L'IA rend le recrutement des mathématiciens plus personnel

L’IA transforme déjà le travail de recherche en mathématiques, et un professeur de l’Université de Chicago estime que les règles de recrutement dans l’enseignement supérieur doivent être repensées en conséquence. Frank Calegari, mathématicien reconnu, explique que l’intelligence artificielle réduit les obstacles à la découverte en rendant plus facile la production de preuves ou de résultats présentés comme innovants. Dans ce contexte, il craint que certaines offres de recherche, notamment de niveau intermédiaire, soient décrochées par des candidats ayant principalement utilisé l’IA pour produire des démonstrations, sans nécessairement maîtriser en profondeur les idées sous-jacentes. Pour Calegari, les comités ne peuvent plus se limiter à examiner un dossier scientifique ou une publication isolée, car un même texte pourrait désormais être largement généré par une machine. Il plaide pour une sélection fondée davantage sur des échanges personnels, comme un entretien ou une discussion approfondie, afin d’évaluer la capacité réelle du candidat à exposer une vision, à expliquer ses choix techniques et à défendre la suite possible de ses travaux. Selon lui, les universités ont aussi la responsabilité de former leurs doctorants à mieux communiquer les mathématiques, une compétence devenue centrale à l’heure où les outils d’IA peuvent générer des résultats sans que leur sens ou leur portée soit toujours compris. Cette évolution résonne avec les observations d’autres chercheurs, dont Steven Strogatz, professeur à l’Université Cornell, qui a souligné le nouveau rôle du charisme scientifique. À ses yeux, les mathématiciens capables d’expliquer clairement des résultats produits par l’IA, puis de les transformer en questions de recherche originales, gagnent en valeur. L’irruption des entreprises d’intelligence artificielle dans ce domaine suscite toutefois inquiétudes et réflexions chez de nombreux chercheurs. Des modèles, comme ceux proposés par OpenAI, produisent des centaines de pistes de solution pour des problèmes complexes, ce qui oblige la communauté à s’interroger sur sa pertinence, ses critères d’évaluation et ses méthodes de travail. Si certains universitaires refusent d’utiliser l’IA, d’autres cherchent au contraire à l’intégrer prudemment. Les étudiants, eux, attendent des consignes claires de leurs enseignants sur les usages autorisés. Comme le montre une enquête menée au MIT, une partie d’entre eux réclament une ligne directrice plus lisible à l’échelle de l’enseignement supérieur, tant la frontière entre aide légitime et production automatique devient difficile à tracer.