Le célèbre mathématicien Terence Tao a souligné un changement en mathématiques, passant d'une époque de « rareté des preuves » à une « surabondance de preuves » grâce aux avancées de l'IA. Les grands modèles de langage (LLM) génèrent rapidement des preuves, tandis que des outils comme Lean automatisent la vérification. Cependant, la capacité humaine à comprendre ces preuves est en retard, créant un « décalage d'impédance ». Tao a pris l'exemple du problème d'Erdős, où un étudiant a généré une preuve en utilisant ChatGPT en 80 minutes, mais il a fallu à Tao 24 heures pour la vérifier et la comprendre, révélant de nouvelles connexions dans le processus. Tao prédit que les systèmes d'évaluation académique devront être restructurés, car la compréhension, plutôt que la génération de preuves, deviendra la ressource rare. Il insiste sur le fait que l'avenir des mathématiques se concentrera sur la capacité à choisir les bons problèmes, à vérifier et à assimiler les résultats, plutôt que de simplement produire des preuves. Ce changement devrait également impacter d'autres disciplines basées sur les preuves, telles que la physique théorique et la cryptographie, alors que l'IA continue de transformer le paysage de la recherche mathématique.