Une IA vient de faire une découverte mathématique majeure (et personne n'en parle)

Un modèle d'intelligence artificielle d'OpenAI a réfuté une conjecture centrale en géométrie discrète, un événement qualifié par le médaillé Fields Timothy Gowers comme la première résolution d'un problème mathématique majeur par une IA. Cette avancée, survenue le 20 mai 2026, s'inscrit dans une trajectoire de progrès vertigineuse des IA dans le domaine des mathématiques, suscitant des interrogations profondes sur l'avenir de cette discipline. L'histoire commence en octobre 2025 avec une annonce enthousiaste d'OpenAI concernant GPT-5, prétendant la résolution de dix problèmes d'Erdős inédits. Cependant, il s'est rapidement avéré que GPT-5 s'était contenté de trouver des articles existants contenant des solutions sans que les auteurs n'aient identifié ces problèmes comme étant des problèmes d'Erdős. Cette confusion, qualifiée d'"embarrassante" par Demis Hassabis, a conduit à la suppression du tweet initial, démontrant que les IA n'avaient pas encore véritablement résolu de problèmes d'Erdős à cette date. Néanmoins, cette fausse alerte a marqué le début d'une série de percées. Dès novembre 2025, AlphaEvolve de DeepMind a amélioré des solutions existantes pour des problèmes d'Erdős. Les avancées significatives sont apparues en janvier 2026, lorsque GPT-5.2 Pro a généré des preuves originales pour trois problèmes d'Erdős, validées par le prestigieux mathématicien Terence Tao. Ces preuves ne provenaient pas d'un effort de recherche d'OpenAI, mais de deux amateurs utilisant la version commerciale de ChatGPT. Kevin Barreto, étudiant en mathématiques, a soumis une preuve pour le problème #728, formalisée ensuite par l'IA Aristotle et vérifiée par l'assistant de preuve Lean. Peu après, Neel Somani, un ingénieur, a présenté une preuve pour le problème #397, générée et formalisée en moins de 24 heures. Ces succès ont démontré la capacité des IA à identifier et résoudre des problèmes ouverts, incitant Somani à tester systématiquement tous les problèmes d'Erdős ouverts avec GPT-5.2 Pro, aboutissant à de nouvelles solutions validées. Le mouvement s'est amplifié avec les versions ultérieures des modèles d'OpenAI. En avril 2026, GPT-5.4 et 5.5 ont permis à un mathématicien polonais de trouver de nouveaux résultats. Le problème #1196 a été résolu par Liam Price, un étudiant, grâce à ChatGPT 5.4 Pro. La preuve proposée était particulièrement remarquable car elle était concise, élégante et "naturelle", suggérant une approche que les experts humains avaient négligée en raison d'un biais cognitif. Thomas Bloom, créateur du site erdosproblems.com, a souligné que cette preuve était la première où une IA enseignait quelque chose de nouveau sur les nombres entiers, démontrant la capacité des IA à explorer des voies alternatives grâce à leur vitesse et leur persévérance. Ces avancées ont conduit certains à déprécier la valeur des problèmes d'Erdős, les considérant comme des énigmes surévaluées. Cependant, Thomas Bloom a défendu leur importance en publiant une liste des "10 problèmes d'Erdos qui comptent vraiment". Ironiquement, à peine un mois plus tard, le 20 mai 2026, l'un des problèmes les plus célèbres de cette liste, le problème #90 sur les distances unitaires, a été réfuté de manière entièrement autonome par un modèle d'OpenAI. Cette résolution a été accueillie avec surprise et admiration par des mathématiciens renommés, dont Timothy Gowers et Noga Alon, qui ont reconnu sa portée et son caractère impressionnant. La conjecture de la distance unitaire, posée en 1946 par Erdős, cherchait à maximiser le nombre de paires de points à une distance donnée dans un plan. Pendant 80 ans, les mathématiciens ont tenté de la prouver. Le modèle d'OpenAI a proposé une réfutation en trouvant des constructions qui surpassent la limite théorique basée sur une grille carrée. Cette solution s'appuie sur une généralisation des constructions de type grille et utilise des outils issus de la théorie algébrique des nombres, un domaine jusque-là peu exploré pour ce problème. Thomas Bloom a noté que la théorie des nombres avait plus à offrir qu'on ne le pensait, ouvrant potentiellement la voie à l'application