La position forte de Cédric Villani sur l'IA
Cédric Villani a donné une consigne assez radicale à l'un de ses doctorants : ne pas utiliser d'IA générative pendant sa thèse. Le mathématicien et médaille Fields ne rejette pourtant pas l'intelligence artificielle. Son inquiétude porte sur autre chose : à force d'obtenir directement des réponses, chercheurs et étudiants pourraient perdre une partie du processus qui leur permet justement d'apprendre à chercher, à comprendre et à produire de nouvelles idées.
Cédric Villani demande à son doctorant de ne pas utiliser d'IA générative
Invité de Radio Classique le 15 septembre 2026, Cédric Villani a expliqué avoir explicitement demandé à son étudiant en thèse de ne pas utiliser les outils d'IA générative pendant son doctorat.
Sa justification concerne directement la formation du chercheur. Trouver une solution ne constitue qu'une partie du travail. Les heures passées à chercher une piste, échouer, recommencer et finalement comprendre un problème participent à la construction de ses compétences.
Villani résume cette idée en affirmant que, dans les mathématiques, « le chemin de la compréhension est plus important que le résultat ».
Utiliser une IA capable de fournir rapidement une démonstration ou une piste pertinente peut donc créer un paradoxe : l'étudiant obtient davantage de résultats tout en se privant d'une partie de l'entraînement intellectuel pour lequel il réalise précisément une thèse.
Le problème n'est pas que l'IA devienne bonne en mathématiques
La position de Villani est plus nuancée qu'un rejet de l'IA dans la recherche. Il ne conteste pas l'intérêt potentiel de ces outils pour les mathématiques.
Le 11 septembre 2026, il faisait partie d'un collectif de 25 lauréats de la médaille Fields ayant publié une tribune dans Le Monde. Les signataires y reconnaissent que l'IA peut enrichir et accélérer l'étude des mathématiques.
Leur inquiétude concerne davantage la façon dont nous mesurons ses progrès. Une entreprise d'IA peut considérer la résolution d'un problème mathématique particulièrement difficile comme une démonstration spectaculaire des capacités de son modèle. Pour un mathématicien, le résultat final n'est pourtant qu'une partie de l'intérêt du problème.
Une démonstration peut faire apparaître une nouvelle méthode, une nouvelle manière de représenter le problème ou des idées réutilisables ailleurs. La valeur scientifique se trouve aussi dans ce qui a été compris en arrivant au résultat.
Pourquoi 25 médaillés Fields ont pris la parole
La tribune publiée dans Le Monde intervient après une forte accélération des performances des modèles d'IA sur des problèmes mathématiques complexes.
Les 25 signataires décrivent un possible décalage entre les objectifs des entreprises qui développent les IA et ceux de la recherche mathématique. Produire rapidement une réponse correcte constitue un excellent indicateur de performance pour un modèle. La recherche poursuit un objectif différent : construire une compréhension transmissible et permettre à d'autres chercheurs de s'appuyer sur les idées produites.
La publication d'une solution ne termine donc pas le travail. Des mathématiciens doivent encore la vérifier, identifier les méthodes utilisées, la simplifier, la relier aux recherches précédentes et permettre à d'autres chercheurs de se l'approprier.
Une multiplication de résultats produits beaucoup plus rapidement par des machines pourrait rendre cette étape humaine de plus en plus difficile à suivre.
Une position qui concerne aussi les développeurs, étudiants et créatifs
L'argument dépasse largement les mathématiques. Une partie de la formation dans de nombreux métiers repose sur des exercices dont le résultat lui-même n'a presque aucune valeur.
Un étudiant développeur qui recode une fonction déjà disponible dans une bibliothèque ne cherche pas à produire le meilleur logiciel possible. Il apprend les structures de données, les erreurs possibles et la manière de raisonner sur son code. Un étudiant qui rédige une dissertation ne cherche pas uniquement à obtenir cinq pages de texte. Il apprend à organiser une argumentation.
Avec une IA générative, il devient possible d'obtenir le livrable sans passer par une grande partie de ce travail.
