Daniel Litt est professeur de mathématiques à l'Université de Toronto. Il participe activement à l’évaluation des modèles d’IA depuis de nombreuses années et est généralement considéré comme un sceptique qui rejette le battage médiatique. Il a une déclaration très intéressante qui met à jour ses pensées :

En mars 2025, j'ai parié Tamay Besiroglu, co-fondateur de la société environnementale RL Mechanize, que d'ici 2030, les outils d'IA ne seraient pas capables de produire de manière autonome des articles qui, je pense, seront d'un niveau comparable aux quelques meilleurs articles publiés en 2025, à un coût comparable pour les experts humains. À l’époque, je lui ai donné une cote de 3 : 1 ; Je m'attends maintenant à perdre ce pari.

Une grande partie de ce que je m’apprête à dire ici n’est pas si différente, sur le plan factuel, de ce que j’ai écrit auparavant. J'ai lentement mis à jour mes horaires au cours de la dernière année, mais si vous voulez spéculer sur l'avenir à long terme de la recherche en mathématiques, une différence de quelques années n'est pas si importante. Ma motivation pour écrire cet article est que, malgré tout cela, je pense que je n'étais pas suffisamment à l'écoute des capacités des modèles existants, et encore moins des modèles du futur proche. Cela était évident dans le ton de mes commentaires plutôt que dans leur contenu largement réservé.

Bien sûr, les modèles ne sont pas encore aussi originaux ou créatifs que ceux des meilleurs mathématiciens humains (qui l’est ?), mais :

Un LLM peut-il inventer la notion de schéma ou d'espace perfectoïde ou quel que soit votre objet mathématique préféré ? (Pourrais-je ? Pourriez-vous ? Évidemment, il s’agit d’une barre haute et non nécessaire à l’utilité.) Une nouvelle technologie peut-elle émerger ? Menez-vous un débat qui n’est pas « une routine pour le bon expert » ? Faire une nouvelle définition intéressante ? Poser la bonne question ?

…Je suis sceptique quant au fait qu'il existe un aspect mystique de la recherche mathématique qui est fondamentalement inaccessible aux modèles, mais il est vrai que la recherche mathématique humaine repose sur la découverte d'analogies et de philosophies et sur l'exécution d'autres tâches non rigoureuses pour lesquelles les performances du modèle sont encore floues.