On parle d’IA #2 – Octobre 2026
En un mois, l’intelligence artificielle a encore changé de dimension Il y a un mois, je publiais un article pour expliquer les capacités de l’intelligence artificielle et les transformations qu’elle pourrait apporter à notre quotidien. Depuis, plusieurs événements sont venus illustrer à quel point cette technologie progresse rapidement. Et cette fois, il ne s’agit plus seulement de rédiger un courrier, de générer une image ou de gagner du temps au travail. L’IA bouscule désormais des domaines que l’on pensait profondément humains : la création littéraire, le développement de logiciels et même la recherche scientifique. Trois exemples récents permettent de mieux comprendre ce qui est en train de changer. 1. Un écrivain accusé d’avoir utilisé l’IA : qui est réellement l’auteur d’un livre ? En septembre 2026, une polémique éclate autour de Thélyson Orélien, auteur du roman C’était ça ou mourir, qui rencontre un important succès littéraire. Un compte anonyme sur le réseau social X l’accuse d’avoir écrit une grande partie de son livre à l’aide d’une intelligence artificielle. Pour appuyer ces accusations, son auteur invoque notamment les résultats d’un outil de détection de textes générés par l’IA. L’écrivain conteste ces accusations. L’affaire déclenche alors un débat qui dépasse largement le cas d’un seul roman. Lire le récit de la polémique dans Le Monde. Peut-on encore distinguer un texte humain d'un texte généré par une IA ? Les intelligences artificielles actuelles sont capables de produire des textes longs, cohérents, structurés et parfois particulièrement convaincants. Elles peuvent imiter un style, développer des personnages, construire une intrigue ou reformuler des idées. Mais un problème apparaît : si un texte généré par une IA est suffisamment bon pour être publié, comment déterminer qui en est véritablement l'auteur ? Et surtout, comment le prouver ? Les détecteurs d'IA tentent d'identifier les caractéristiques statistiques d'un texte pour estimer s'il a été produit par une machine. Cependant, leur résultat ne constitue pas une preuve absolue. Un texte humain peut être mal classé, et un texte généré peut échapper à la détection. Dans le cas de Thélyson Orélien, les accusations et les démentis ne doivent donc pas être confondus avec une démonstration définitive de l'origine du texte. L'écrivain doit-il nécessairement tout écrire lui-même ? Cette affaire pose une question plus profonde : qu'est-ce qui fait de quelqu'un un auteur ? Imaginons qu'un écrivain imagine une histoire, crée ses personnages, définit leur personnalité et construit l'ensemble de son récit. Il demande ensuite à une IA de reformuler certains passages, d'améliorer le rythme ou de proposer plusieurs versions d'une scène. Qui a créé le livre ? La réponse devient moins évidente si l'IA rédige une grande partie des phrases, mais que l'humain conserve la direction artistique, choisit les propositions et décide de la version finale. À l'inverse, si une personne demande simplement à une IA d'écrire un roman complet à partir de quelques lignes d'instructions, son rôle créatif est sensiblement différent. Il existe donc tout un éventail de situations entre l'écriture entièrement humaine et la génération presque entièrement automatisée. La question n'est plus seulement de savoir si une IA a participé à une œuvre, mais de comprendre quelle place elle a occupée dans sa création. Cette évolution pourrait modifier notre rapport aux livres, mais aussi à la musique, aux illustrations, aux films et à de nombreuses autres productions culturelles. Elle pose également des questions de transparence : le public doit-il être informé lorsqu'une œuvre a été produite avec une aide importante de l'IA ? Une chose est certaine : il devient de plus en plus difficile de juger une œuvre uniquement à partir de son résultat final. 2. La décompilation : quand l'IA apprend à reconstruire les logiciels Le deuxième bouleversement concerne un domaine plus technique, mais dont les conséquences pourraient toucher presque tout le monde : les logiciels que nous utilisons au quotidien. Jusqu'à présent, développer un logiciel complexe demandait souvent des années de travail, une équipe spécialisée et une connaissance approfondie de son fonctionnement. Or, les progrès des assistants de programmation et des outils de rétro-ingénierie changent progressivement cette équation. Qu'est-ce que la décompilation ? Lorsqu'un développeur crée un logiciel, il écrit du code source. Ce code est ensuite transformé, selon la technologie utilisée, en un programme exécutable par un ordinateur. La décompilation consiste à analyser un programme déjà compilé pour retrouver une représentation de son code ou comprendre son fonctionnement. On parle plus largement de rétro-ingénierie lorsqu'il s'agit de comprendre comment un logiciel fonctionne en étudiant son comportement, ses fichiers ou son code compilé. Le processus n'est pas nouveau. Des ingénieurs l'utilisent depuis longtemps pour analyser des programmes anciens, comprendre des formats de fichiers ou identifier des failles de sécurité. Ce qui change aujourd'hui, c'est la capacité des IA à assister ces opérations. Des outils comme REA, un projet de rétro-ingénierie assistée par IA, permettent notamment de combiner des agents d'IA avec des outils d'analyse de programmes. L'IA peut alors aider à comprendre le fonctionnement d'un logiciel