Le tournant de l’IA, qui questionne les mathématiciens, a déjà été pris dans certaines professions. C’est le cas pour les métiers de la statistique. Nicolas Cavallo nous expose les évolutions de sa discipline ces quinze dernières années et les changements qu’elles ont occasionnés dans ses pratiques et ses conceptions.
C’est un sacré paradoxe de redouter la mort des mathématiques face à l’essor de l’IA. À chaque fois que nous dialoguons avec un modèle comme ChatGPT, nous activons des milliards d’opérations mathématiques élémentaires : de simples additions et multiplications. L’IA n’est donc rien d’autre que des calculs mathématiques. On peut aussi arguer que si les mathématiques n’étaient que du calcul, les calculatrices les auraient déjà tuées dès les années 1960. Mais les mathématiques servent avant tout à comprendre notre monde.
En revanche, le métier de mathématicien est entré dans une phase de sidération face à ces IA capables de résoudre des conjectures complexes, et même de proposer des solutions à des problèmes millénaires comme les équations de Navier-Stokes. Pourtant, cette sidération doit – et va – laisser place à l’adaptation. Pour comprendre ce qui attend les mathématiciens, il suffit d’observer comment ces vagues d’adaptation ont déjà été vécues sur le terrain, en entreprise, et d’identifier les domaines où ces modèles excellent.
De statisticien à ingénieur IA
J’ai débuté ma carrière à l’Insee en tant que statisticien. À l’époque, on nous promettait « le métier le plus sexy du XXIe siècle ». Mais très vite, la vague du deep learning (apprentissage profond) a tout balayé : nous avons tous voulu devenir data scientist (de data, « données », en anglais). Le premier grand basculement s’est opéré : nous ne programmions plus les règles mathématiques à la main ; nous laissions des modèles complexes les déduire directement depuis les données.
