fr.wedoany.com Rapport : Lors de la WAIC 2026, qui se tiendra du 17 au 20 juillet à Shanghai, l'innovation fondamentale en théorie de base est établie comme axe central. La conférence s'articule autour de trois grandes thématiques : Math for AI, AI for Math, et l'application concrète de l'IA+Mathématiques dans le monde réel. Cette orientation prolonge le point de vue exprimé par Shing-Tung Yau, premier lauréat chinois de la médaille Fields, lors de la WAIC 2022, selon lequel les mathématiques sont le fondement du développement de la technologie de l'intelligence artificielle, et inversement, l'IA peut apporter un soutien significatif à la recherche mathématique. Cette logique d'autonomisation bidirectionnelle du numérique et de l'intelligence a été validée à long terme par des conférences internationales de premier plan telles que l'AAAI, l'ACM (Association for Computing Machinery), et des revues comme Nature.
Le modèle de développement extensif actuel de l'industrie de l'IA, reposant sur l'accumulation de paramètres et la surconsommation de puissance de calcul, est considéré comme ayant atteint un plafond théorique. Les problèmes fondamentaux des grands modèles, tels que la faible explicabilité, le mécanisme d'émergence peu clair et le manque de robustesse, trouvent leur essence dans l'absence d'un système mathématique sous-jacent et le retard dans l'itération des théories de base. Actuellement, la fusion bidirectionnelle du numérique et de l'intelligence a déjà produit des résultats concrets. Des théories mathématiques telles que l'optimisation convexe, les probabilités et statistiques, et l'analyse fonctionnelle ont efficacement résolu des problèmes d'ingénierie comme le surapprentissage des grands modèles, la faible capacité de généralisation et la redondance de la puissance de calcul. Des systèmes intelligents comme AlphaGeometry, FunSearch et AlphaProof de DeepMind ont dépassé les limites de la recherche manuelle traditionnelle dans les domaines du raisonnement géométrique, des mathématiques combinatoires et de la preuve formelle. La mathématicienne Hong Wang, spécialisée en analyse harmonique et en théorie géométrique de la mesure, a fourni un support mathématique pour le traitement d'images et la réduction de bruit en IA grâce à la démonstration de la conjecture de Kakeya en trois dimensions et à l'optimisation des techniques d'analyse de Fourier.
La WAIC 2025 avait lancé un dialogue académique de haut niveau intitulé « Questions mathématiques », dont les sujets étaient proposés par l'académicien Shing-Tung Yau. Plusieurs grands modèles nationaux avaient résolu les problèmes en direct, revenant ainsi aux premiers principes de l'IA. En 2026, la conférence s'appuie sur les « Questions mathématiques » de 2025 et rassemble trois grands forums académiques de haut niveau : le Forum Smale sur les mathématiques et l'intelligence artificielle, le Forum sur l'intelligence cognitive de Huayuan Computing, et l'Atelier WAICA sur la modélisation mathématique et le calcul scientifique. L'objectif est de faire passer l'IA de l'itération d'applications d'ingénierie à un développement coordonné de l'innovation théorique et de l'application industrielle.