existant et à reconstruire certaines de ses fonctionnalités. Peut-on recréer Photoshop ou un jeu vidéo grâce à l'IA ? C'est là que les choses deviennent intéressantes. Imaginons un logiciel commercial dont le code source n'est pas accessible. Un développeur peut observer son comportement, analyser ses fonctionnalités et demander à une IA de l'aider à produire une alternative. Pour un outil simple, le résultat peut être obtenu relativement rapidement. Pour un logiciel complexe, la tâche reste beaucoup plus difficile. Reproduire l'apparence d'une application n'est pas la même chose que reproduire toutes ses fonctionnalités. Un logiciel comme Photoshop repose sur des années de développement, des algorithmes spécialisés, la gestion de nombreux formats et une multitude de comportements difficiles à reproduire. Il en va de même pour un jeu vidéo : recréer les déplacements d'un personnage est une chose, reconstruire l'ensemble du moteur, les niveaux, les interactions, le réseau et les contenus en est une autre. L'IA ne rend donc pas instantanément tous les logiciels reproductibles. Elle réduit cependant le coût et la difficulté de certaines opérations qui demandaient auparavant beaucoup d'expertise. Cette distinction est essentielle pour comprendre les annonces spectaculaires qui circulent actuellement. Les licences logicielles vont-elles devenir obsolètes ? Prenons un exemple concret : vous payez un abonnement pour utiliser un logiciel de création graphique. Si une IA permet à un développeur de reconstruire une alternative qui répond à vos besoins, pourquoi continuer à payer cet abonnement ? La même question se pose pour les logiciels de bureautique, certains outils professionnels et même certains jeux vidéo. Pour les utilisateurs, cela pourrait favoriser l'apparition de nouvelles alternatives et réduire la dépendance à quelques grands éditeurs. Pour les entreprises qui commercialisent ces logiciels, le modèle économique pourrait être remis en question. Si certaines fonctionnalités deviennent beaucoup moins coûteuses à reproduire, justifier un abonnement élevé pourrait devenir plus difficile. Mais il faut distinguer deux choses : la possibilité technique de reconstruire un logiciel et le droit de le faire. En France, la rétro-ingénierie et la décompilation sont encadrées par le droit de la propriété intellectuelle. Certaines opérations sont autorisées sous des conditions précises, notamment pour permettre l'interopérabilité de logiciels indépendamment créés. Cela ne signifie pas qu'il est permis de copier librement un programme commercial ou de contourner toutes les restrictions d'une licence. Consulter l'article L122-6-1 du Code de la propriété intellectuelle. Les licences ne vont donc pas disparaître du jour au lendemain. En revanche, la rareté du savoir-faire nécessaire pour reproduire certaines fonctionnalités pourrait diminuer, obligeant les éditeurs à repenser leurs prix, leurs services et la valeur qu'ils apportent à leurs clients. C'est un changement potentiellement majeur pour l'industrie du logiciel. 3. L'IA en mathématiques : des années de recherche bouleversées en quelques jours Le troisième exemple est peut-être le plus impressionnant. On associe souvent l'intelligence artificielle à des tâches répétitives ou à la production de contenus. Pourtant, ses capacités progressent également dans des domaines où l'on pensait que l'expertise humaine était indispensable : la recherche scientifique. Et les mathématiques offrent un exemple particulièrement frappant. Quand une IA s'attaque à des problèmes ouverts depuis des années En mathématiques, certains problèmes restent sans solution pendant des années, parfois des décennies. Des chercheurs peuvent consacrer une grande partie de leur carrière à explorer une question, construire des démonstrations et tenter de nouvelles approches. Le travail ne consiste pas simplement à effectuer des calculs. Il faut inventer des raisonnements, découvrir des relations inattendues et démontrer rigoureusement que chaque étape est correcte. Or, les systèmes d'IA commencent à produire des résultats qui interviennent directement dans cette recherche. Le 6 octobre 2026, OpenAI a rendu publics 722 manuscrits mathématiques, regroupés en 372 ensembles de résultats, produits par un modèle interne avancé. Ces travaux portent sur de nombreux problèmes de recherche, dont certains étaient encore ouverts. Présentation des résultats par OpenAI. Il ne s'agit plus seulement de demander à une IA de résoudre un exercice scolaire. Elle est désormais capable de contribuer à des raisonnements mathématiques spécialisés, de proposer des démonstrations et d'explorer des pistes de recherche. Hugo Duminil-Copin face à cette accélération Le mathématicien français Hugo Duminil-Copin, lauréat de la médaille Fields en 2022, est directement concerné par ces évolutions. En octobre 2026, il a témoigné du bouleversement provoqué par les résultats publiés par OpenAI. Parmi les travaux annoncés, seize problèmes qui l'intéressaient dans son propre domaine de recherche étaient concernés. Pour un chercheur, il ne s'agit pas simplement de constater qu'une machine sait résoudre des problèmes difficiles. Une recherche scientifique est souvent un parcours collectif, construit au fil des années. Les chercheurs formulent des hypothèses, testent des idées, échangent avec leurs collègues et construisent progressivement de nouvelles connaissances. Lorsqu'une