En 2023, les systèmes d'IA obtenaient pratiquement zéro aux problèmes des Olympiades internationales de mathématiques. En 2024, AlphaProof de DeepMind a atteint le niveau de la médaille d'argent. En 2025, Gemini Deep Think de Google aurait atteint l'or. C'est une ascension de trois ans vraiment remarquable, et elle soulève une question honnête pour chaque élève et chaque parent : si l'IA peut désormais résoudre des maths de niveau olympiade, qu'est-ce qui vaut encore la peine d'être appris soi-même ? Cet article y répond franchement, à partir de ce qui a réellement été démontré au 2 octobre 2026, et non de l'emballement médiatique dans un sens ou dans l'autre.
Toute « IA qui fait des maths » n'est pas la même chose
Le mot « IA » recouvre plusieurs types d'outils réellement différents, et c'est en les confondant que la plupart des affirmations péremptoires, dans un sens comme dans l'autre, se trompent.
| Outil | Ce qu'il fait réellement |
|---|---|
| Calculatrice | Arithmétique exacte sur les nombres qu'on lui donne. Aucun raisonnement, aucune erreur dans les limites de sa conception. |
| Logiciel de calcul formel (p. ex. Mathematica, SymPy) | Manipulation symbolique exacte (dérivation, factorisation, résolution d'équations) selon des algorithmes fixes et vérifiés. |
| Logiciel de calcul numérique | Approche des réponses qui n'ont souvent pas de forme exacte (p. ex. simuler l'écoulement d'un fluide), avec des bornes d'erreur bien maîtrisées. |
| Modèle de langage seul | Produit une réponse étape par étape à partir de motifs appris dans des textes. Raisonne avec aisance ; peut encore commettre des erreurs de calcul ou de logique qu'une calculatrice ne ferait jamais. |
| Modèle de langage avec outils | Rédige son raisonnement, puis confie tout calcul réel à une vraie calculatrice ou à un interpréteur de code : il combine une explication fluide et un calcul exact. |
| Assistant de preuve formelle (p. ex. Lean, Coq) | Vérifie chaque étape logique d'une démonstration selon des règles formelles strictes. S'il accepte une démonstration, cette étape ne peut réellement contenir aucune faille logique. |
| IA spécialisée en raisonnement mathématique (p. ex. AlphaProof, AlphaGeometry) | Conçue et entraînée spécifiquement pour les démonstrations et la géométrie de type compétition, souvent couplée à un vérificateur formel. |
La distinction que les élèves confondent souvent
Un modèle de langage qui devine une réponse n'est pas un assistant de preuve formelle qui la vérifie
Ce que l'or en olympiade dit, et ne dit pas
Astuce d'examen
AlphaProof de DeepMind, associé à AlphaGeometry 2, a résolu quatre des six problèmes des OIM 2024, pour un score dans la fourchette de la médaille d'argent : un bond énorme par rapport à zéro l'année précédente. En 2025, Gemini Deep Think de Google aurait atteint le niveau de la médaille d'or, en résolvant les problèmes entièrement en langage naturel dans la limite de 4 h 30 de la compétition. C'est un résultat vraiment impressionnant sur une épreuve vraiment difficile : les problèmes des OIM exigent une réelle créativité, pas seulement du calcul.
La distinction que les élèves confondent souvent
La performance en olympiade, les mathématiques de recherche et vos devoirs sont trois épreuves différentes
Là où l'IA aide vraiment à apprendre les maths
- Le calcul avec le bon outil. Demander un calcul ou une manipulation algébrique exacte à un système d'IA qui utilise une vraie calculatrice ou un interpréteur de code est fiable, et plus rapide qu'à la main pour vérifier.
- L'exploration de motifs. Générer rapidement plusieurs exemples résolus d'une technique, pour repérer vous-même le motif sous-jacent avant de le formaliser.
- La suggestion d'une stratégie. Demander « quelle approche essaierais-tu en premier ? » sur un problème où vous bloquez, sans demander la solution complète.
- La vérification de vos propres étapes. Résoudre d'abord le problème vous-même, puis demander à une IA de vérifier spécifiquement votre méthode, et non de tout refaire de zéro.
- Le soutien aux révisions. Générer des exercices supplémentaires sur un point faible précis, ou faire réexpliquer une notion autrement quand l'explication du manuel ne passe pas.
Là où elle se trompe encore : trois schémas réels à connaître
Les trois exemples résolus ci-dessous sont illustratifs, construits spécialement pour montrer clairement ces schémas d'erreur ; ce ne sont pas des transcriptions d'un vrai système d'IA, mais chacun reflète une catégorie d'erreur documentée et bien connue.
