The Brief
Comment fonctionne l'IA 5 min de lecture

Les racines anciennes des mathématiques qui font fonctionner l'IA moderne

NAVION

Partager

Les mathématiques ne sont pas arrivées à l’intelligence artificielle par accident. Les outils qui rendent l’apprentissage automatique possible, des opérations matricielles aux chaînes de probabilité, ont été développés au fil des siècles par des personnes résolvant des problèmes totalement différents. Un nouveau livre des mathématiciens Steven Strogatz et Alex Townsend, Big Math (Little, Brown and Company, 2026), retrace cette lignée avec une clarté inhabituelle. Le résultat est un portrait montrant comment une pensée mathématique abstraite, souvent vieille de plusieurs siècles, est discrètement devenue le moteur de la technologie la plus importante de notre époque.

Les bâtons de bambou qui ont prédit les réseaux de neurones

L’un des arguments les plus frappants de Big Math est que les mathématiques centrales pour l’IA ne sont pas nouvelles. Strogatz et Townsend décrivent comment d’anciens mathématiciens chinois ont résolu des problèmes de comptabilité, en particulier en estimant le rendement en riz comestible de bottes de riz non transformé, en manipulant des bâtons de bambou. La structure sous-jacente de ces calculs, exprimée en termes modernes, implique des systèmes d’équations linéaires, des matrices et des vecteurs.

Il ne s’agit pas d’une curiosité historique. Ces mêmes structures mathématiques se trouvent au cœur du fonctionnement des réseaux de neurones aujourd’hui. La manipulation de matrices massives, contenant des centaines de milliards, voire des billions de nombres, est décrite dans le livre comme le cœur de l’IA générative. Les comptables chinois travaillant avec du bambou n’avaient aucune idée qu’ils esquissaient les plans d’une technologie qui arriverait environ deux millénaires plus tard.

Le livre récupère également une observation révélatrice du mathématicien du dix-neuvième siècle James Joseph Sylvester, qui a inventé le mot “matrice” et l’a décrite comme une “mère, un générateur, une entité qui a donné naissance à d’autres objets mathématiques”. Strogatz et Townsend soulignent que ce cadre semble étrangement prémonitoire compte tenu de ce que les matrices produisent désormais.

Des réseaux sociaux aux moteurs de recherche : la longue trajectoire des méthodes matricielles

Le livre ne s’arrête pas à l’histoire ancienne. Il retrace la façon dont les méthodes matricielles ont évolué au cours du vingtième siècle pour devenir des outils permettant de comprendre les relations humaines. L’idée formulée en 1949 par Leon Festinger selon laquelle des multiplications répétées de matrices et de vecteurs pouvaient révéler des structures cachées dans les réseaux sociaux a fini par donner naissance à des méthodes pour mesurer l’influence, détecter des groupes et classer les individus selon leur degré de connexion.

Cette lignée mène directement à l’une des applications les plus familières de l’histoire de la technologie. Strogatz et Townsend expliquent comment le jeu de société Serpents et Échelles peut être utilisé pour comprendre une chaîne de Markov, une formulation mathématique dans laquelle la probabilité de l’état suivant dépend uniquement de l’état actuel, et non d’un état précédent. Cette structure a été essentielle pour les premiers algorithmes de recherche de Google.

Le livre relate également l’histoire de George Dantzig qui, alors qu’il était étudiant en cycle supérieur à l’Université de Californie à Berkeley en 1939, est arrivé en retard à un cours de statistique et a copié deux équations du tableau noir, pensant qu’il s’agissait de devoirs. Il les a résolues quelques jours plus tard et s’est excusé pour le retard. C’étaient des problèmes ouverts et non résolus. Cette histoire est ensuite devenue la base d’une scène du film de 1997 Will Hunting.

Ces anecdotes ne sont pas de la décoration. Elles illustrent un schéma : des outils mathématiques développés dans un contexte donné, souvent sans objectif appliqué à l’esprit, s’avèrent à maintes reprises être exactement ce dont une future technologie a besoin.

Pourquoi l’histoire des mathématiques est aussi l’histoire de l’IA

Voici ce que la plupart des reportages sur l’IA manquent. La conversation publique sur l’intelligence artificielle a tendance à se concentrer sur les récentes avancées, sur ce qu’un modèle peut faire aujourd’hui par rapport à ce qu’il pouvait faire l’année dernière. Big Math recadre la question. Les capacités qui semblent soudaines reposent sur des fondations mathématiques qui sont tout sauf soudaines.

L’histoire de Regina Barzilay, qui ouvre le livre, rend cela concret. Chercheuse en informatique ayant eu un cancer du sein, Barzilay a décidé, après avoir terminé son traitement en 2014, de remédier au manque d’outils de dépistage précoce. La technologie dont elle avait besoin existait déjà sous la forme de l’apprentissage automatique, mais elle était principalement utilisée pour recommander des films et guider le comportement d’achat en ligne. En collaborant avec des radiologues et des informaticiens, elle a développé un modèle d’apprentissage automatique capable de prédire le risque pour une personne de développer un cancer du sein au cours des cinq années suivantes à partir d’une seule mammographie.

Les mathématiques derrière ce modèle n’ont pas été inventées pour la médecine. Elles ont été adaptées de structures qui s’accumulaient depuis des siècles. C’est le point le plus profond que soulignent Strogatz et Townsend : les “grandes mathématiques”, comme ils les appellent, constituent le substrat commun sous-jacent aux technologies qui remodèlent la façon dont les gens travaillent, apprennent, achètent, voyagent, communiquent et guérissent.

Comprendre ce substrat ne nécessite pas de devenir mathématicien. Mais cela exige de reconnaître que l’IA n’est pas une rupture avec le passé. C’est l’aboutissement de celui-ci.

En bref

Les mathématiques qui font fonctionner l’IA, y compris les matrices, les vecteurs, les équations linéaires et les chaînes de Markov, ont été développées au fil des siècles pour résoudre des problèmes qui n’avaient rien à voir avec l’informatique. Big Math de Steven Strogatz et Alex Townsend retrace cette histoire, de la comptabilité chinoise ancienne aux algorithmes de recherche de Google, montrant que ce qui ressemble à une révolution technologique est également le dernier chapitre d’une très longue histoire mathématique.

D’après un reportage de Nature.

Rédigé par

NAVION