Elle en révèle au contraire la nécessité renouvelée. Elle ne les abolit pas ; elle les déplace. Elle ne les rend pas inutiles ; elle les rend plus stratégiques encore. Depuis plusieurs années, j’insiste sur une idée simple : ce que nous appelons intelligence artificielle relève d’abord de l’informatique.

Il s’agit de modèles, d’algorithmes, de données, de capacités de calcul, d’architectures logicielles et matérielles. Derrière les grands modèles de langage, les réseaux de neurones, les systèmes prédictifs ou les assistants de preuve, il n’y a pas une intelligence au sens humain du terme.

Il y a des dispositifs numériques capables de traiter, de corréler, de générer et de prédire à partir de masses considérables de données. Or ces dispositifs ne peuvent être compris sans les mathématiques.

L’algèbre linéaire, les probabilités, les statistiques, l’optimisation, la théorie de l’information, la logique, la complexité algorithmique et les structures discrètes sont au cœur de ce que l’on appelle aujourd’hui intelligence artificielle.

Même lorsque les modèles semblent fonctionner comme des boîtes noires, même lorsqu’ils donnent l’impression d’échapper aux cadres traditionnels de la modélisation, ils restent profondément enracinés dans des constructions mathématiques. La nouveauté n’est donc pas que l’IA se passerait des mathématiques. La nouveauté est qu’elle les rend parfois invisibles.

Le projet Bourbaki a représenté, dans l’histoire des mathématiques, une volonté d’unification, de formalisation et de rigueur. Il s’agissait de refonder la discipline autour des structures, des axiomes, de la démonstration et de la cohérence logique. Cette ambition a marqué durablement la pensée scientifique, y compris l’informatique théorique.

Elle a contribué à installer l’idée qu’un savoir scientifique devait être construit, démontré, vérifié et transmis dans un langage rigoureux. L’intelligence artificielle contemporaine introduit une tension nouvelle.

Elle produit des résultats, formule des propositions, génère des textes, suggère des preuves, explore des conjectures et assiste les chercheurs.

Mais elle le fait souvent selon des processus difficiles à expliquer entièrement. Elle peut être performante sans être intelligible. Elle peut prédire sans comprendre. Elle peut produire une solution sans être capable d’en donner le sens. C’est précisément pour cette raison que les mathématiques deviennent plus nécessaires, et non moins nécessaires.

Nous avons besoin des mathématiques pour concevoir ces systèmes. Nous en avons besoin pour les entraîner, les optimiser et les évaluer. Mais nous en avons aussi besoin pour les contrôler, les vérifier, les auditer et les rendre explicables.

À l’ère de l’IA, les mathématiques ne sont plus seulement le langage de la modélisation scientifique. Elles deviennent aussi le langage de la confiance.

Une société scientifique ne peut pas se contenter d’un résultat parce qu’il est produit par une machine puissante. Elle ne peut pas confondre vitesse de calcul et validité. Elle ne peut pas remplacer l’explication par la prédiction. Elle ne peut pas substituer l’opacité statistique à la démonstration.

La science repose sur une exigence : ce qui est affirmé doit pouvoir être discuté, vérifié, contesté, reproduit et compris. L’IA peut devenir un formidable auxiliaire du raisonnement mathématique.

Elle peut aider à explorer des hypothèses, à repérer des régularités, à formaliser certaines démonstrations, à assister les chercheurs dans des espaces de complexité que l’esprit humain ne peut parcourir seul. Mais elle ne doit pas conduire à affaiblir l’exigence de preuve.

Elle doit au contraire nous obliger à la renforcer. La Déclaration de Leyde sur l’intelligence artificielle et les mathématiques va dans ce sens. Elle ne rejette pas l’IA. Elle reconnaît son potentiel pour accélérer la recherche mathématique et assister la formalisation des preuves. Mais elle rappelle aussi la nécessité de préserver la vérifiabilité, la transparence, l’attribution des découvertes et l’équité d’accès aux ressources computationnelles.