Dans le domaine de Math for AI, la conférence se concentre sur la reconstruction du paradigme scientifique sous-jacent de l'IA à l'aide d'axiomes mathématiques. De nombreuses études confirment que le système mathématique moderne est un levier essentiel pour surmonter les goulets d'étranglement technologiques des grands modèles. Au niveau de l'optimisation des modèles, l'optimisation convexe et non convexe restructure la logique d'apprentissage, les probabilités et statistiques ainsi que la théorie de l'information normalisent le mécanisme d'attention des Transformers, et des outils comme l'analyse fonctionnelle et les équations aux dérivées partielles résolvent des difficultés techniques telles que la réduction de bruit en haute dimension et la modélisation de scénarios complexes. Des résultats expérimentaux publics montrent que le cadre d'apprentissage par renforcement au moment du test, développé conjointement par l'Université Tsinghua et le Shanghai AI Lab, a considérablement amélioré les performances des modèles de compétition mathématique. Le Nemotron-Math de NVIDIA, s'appuyant sur un ensemble de données de raisonnement mathématique de plusieurs millions d'exemples, a permis une mise à niveau systématique de la capacité de raisonnement mathématique des grands modèles. Lors du Forum Smale sur les mathématiques et l'intelligence artificielle, l'académicien Zongben Xu analysera en profondeur la contradiction centrale de l'IA entre « les propositions scientifiques de dimension infinie et les technologies d'ingénierie de dimension finie », et expliquera les mécanismes mathématiques des lois d'échelle des grands modèles et de l'émergence de l'intelligence. Des chercheurs comme Weinan E, Bin Dong et Shi Jin partageront des résultats de pointe sur la fusion des équations différentielles et des réseaux neuronaux, ainsi que sur la modélisation de systèmes complexes, afin de perfectionner le système mathématique complet de l'IA, incluant la modélisation causale, l'optimisation robuste et la gestion des risques de sécurité. Le forum comprendra également des sessions de dialogue intergénérationnel et de table ronde, avec la participation de chercheurs renommés nationaux et internationaux tels que Jianqing Fan et Dacheng Xiu, ainsi que de jeunes chercheurs.
Dans le domaine de AI for Math, la puissance de calcul intelligente est en train de remodeler le paradigme de la recherche mathématique. Les réalisations de référence incluent AlphaGeometry de DeepMind, qui a atteint une capacité de raisonnement géométrique de niveau IMO, AlphaEvolve, qui a fait progresser la recherche sur le problème séculaire du nombre de baisers, et l'équipe AI4MATH de l'Université de Pékin, qui a réussi à réfuter la conjecture d'Anderson, en suspens depuis plus de dix ans, un résultat publié dans Nature. Le Forum sur l'intelligence cognitive de Huayuan Computing se concentrera sur des pistes de pointe telles que la preuve automatique de théorèmes, les mathématiques formalisées, les grands modèles mathématiques et le raisonnement hybride symbolique-numérique. Des chercheurs renommés nationaux et internationaux, comme Manuel Blum et Jianqing Fan, interpréteront les voies innovantes par lesquelles les technologies intelligentes résolvent des problèmes mathématiques complexes. Le Dr Wei Tang, s'appuyant sur des pratiques de pointe en AI for Science, partagera des résultats concrets de l'utilisation d'outils intelligents pour soutenir la recherche fondamentale en mathématiques.
De plus, la WAIC 2026 s'associe à l'Université Tongji pour organiser l'Atelier WAICA sur la modélisation mathématique et le calcul scientifique. L'atelier se concentrera sur des directions clés telles que les réseaux neuronaux informés par la physique, les opérateurs neuronaux et les approches hybrides données-physique, afin d'explorer les applications à grande échelle de l'IA dans la simulation d'ingénierie, les jumeaux numériques et la modélisation climatique, et de s'attaquer aux problèmes d'explicabilité, de généralisation et de contrôle des erreurs dans le calcul scientifique basé sur l'IA.
La fusion du numérique et de l'intelligence est passée de la théorie à l'application industrielle. Des outils mathématiques tels que l'analyse harmonique, le calcul numérique et la modélisation topologique optimisent continuellement les performances de l'IA, améliorant la précision et la stabilité des tâches de vision industrielle, d'imagerie médicale, de simulation météorologique et de fusion multimodale. La WAIC 2026, s'appuyant sur ses trois forums, construit une chaîne complète allant de la « recherche mathématique » à l'« itération de l'IA » et à l'« autonomisation industrielle », favorisant la standardisation et la mise en œuvre de haute précision des résultats de pointe, et soutenant le développement de l'économie réelle grâce à la recherche fondamentale.
