Pour les mathématiciens, l’intelligence artificielle n’est pas seulement un sujet d’étude : elle devient aussi un outil de recherche. Bienvenue dans le monde de Gérard Biau, professeur à Sorbonne Université, directeur du Sorbonne Center for Artificial Intelligence (Scai) et membre de Académie des sciences. Pour ce spécialiste du machine learning, les fondements mathématiques de l’IA reposent largement sur les statistiques et la théorie de l’apprentissage, disciplines qui cherchent à détecter des régularités dans de grandes masses de données.
« L’apprentissage automatique consiste à construire des modèles capables d’extraire des règles à partir d’exemples », explique le chercheur. Concrètement, un algorithme est exposé à des milliers, voire des millions d’observations : images, textes ou signaux. Il ajuste alors ses paramètres pour prédire au mieux un résultat. Cette logique probabiliste, héritée de la statistique moderne, constitue aujourd’hui le socle des systèmes d’IA.
Depuis quelques années, l’essor de l’IA générative change aussi la pratique scientifique. Les modèles de langage peuvent aider à explorer des hypothèses, résumer des publications ou assister dans l’écriture de code scientifique. « Ce sont des outils extrêmement puissants pour accélérer certaines tâches », reconnaît Gérard Biau. Mais ils restent loin d’une véritable créativité mathématique : démontrer un théorème ou concevoir une nouvelle théorie exige encore intuition, abstraction et rigueur formelle.
À la tête du centre d’intelligence artificielle de Sorbonne Université, devenu en 2024 l’un des IA clusters français, le mathématicien mise sur l’interdisciplinarité. Médecins, physiciens ou chimistes collaborent désormais avec des spécialistes des algorithmes pour exploiter ces nouvelles méthodes. Pour lui, l’IA agit ainsi comme un catalyseur : moins une révolution solitaire qu’un moteur collectif de la recherche scientifique.