1. Des restrictions de domaine oubliées
Question type examen
Simplifiez (x² − 1) / (x − 1). [2 points]
Afficher la réponse modèle et le barème
- Factorisez le numérateur : x² − 1 = (x − 1)(x + 1) (1 point)
- Simplifiez le facteur commun (x − 1) : (x − 1)(x + 1) / (x − 1) = x + 1, à condition que x ≠ 1 (1 point)
Ce que vérifie l'examinateur : la forme simplifiée x + 1 et l'expression d'origine ne sont pas des fonctions identiques : en x = 1, l'expression d'origine n'est pas définie (0/0), alors que x + 1 vaut 2. La bonne réponse doit conserver la restriction : x + 1, x ≠ 1.
Erreur fréquente : Une réponse fluide mais incomplète : « x + 1 » seul, en perdant silencieusement la restriction x ≠ 1. C'est une erreur extrêmement courante chez l'IA (et chez les élèves) : l'algèbre est juste, mais l'expression simplifiée décrit techniquement une fonction légèrement différente de celle de l'énoncé, sauf si la restriction est indiquée.
2. Généraliser à partir d'une série d'exemples justes
L'expression n² + n + 41 donne un nombre premier pour chaque entier n de 0 jusqu'à 39 : quarante nombres premiers consécutifs. Cette série ressemble à une preuve écrasante d'une régularité. Essayez le curseur ci-dessous.
À vous d'essayer : n² + n + 41 donne-t-il toujours un nombre premier ?
n = 10
| n | n² + n + 41 | Premier ? |
|---|---|---|
| 6 | 83 | Oui |
| 7 | 97 | Oui |
| 8 | 113 | Oui |
| 9 | 131 | Oui |
| 10 | 151 | Oui |
| 11 | 173 | Oui |
| 12 | 197 | Oui |
| 13 | 223 | Oui |
| 14 | 251 | Oui |
n² + n + 41 (une formule étudiée par Euler) donne un nombre premier pour chaque n de 0 à 39 : quarante nombres premiers d'affilée, ce qui semble écrasant. Faites glisser le curseur jusqu'à n = 40 : la formule donne 1681 = 41², qui n'est pas premier du tout. Quarante exemples justes d'affilée ne constituent toujours pas une démonstration, et c'est précisément au quarante et unième cas qu'elle s'effondre.
Un système d'IA (ou un élève) qui extrapolerait à partir de n = 0 à 39 aurait toutes les raisons de penser que cette formule donne toujours un nombre premier, et se tromperait en n = 40.
C'est exactement le genre d'erreur auquel est exposé un système qui raisonne uniquement à partir de motifs, au lieu de démontrer une règle générale, que ce système soit une IA ou une personne. Quarante cas justes semblent concluants ; ils ne le sont pas.
3. Appliquer une règle sans la compréhension qui la sous-tend
Notre article sur les dérivées fait cette remarque à propos des élèves, et elle s'applique tout aussi directement aux réponses de l'IA. Appliquer mécaniquement la règle des puissances pour dériver x³ donne correctement 3x². Mais cette même reconnaissance mécanique de motifs, appliquée à une fonction construite en enchaînant plusieurs règles (un produit de deux fonctions, par exemple, ou une fonction à l'intérieur d'une autre), peut silencieusement appliquer la mauvaise règle, ou la bonne règle au mauvais morceau. Et elle peut quand même produire une réponse fausse, assurée et d'apparence fluide. Un système (ou un élève) qui comprend pourquoi la règle de dérivation des fonctions composées existe (un changement qui se propage à travers des grandeurs liées) peut vérifier si une réponse a du sens. Celui qui n'a fait qu'imiter les étapes mécaniques ne le peut pas.
La distinction que les élèves confondent souvent
Ce n'est pas « l'IA ne fait que reconnaître des motifs, point final »
Vérifiez votre compréhension
Un outil d'IA simplifie (x² − 1)/(x − 1) et écrit seulement « x + 1 », sans indiquer de restriction. Quelle est l'étape suivante la plus utile ?
Une méthode concrète
Utilisée ainsi, l'IA renforce vos maths au lieu de les remplacer :
- Commencez par essayer le problème vous-même, même partiellement : chercher de façon productive fait partie de la manière dont la compréhension se construit.
- Demandez un indice, pas la réponse, si vous bloquez : « que devrais-je essayer en premier ? » plutôt que « résous ceci ».
- Réexpliquez la méthode avec vos propres mots : si vous n'y arrivez pas, vous ne la maîtrisez pas encore, quelle qu'en soit la source.
- Vérifiez explicitement les hypothèses et les restrictions de domaine : c'est l'endroit où une réponse d'apparence fluide se trompe le plus souvent sans bruit.