Cela ne signifie pas qu'il faut bannir ChatGPT, Claude ou les autres assistants des formations. Cela oblige plutôt à distinguer les moments où l'objectif consiste à produire de ceux où l'objectif consiste à apprendre à produire.
La consigne donnée par Villani à son doctorant illustre cette distinction de manière particulièrement nette : pendant une période consacrée à la formation du chercheur, il préfère préserver le travail intellectuel qui précède la réponse.
L'IA pourrait-elle assécher la recherche mathématique ?
Villani utilise également l'idée d'un possible « assèchement » de la discipline. Si les problèmes difficiles sont progressivement résolus par des modèles avant que des chercheurs aient eu le temps de les étudier, certains pourraient perdre leur rôle de terrain d'entraînement et de découverte.
Les grands problèmes mathématiques ne sont pas uniquement des cases à cocher dans une liste. Ils concentrent parfois plusieurs années de travail et poussent les chercheurs à inventer des outils pour progresser.
Une IA capable de produire rapidement la dernière étape pourrait modifier cette mécanique. Le défi sera alors de transformer ses résultats en nouvelles connaissances plutôt que d'accumuler des réponses.
Les 25 médaillés Fields ne demandent d'ailleurs pas l'arrêt de l'IA en mathématiques. Leur tribune appelle plutôt à réfléchir à ce que nous voulons préserver lorsque l'IA transforme la manière de travailler.
La vraie question posée par Cédric Villani
La prise de position de Cédric Villani ne revient donc pas à demander si une IA doit avoir le droit de faire des mathématiques.
Elle pose une question plus difficile : si une machine peut produire le résultat à notre place, quelles étapes devons-nous continuer à réaliser nous-mêmes pour apprendre et progresser ?
Cette distinction risque de devenir de plus en plus importante dans l'enseignement. L'interdiction totale de l'IA devient difficile à défendre lorsque ces outils font partie du monde professionnel. Leur utilisation permanente pose le problème inverse : certains exercices cessent alors d'entraîner la compétence qu'ils étaient censés développer.
La position de Villani fournit au moins un critère clair. Une IA peut être utile lorsqu'elle augmente les capacités d'une personne déjà formée. Pendant l'apprentissage, supprimer systématiquement la difficulté peut aussi supprimer une partie de ce que l'exercice devait nous apprendre.
Sources
- Radio Classique, 15 septembre 2026 : entretien de Cédric Villani sur l'IA, la recherche et la formation en mathématiques.
- Le Monde, 11 septembre 2026 : tribune signée par 25 médaillés Fields sur l'impact de l'IA sur la recherche mathématique.
- Le Parisien, 15 septembre 2026 : propos de Cédric Villani sur l'utilisation de l'IA générative pendant une thèse.
Quelle est la position de Cédric Villani sur l'intelligence artificielle ?
Cédric Villani ne demande pas l'interdiction générale de l'intelligence artificielle. Il alerte surtout sur son utilisation pendant la formation et sur le risque de privilégier le résultat au détriment du processus de compréhension et de recherche.
Cédric Villani interdit-il l'IA à ses étudiants ?
Cédric Villani a expliqué en septembre 2026 avoir demandé à son étudiant en thèse de ne pas utiliser d'outils d'IA générative pendant son doctorat afin de préserver le travail de recherche et d'apprentissage.
Pourquoi Cédric Villani s'inquiète-t-il de l'IA en mathématiques ?
Il estime que la recherche mathématique ne consiste pas uniquement à trouver une bonne réponse. Les méthodes, les erreurs, les nouvelles idées et la compréhension développées pendant la résolution d'un problème ont également une valeur scientifique et pédagogique.
Les médaillés Fields sont-ils opposés à l'intelligence artificielle ?
Non. Dans leur tribune de septembre 2026, 25 médaillés Fields reconnaissent que l'IA peut enrichir et accélérer l'étude des mathématiques. Ils alertent surtout sur le risque que la recherche de résultats rapides fasse perdre de vue la compréhension, la transmission des idées et la formation des futurs chercheurs.
