En juillet, le lauréat du prix Nobel de physique Giorgio Parisi et le physicien Francesco Zamponi ont publié une étude dans la revue JSTAT, annonçant la résolution d’une conjecture de physique statistique vieille de douze ans. Grâce à quarante échanges itératifs avec le modèle d’intelligence artificielle Claude, les chercheurs ont démontré une identité mathématique fondamentale liée au phénomène dit de blocage, qui décrit le passage brutal de matériaux granulaires ou fluides à un état rigide à haute densité. Depuis deux décennies, les simulations numériques confirmaient régulièrement que la somme de deux exposants critiques, notés a et b, était strictement égale à un, mais aucune démonstration théorique n’avait été apportée. Face à cette impasse, Parisi a exploité les capacités de raisonnement formel de l’IA. La collaboration a débuté par une vérification computationnelle : Claude a généré et optimisé du code pour atteindre une précision extrême. Une fois les résultats confirmés, la question du passage à la preuve formelle est émergée. Le modèle a proposé une approche originale basée sur une fonction auxiliaire, offrant une voie de dérivation systématique que les chercheurs n’avaient pas explorée. Après plusieurs jours d’ajustements, de corrections dirigées par les physiciens et de vérifications manuelles, la démonstration a été finalisée et validée. Cette réussite illustre une synergie homme-machine précise. L’IA a fourni une recherche algorithmique dépourvue de préjugés théoriques, tandis que les scientifiques ont apporté le cadre conceptuel, le jugement disciplinaire et le contrôle qualité indispensable. Parisi souligne que la capacité à orienter l’IA et à identifier ses erreurs repose impérativement sur une maîtrise approfondie du domaine, acquise par un travail de fond rigoureux. Le savoir-faire technique traditionnel reste le socle indispensable de toute recherche assistée par l’IA. Initialement sceptique, qualifiant les grands modèles de langage de perroquets incapables de véritable raisonnement, Parisi nuance désormais son opinion. Il reconnaît l’utilité opérationnelle de l’IA pour accélérer les calculs, mais met en garde contre un risque majeur : la dépendance cognitive. Si les nouvelles générations de chercheurs abandonnent les étapes formatives difficiles au profit d’une automatisation totale, ils perdront la capacité critique nécessaire pour détecter les imprécisions inévitables des algorithmes. La collaboration avec l’IA ne remplace pas la compréhension fondamentale ; elle la suppose. Cette étude marque un tournant dans l’usage de l’IA en recherche fondamentale. Elle démontre que le progrès scientifique à l’ère numérique ne repose pas sur la substitution de l’humain, mais sur une gouvernance rigoureuse du calcul assisté. La technologie peut ouvrir des portes, mais c’est la maîtrise humaine qui permet d’en franchir le seuil en toute sécurité.