- Vérifiez de façon indépendante : une autre méthode, une estimation de contrôle, ou un cas particulier connu.
- Essayez un problème très proche sans aucune aide : c'est le vrai test pour savoir si la compréhension s'est transmise.
Pour aller plus loin
Si l'idée « indices contre démonstration » de l'exemple n² + n + 41 vous a intéressé, notre article sur les problèmes du prix du millénaire et le centre Mystères mathématiques non résolus regorgent d'exemples réels, encore ouverts, de cet écart précis, au plus haut niveau de la discipline.
Sources et pour aller plus loin
- AI achieves silver-medal standard solving International Mathematical Olympiad problems — Google DeepMind — AlphaProof + AlphaGeometry 2, OIM 2024
- Olympiad-level formal mathematical reasoning with reinforcement learning — Nature
- From Silver to Gold: A Technical Look into AI's Conquest of the IMO — résultats de niveau médaille d'or en 2025
- Live from ICM 2026: What Is Math For in the Age of AI? — Quanta Magazine
Dernière vérification : 2 octobre 2026. Les capacités de l'IA évoluent vite ; consultez les sources ci-dessus pour les résultats les plus récents.
Questions fréquentes
Puis-je donc laisser l'IA faire mes devoirs de maths sans risque ?
Pour vérifier votre propre travail, explorer des variantes « et si… », ou vous débloquer sur une étape, oui : utilisée ainsi, c'est un outil d'étude vraiment utile. Pour produire une réponse que vous rendez ensuite sans la comprendre, non : vous perdez la compétence dont vous aurez besoin en salle d'examen (où l'IA est interdite). De plus, le raisonnement de l'IA, aussi bon soit-il, se trompe encore assez souvent, de façons pas toujours évidentes. Un résultat non vérifié représente donc un vrai risque.
L'IA n'a-t-elle pas déjà remporté l'or aux Olympiades internationales de mathématiques ?
Si. Gemini Deep Think de Google aurait obtenu un score équivalent à une médaille d'or aux OIM 2025, en travaillant entièrement en langage naturel dans le temps imparti habituel : un résultat majeur, un an après qu'AlphaProof de DeepMind a atteint le niveau de la médaille d'argent aux OIM 2024. Les problèmes d'olympiade sont toutefois un type de mathématiques bien précis, réputé difficile mais bien défini ; de bonnes performances en olympiade ne se transposent pas automatiquement à toutes les formes de travail mathématique (voir « Ce que l'or en olympiade dit, et ne dit pas » ci-dessous).
Pourquoi l'IA se trompe-t-elle parfois sur des calculs simples si elle résout des problèmes d'olympiade ?
Un modèle de langage généraliste produit sa réponse jeton par jeton à partir de motifs appris, ce qui est un processus différent de l'exécution mécanique d'un calcul ; c'est pourquoi le même système peut rédiger un raisonnement élégant et correct de niveau olympiade, puis se tromper sur une multiplication à plusieurs chiffres dans la même conversation. Les systèmes qui confient l'arithmétique à une vraie calculatrice ou à un interpréteur de code évitent cet échec précis ; un modèle de langage « pur », qui répond à partir du seul texte, ne l'évite pas.
Comprendre les maths comptera-t-il encore quand l'IA sera encore meilleure ?
Plutôt davantage que moins. Plus le calcul de routine est automatisé, plus la compétence vraiment humaine devient la partie que personne ne peut sous-traiter. Cette compétence, c'est savoir quelle question poser, repérer quand une réponse assurée de l'IA est en réalité fausse, et comprendre un résultat assez bien pour l'appliquer à une situation nouvelle. C'est exactement l'argument de notre article sur les dérivées à propos d'apprendre le « pourquoi » avant le « comment », et il s'applique ici de façon encore plus directe.
Notes et avis des lecteurs
Notez cet article sur plusieurs aspects — votre avis aide les autres lecteurs, et nous aide à nous améliorer.
Cet article vous a-t-il été utile ?
Dites-nous ce que vous en pensez — une correction, une question restée sans réponse, ou un sujet que vous aimeriez voir traité ensuite.
Vous préférez en parler ? Réservez un appel vidéo gratuit au moment qui vous convient : 15 minutes pour une question rapide, 30 pour le reste. Les horaires s'affichent dans votre fuseau horaire.
À propos de l'auteur
Sudershan Soni
Fondateur et tuteur principal chez Mostak Services — tuteur de mathématiques, sciences, informatique et STEM titulaire d'un Master, avec plus de 20 ans d'expérience professionnelle, enseignant à des élèves du 11+ et du GCSE jusqu'à l'A-Level et au-delà, en ligne dans le monde entier.
Lire le profil complet