Une annonce spectaculaire, mais à lire avec prudence
OpenAI affirme qu’un de ses modèles internes de raisonnement a produit une preuve réfutant une conjecture majeure de géométrie discrète formulée par Paul Erdős en 1946. Le sujet, relayé notamment par ScienceNet en Chine, Nature, The Guardian, TechCrunch et Live Science, concerne le problème dit de la distance unitaire dans le plan.
La question est simple à énoncer : si l’on place n points dans un plan, combien de paires de points peuvent être exactement séparées par une distance de 1 ? Erdős avait construit des arrangements de points, proches de grilles carrées, donnant beaucoup de telles distances unitaires. Il avait ensuite conjecturé, en substance, que l’on ne pouvait pas faire beaucoup mieux que ces constructions de type grille.
La revendication d’OpenAI est que son modèle a trouvé une famille infinie de configurations de points qui dépasse cette limite supposée. Autrement dit, il ne s’agit pas de prouver qu’Erdős avait raison, mais de montrer qu’il avait tort : la conjecture est réfutée par un contre-exemple général.
Quelle conjecture est réellement tombée ?
Le résultat ne résout pas entièrement le problème de la distance unitaire. Il ne donne pas la croissance exacte du nombre maximal de paires à distance 1. Ce qu’il fait, en revanche, est déjà considérable : il renverse la borne conjecturée par Erdős.
Dans le langage des mathématiciens, si ν(n) désigne le nombre maximal de paires à distance unitaire parmi n points du plan, Erdős conjecturait une croissance de type n^(1+o(1)), ou plus concrètement une borne proche de n^(1+C/log log n). Cette forme signifie que le nombre de paires croît à peine plus vite que linéairement, même pour de très grands ensembles de points.
La preuve publiée par OpenAI affirme qu’il existe une constante δ strictement positive et une infinité de valeurs de n pour lesquelles ν(n) est au moins n^(1+δ). C’est précisément ce δ fixe, même petit, qui fait s’effondrer la conjecture. Will Sawin, mathématicien à Princeton, a ensuite publié sur arXiv une version donnant une borne explicite : plus de n^1,014 paires à distance exactement 1 pour des n arbitrairement grands.
Ce point est crucial : la conjecture d’Erdős est bien réfutée, mais la fonction ν(n) reste loin d’être complètement comprise. Le meilleur majorant général connu reste de l’ordre de n^(4/3), hérité de travaux des années 1980. Il existe donc encore un grand écart entre ce que l’on sait construire et ce que l’on sait interdire.
Comment le modèle d’OpenAI aurait trouvé la preuve
Selon OpenAI, le résultat provient d’un modèle de raisonnement généraliste, non spécialisé dans les mathématiques, non conçu spécifiquement pour ce problème et non équipé d’un échafaudage ciblé de recherche de preuves. L’entreprise affirme avoir testé ce modèle sur une collection de problèmes d’Erdős et avoir reçu, dans ce cas, une solution exploitable.
Le manuscrit d’OpenAI précise que le modèle a reçu un énoncé du problème, puis que sa sortie a été évaluée par une chaîne interne de vérification assistée par IA. Ce n’est qu’après cette étape que des chercheurs humains d’OpenAI et des mathématiciens externes ont examiné, réorganisé, simplifié et contextualisé l’argument.
La version publiée n’est donc pas un pur copier-coller de la réponse brute de l’IA. OpenAI a mis en ligne un article de 18 pages, une note d’accompagnement de 19 pages signée par neuf mathématiciens, ainsi qu’une version abrégée de la chaîne de raisonnement du modèle, longue de 125 pages. ScienceNet souligne que même cette version réduite dépasse 75 000 mots, soit l’ordre de grandeur d’un roman court.
L’idée mathématique est inattendue. Les constructions classiques d’Erdős s’appuyaient sur des grilles et, en arrière-plan, sur l’arithmétique des entiers de Gauss. Le nouveau raisonnement remplace cette structure par des objets beaucoup plus sophistiqués issus de la théorie algébrique des nombres : corps de nombres de grand degré, tours de corps de classes non ramifiées, groupes de Galois de puissance 3, méthode de Golod-Shafarevich et contrôle des discriminants.
Dit simplement, le modèle a cherché une manière de produire énormément de translations de longueur 1 en utilisant des symétries arithmétiques profondes, puis de les transformer en configurations géométriques dans le plan. C’est précisément ce pont entre deux régions éloignées des mathématiques — théorie des nombres algébrique et géométrie discrète — qui a surpris la communauté.
Pourquoi les mathématiciens prennent cette fois l’annonce au sérieux
La prudence est de mise parce qu’OpenAI a déjà été critiquée pour une annonce mathématique trop ambitieuse. En 2025, des responsables de l’entreprise avaient affirmé que GPT-5 avait résolu plusieurs problèmes d’Erdős. Des mathématiciens, dont Thomas Bloom, avaient ensuite montré que les solutions existaient déjà dans la littérature : le modèle avait surtout retrouvé des résultats oubliés ou mal indexés, ce qui est utile, mais très différent d’une découverte originale.