Ces questions ne concernent pas seulement les mathématiciens. Elles concernent toutes les sociétés qui veulent rester souveraines dans leur rapport à l’intelligence artificielle.

Car une nation qui utilise des systèmes qu’elle ne comprend pas, qu’elle ne peut pas vérifier, qu’elle ne peut pas expliquer et qu’elle ne peut pas adapter à ses propres besoins s’expose à une dépendance silencieuse.

Cette dépendance n’est pas seulement technologique. Elle est aussi cognitive, scientifique et culturelle.

Les infrastructures, les données, les modèles, les usages, les métiers, la gouvernance et les finalités.

Les mathématiques traversent toutes ces couches. Elles ne sont pas seulement présentes dans le modèle ; elles sont aussi nécessaires dans l’évaluation des risques, dans la mesure de la performance, dans l’explicabilité, dans la robustesse, dans la cybersécurité et dans la régulation.

Le Maroc, comme d’autres pays, ne peut donc pas aborder l’intelligence artificielle uniquement par les usages ou par les plateformes. Il doit aussi renforcer les fondations scientifiques qui permettent de comprendre ces systèmes.

Cela suppose de réhabiliter les mathématiques, l’informatique théorique, les statistiques, la logique, la science des données et la pensée systémique dans nos formations.

Mais il faut également éviter une autre erreur : croire que la réponse serait seulement technique. L’IA nous oblige à articuler plusieurs formes de savoir. Les mathématiques donnent la rigueur. L’informatique donne l’architecture et l’exécution. Les sciences humaines donnent le sens, le contexte et la responsabilité. L’éthique donne les limites. La gouvernance donne le cadre. L’expérience humaine donne le jugement.

Rendre les systèmes intelligents compréhensibles, vérifiables, responsables et maîtrisables. Ce n’est pas une rupture contre les mathématiques. C’est une invitation à leur donner une nouvelle place.

La vraie question n’est donc pas : avons-nous encore besoin des mathématiques ? La vraie question est : quelles mathématiques devons-nous enseigner, pratiquer et gouverner pour que l’intelligence artificielle reste au service de la connaissance humaine ?

À l’ère des modèles prédictifs, nous aurons besoin de mathématiques pour ne pas confondre corrélation et compréhension. À l’ère des assistants de preuve, nous aurons besoin de mathématiques pour distinguer aide au raisonnement et délégation aveugle.

À l’ère des grands modèles de langage, nous aurons besoin de mathématiques pour mesurer l’incertitude, détecter les erreurs, évaluer la robustesse et rendre les résultats vérifiables.

Les mathématiques ne disparaissent donc pas. Elles changent de fonction. Elles ne sont plus seulement le temple de l’abstraction. Elles deviennent une condition de lucidité dans un monde saturé de calcul.

Elles ne sont plus seulement un langage de savants. Elles deviennent un enjeu de souveraineté, d’éducation, de gouvernance et de confiance. Bourbaki voulait ordonner les mathématiques par la structure. L’intelligence artificielle nous oblige aujourd’hui à ordonner la puissance des machines par la preuve, la compréhension et la responsabilité.

Et c’est aussi pourquoi nous devons investir dans leur transmission, leur renouvellement et leur appropriation collective.

Former des ingénieurs, des chercheurs et des décideurs capables de comprendre les fondements mathématiques de l’IA n’est plus un luxe académique : c’est une nécessité stratégique.

Il ne s’agit pas seulement de produire des utilisateurs de technologies, mais des acteurs capables de les concevoir, de les critiquer et de les orienter. Cela suppose une politique éducative ambitieuse, une recherche soutenue et une culture scientifique partagée.

L’avenir de l’intelligence artificielle ne se jouera pas uniquement dans les centres de calcul ou les grandes plateformes.

Il se jouera aussi dans les salles de classe, dans les laboratoires, dans les institutions et dans la capacité des sociétés à comprendre les outils qu’elles utilisent. En ce sens, les mathématiques ne sont pas derrière nous. Elles sont devant nous.