IA produit en très peu de temps des résultats qui auraient pu demander des années de travail humain, elle peut bouleverser les projets de recherche en cours et la manière dont les scientifiques envisagent leur métier. Lire l'analyse du Monde consacrée à Hugo Duminil-Copin et aux résultats d'OpenAI. Attention : une démonstration produite n'est pas automatiquement une découverte validée Il faut toutefois rester prudent. Les manuscrits publiés par OpenAI ne constituent pas 722 découvertes définitivement validées par la communauté scientifique. Leur qualité est variable, et certains résultats nécessitent encore une vérification approfondie. Des erreurs ont également été relevées dans plusieurs textes. En mathématiques, une démonstration doit être rigoureuse : chaque étape doit découler correctement des précédentes. Une réponse convaincante ou un long document rempli de formules ne suffit pas. Des outils de vérification formelle peuvent aider à contrôler certaines preuves, mais ils ne sont pas disponibles ou complets pour tous les résultats. La validation scientifique reste donc essentielle. Ce qui change, c'est l'ampleur du travail que les chercheurs doivent désormais examiner. L'IA peut produire des pistes, des preuves candidates et des résultats à une vitesse qui dépasse la capacité d'une équipe humaine à tout vérifier immédiatement. Le défi pourrait bientôt être moins de trouver des résultats que de vérifier, comprendre et exploiter l'immense quantité de résultats proposés par les machines. Cette évolution soulève également une question pour les jeunes chercheurs : comment apprendre à devenir un bon mathématicien si une IA peut déjà réaliser certaines tâches auxquelles ils consacraient leurs premières années de recherche ? L'objectif ne devrait pas être de renoncer à la recherche humaine, mais de déterminer comment utiliser ces outils sans perdre la compréhension profonde, la créativité et la capacité de jugement qui permettent à la science de progresser. Trois bouleversements, une même question Ces trois exemples semblent concerner des domaines très différents. Un écrivain confronté au soupçon d'avoir utilisé une IA. Un développeur capable de reconstruire certaines fonctionnalités d'un logiciel existant. Un mathématicien qui découvre que des machines peuvent explorer des problèmes auxquels il consacre ses recherches. Pourtant, une même transformation se dessine. L'IA ne se contente plus d'accélérer des tâches simples. Elle intervient progressivement dans des activités qui reposent sur l'expérience, la créativité, l'expertise et le raisonnement. Cela ne signifie pas que les humains vont devenir inutiles. Mais certaines compétences qui demandaient auparavant des années d'apprentissage pourraient être mobilisées différemment, tandis que d'autres deviendront encore plus importantes. Savoir vérifier une démonstration, comprendre les besoins d'un utilisateur, définir une direction artistique ou déterminer si un résultat est réellement pertinent pourrait compter autant, voire davantage, que la capacité à produire rapidement un premier résultat. Et il faudra également apprendre à distinguer ce qu'une IA affirme savoir faire de ce qu'elle a effectivement démontré. Un mois de progrès, et maintenant ? Dans mon précédent article, j'expliquais que l'IA devenait un outil accessible au grand public, capable de rédiger, de créer des images, d'aider à programmer et d'automatiser certaines tâches. Un mois plus tard, les exemples récents illustrent une étape supplémentaire : cette technologie commence à remettre en question les frontières entre assistance et création, entre reproduction et développement, entre calcul et recherche scientifique. Ces changements ne se produisent pas sans limites, sans erreurs ni débats. Mais leur rythme oblige déjà les professionnels, les entreprises, les chercheurs et les citoyens à revoir certaines de leurs certitudes. Nous ne savons pas exactement à quoi ressembleront les métiers dans cinq ou dix ans. En revanche, nous pouvons constater que des tâches considérées comme complexes ou réservées à des spécialistes deviennent progressivement accessibles à des outils capables d'assister un nombre croissant de personnes. La question n'est donc plus simplement de savoir si l'IA va transformer notre quotidien. La question est de savoir comment nous allons nous adapter à une technologie dont les capacités évoluent parfois plus vite que notre capacité à en comprendre toutes les conséquences. Apprendre à utiliser l'IA plutôt que la subir Face à ces évolutions, il me semble essentiel de ne pas considérer l'intelligence artificielle comme une technologie réservée aux informaticiens ou aux chercheurs. Il est déjà possible de l'utiliser pour rédiger un courrier, préparer un document, créer des visuels, comprendre un sujet complexe ou gagner du temps dans une activité professionnelle. Encore faut-il savoir formuler ses demandes, choisir les bons outils et vérifier les résultats obtenus. C'est dans cette optique que je propose des formations à l'utilisation de l'intelligence artificielle, destinées aussi bien aux particuliers qu'aux professionnels. L'objectif n'est pas de devenir expert en informatique, mais d'apprendre à utiliser concrètement ces nouveaux outils, de manière pertinente et avec suffisamment de recul pour en tirer parti. Comme vous vous en doutez, cet article a été généré par une intelligence artificielle !