de ces outils à d'autres problèmes de géométrie discrète. La réfutation de cette conjecture, bien que surprenante, n'est pas le fruit de mathématiques surhumaines et incompréhensibles ; la preuve a été rapidement comprise et même améliorée par des humains. L'obstacle principal pour les mathématiciens humains résidait dans la combinaison improbable de facteurs nécessaires : consacrer beaucoup de temps à la conjecture, s'efforcer de la réfuter malgré l'intuition contraire, explorer des généralisations et maîtriser les aspects pertinents de la théorie algébrique des nombres. La compartimentation des spécialités mathématiques rendait cette conjonction rare. L'IA, quant à elle, a pu satisfaire ces critères grâce à une patience surhumaine et une maîtrise d'un vaste éventail de techniques. Le modèle d'OpenAI utilisé était un modèle de raisonnement généraliste, potentiellement une future version de ChatGPT Pro, et non un système spécialisé en mathématiques. La résolution a été entièrement automatisée, depuis la formulation du problème par une IA jusqu'à une première évaluation par IA, avant l'intervention humaine. OpenAI reste cependant peu transparent sur le nombre de problèmes testés et les échecs rencontrés, bien que la minimisation de ces échecs soit jugée fallacieuse, la recherche étant par nature une entreprise à faible taux de réussite. La "Chain of Thought" (CoT) du modèle, un processus de raisonnement intermédiaire, a révélé qu'il s'est rapidement focalisé sur la réfutation de la conjecture plutôt que sur sa preuve. Les commentaires des mathématiciens soulignent que les IA sont capables d'avoir des idées originales, d'explorer des approches jugées improbables par la communauté et de mener à bien des constructions complexes, dépassant le rôle de simples assistants. La vitesse de progression des IA dans ce domaine est stupéfiante. Moins d'un an avant la réfutation de la conjecture d'Erdos, des LLM généralistes avaient obtenu l'or aux Olympiades Internationales de Maths, un niveau de début de licence. Trois ans et demi auparavant, ChatGPT 3.5 échouait sur des problèmes de niveau collège. Cette accélération défie l'entendement, sans aucun signe de ralentissement. L'impact de ces avancées sur la discipline mathématique est profond. Timothy Gowers estime que la résolution de problèmes mathématiques majeurs par des IA marquera une ère où il deviendra très difficile pour les humains de rivaliser. Il anticipe que les IA atteindront bientôt un niveau élevé dans d'autres domaines comme l'élaboration de théories et la formulation de questions intéressantes. La recherche mathématique, autrefois exclusivement humaine, est désormais menée en collaboration avec des IA de plus en plus autonomes, allant jusqu'à l'automatisation complète du processus de preuve. Cette automatisation pourrait réduire le rôle des chercheurs humains à celui de directeurs de laboratoire guidant des "chercheurs artificiels" plus doués et persévérants. La question se pose de savoir si l'artisanat humain de la recherche mathématique, le "fait main", perdra de sa valeur au profit de l'efficacité des IA. Si l'objectif est l'acquisition de connaissances, l'efficacité de l'IA pourrait rendre les méthodes humaines marginales, voire reléguées au statut de hobby. Le fait que ces bouleversements touchent les mathématiques, symbole d'excellence intellectuelle, est particulièrement frappant. L'humanité pourrait devenir étrangère aux progrès dans cette "magnifique cathédrale du savoir". Cependant, la complexité et l'étendue des mathématiques actuelles font que même chaque mathématicien humain n'est familier qu'avec des fragments de la discipline. L'IA pourrait combler ce fossé, offrant un accès plus systématique à la connaissance. Ces réflexions ne se limitent pas aux mathématiques et pourraient s'étendre à d'autres domaines. La recherche en IA elle-même, étant voisine des mathématiques, pourrait entrer dans une boucle d'auto-amélioration exponentielle, rendant toute anticipation encore plus complexe. La vidéo conclut sur l'importance de considérer la trajectoire de ces progrès et d'ouvrir le débat sur l'avenir de la recherche et de l'intelligence humaine face à ces avancées technologiques.