Cette fois, le dossier est plus solide. La note d’accompagnement déposée sur arXiv est signée par Noga Alon, Thomas F. Bloom, W. T. Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Victor Wang et Melanie Matchett Wood. Elle présente une version digérée et vérifiée humainement du contre-exemple généré par OpenAI.
Tim Gowers, médaillé Fields, y qualifie le résultat de jalon pour les mathématiques assistées par IA. Thomas Bloom, qui avait été l’un des critiques de l’épisode précédent, reconnaît lui aussi la valeur du résultat, tout en insistant sur le rôle toujours essentiel des humains pour discuter, comprendre, améliorer et explorer les conséquences de la preuve.
Cette distinction est importante pour electroblog.ca : une annonce d’entreprise n’est pas une validation indépendante. OpenAI a un intérêt évident à présenter ce résultat comme une avancée majeure de ses modèles de raisonnement. ScienceNet, de son côté, reprend l’information dans un contexte de veille scientifique et cite d’autres médias, mais ne constitue pas en soi une validation mathématique indépendante. Les sources les plus importantes sont donc le manuscrit technique d’OpenAI, les remarques des mathématiciens externes et les prépublications arXiv.
Ce que cela dit vraiment des capacités de raisonnement de l’IA
Si le résultat résiste à l’examen, il marque un changement de catégorie. Jusqu’ici, les grands modèles de langage impressionnaient surtout par leur capacité à résoudre des exercices, à formaliser des arguments connus ou à aider à la recherche bibliographique. Ici, l’IA aurait produit une idée de recherche originale sur un problème central, difficile et bien connu.
La nouveauté n’est pas seulement la longueur du raisonnement. C’est la capacité à poursuivre une piste que beaucoup d’humains auraient jugée trop improbable : chercher un contre-exemple à une conjecture largement crue, puis mobiliser une machinerie technique venue d’un domaine éloigné. C’est exactement le type d’association transversale que les laboratoires d’IA promettent depuis des années pour la science.
Mais il faut éviter deux conclusions excessives. Premièrement, le modèle n’a pas livré une preuve formalisée dans un assistant de preuve comme Lean ou Coq. Il a produit un argument mathématique informel, ensuite vérifié et réécrit par des experts. Deuxièmement, nous ne connaissons pas suffisamment les conditions expérimentales : modèle non public, quantité de calcul, données d’entraînement, nombre d’essais, critères de sélection et fonctionnement exact de la chaîne de vérification interne.
Autrement dit, l’exploit est potentiellement immense, mais il n’est pas encore entièrement reproductible par la communauté.
Pourquoi il ne faut pas encore crier victoire trop vite
En mathématiques, la validation ne se résume pas à l’enthousiasme de grands noms. Une preuve doit être lue, relue, testée, simplifiée, corrigée au besoin et idéalement publiée dans une revue avec évaluation par les pairs. Les textes disponibles sur arXiv sont des prépublications : elles peuvent être excellentes, mais elles ne sont pas encore l’équivalent d’un verdict éditorial final.
Cela ne veut pas dire qu’il faut minimiser la découverte. Le fait que plusieurs mathématiciens reconnus aient déjà vérifié et amélioré l’argument donne un poids considérable à l’annonce. Mais la discipline mathématique a sa propre temporalité. Un contre-exemple de cette importance doit être absorbé par la communauté, comparé aux travaux antérieurs, et intégré dans une nouvelle compréhension du problème.
La prospective : vers une nouvelle division du travail scientifique
Si cette preuve tient, elle annonce moins la fin des mathématiciens qu’un changement de leur rôle. Les modèles de raisonnement pourraient devenir des générateurs d’hypothèses, de constructions et de stratégies, tandis que les humains conserveraient la responsabilité du choix des problèmes, de l’interprétation conceptuelle, de la vérification et de la mise en récit mathématique.
La conséquence pourrait dépasser les mathématiques. Une IA capable de maintenir un raisonnement sur des dizaines de pages, de connecter des domaines éloignés et de proposer des constructions inattendues pourrait accélérer la recherche en physique théorique, en matériaux, en biologie computationnelle ou en ingénierie. Mais ce potentiel dépendra d’une condition : rendre les résultats auditables.
La vraie leçon de l’affaire Erdős n’est donc pas simplement qu’un modèle d’OpenAI a peut-être battu une conjecture de 80 ans. C’est que l’IA commence à entrer dans la zone la plus créative de la recherche — celle où l’on ne se contente pas d’appliquer des méthodes connues, mais où l’on invente un chemin. Et dans cette zone, la confiance ne viendra pas du marketing, mais de la validation patiente par les pairs.