Mastering the game of Go with deep neural networks and tree search. Nature 529, 484–489 (2016)
• Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589 (2021).

L’humain aussi combine, explore, transforme

L’idée selon laquelle l’intelligence artificielle ne ferait que « reproduire » repose souvent sur une vision idéalisée de la créativité humaine. Pourtant, les sciences cognitives décrivent depuis longtemps la créativité comme un processus de recombinaison, d’association et de transformation de connaissances déjà acquises. Dans son ouvrage « The Creative Minds : Myths and Mechanisms », Margaret Boden décrit trois types de créativité humaine : La créativité combinatoire, la créativité exploratoire et la créativité transformationnelle.

De son côté Herbert Simon décrit la résolution de problèmes comme une exploration d’un espace de solutions, ce qui n’est pas sans rappeler la manière dont l’IA explore aujourd’hui une arborescence de possibilités avec une vitesse de traitement largement supérieure à celle de l’humain.

Les inventeurs ne créent pas à partir de rien : ils mobilisent leur expérience, leur culture, leurs observations et les réorganisent de façon originale pour produire une idée nouvelle. Cette capacité de recombinaison est d’ailleurs l’un des fondements de l’apprentissage humain.

De nombreuses grandes découvertes scientifiques peuvent également être comprises comme des recombinaisons de connaissances issues de plusieurs domaines. Chaque chercheur s’appuie sur les travaux de ses prédécesseurs pour élaborer de nouvelles théories. Les travaux de Newton synthétisent ainsi notamment les apports de Galilée, Kepler et Descartes, tandis qu’Einstein s’est appuyé sur ceux de Maxwell, Lorentz et Poincaré pour construire la relativité restreinte.

Sous cet angle, opposer une IA qui « recombine » à un humain qui « crée » ne repose sur aucune observation concrète et reste entièrement à démontrer. Les deux systèmes construisent leurs productions à partir d’un corpus d’expériences ou de connaissances accumulées, même si leurs méthodes d’acquisition de ces connaissances et leurs mécanismes internes sont très différents. La différence essentielle n’est donc peut-être pas la présence ou l’absence de créativité, mais la manière dont cette créativité émerge, les contraintes qui la façonnent et les objectifs qu’elle poursuit.

Cela ne signifie pas que l’intelligence humaine et l’intelligence artificielle soient équivalentes. L’expérience vécue, les émotions, l’intention, la conscience de soi ou encore l’inscription dans une histoire personnelle distinguent profondément les êtres humains des modèles actuels. En revanche, l’argument selon lequel une IA « ne fait que recombiner » est clairement  démenti par sa capacité à produire des résultats originaux. Si l’on refuse de qualifier ces productions de créatives, il devient alors nécessaire d’expliquer pourquoi une recombinaison effectuée par un humain relèverait de la créativité, tandis qu’une recombinaison conduisant à une découverte inédite lorsqu’elle est réalisée par une IA n’en relèverait pas.

Sources :

• Boden, M. A. (2004). The Creative Mind: Myths and Mechanisms (2nd ed.). Routledge.
• Simon, H. A. (1996). The Sciences of the Artificial (3rd ed.). MIT Press.