Cet article propose une analyse critique de l'intelligence artificielle générative (IAg) dans le champ de l’éducation mathématique, en articulant trois perspectives complémentaires : historique, épistémologique et didactique. Dans un premier temps, l'auteur situe les débats actuels sur l’intelligence artificielle (IA) dans une continuité historique plus large, en montrant que les tensions entre promesse et risque accompagnent depuis longtemps les innovations technologiques, de l’écriture à l’imprimerie, jusqu’aux premières formes d’intelligence artificielle. Cette mise en perspective permet de relativiser le caractère supposément disruptif de l’IA contemporaine. Dans un second temps, l'auteur examine la question de la vérité, en opposant le régime de « vérité » algorithmique, fondé sur des processus de classification et de prédiction probabiliste, à la vérité mathématique, construite par déduction au sein de systèmes axiomatiques. Cette distinction met en évidence les limites épistémologiques des systèmes d’IA générative, notamment leur incapacité à garantir la validité des énoncés produits. Il analyse ensuite la nature du raisonnement mobilisé par ces systèmes, en s'appuyant sur la distinction proposée par Charles S. Peirce entre induction, déduction et abduction. Il soutient que les modèles actuels d’IA reposent principalement sur des formes d’inférence inductive, ce qui limite leur capacité à produire des connaissances nouvelles au sens fort. Enfin, à partir de données empiriques issues de projets de recherche menés au Chili, il examine les usages effectifs de l’IA dans des contextes scolaires et de formation des enseignants. Les résultats montrent un usage marginal et peu structurant de ces technologies dans le travail mathématique des étudiants, au profit d’artefacts jugés plus transparents et contrôlables. L’ensemble de ces éléments conduit à déplacer la question du potentiel de l’IA vers celle des conditions didactiques de son intégration.