Quand l’intelligence artificielle résout un problème de maths

Le 20 mai 2026, OpenAI a annoncé qu’un de ses modèles de raisonnement avait, seul, démonté une conjecture mathématique vieille de quatre-vingts ans. C’est la première fois qu’une intelligence artificielle résout un problème de maths central pour une discipline entière, sans qu’un humain ne lui souffle la solution. L’événement marque une bascule que les mathématiciens attendaient avec un mélange de fascination et d’inquiétude : la machine n’a pas accéléré un calcul ni retrouvé une démonstration enfouie dans la littérature – elle a produit une idée neuve.

Pour comprendre pourquoi cette annonce fait du bruit bien au-delà du cercle des spécialistes, il faut distinguer deux choses qu’on confond souvent. Une IA qui résout des exercices de niveau olympiade, on connaît depuis 2025. Une IA qui apporte une contribution originale à un problème ouvert que des chercheurs humains n’avaient pas su trancher, c’est un saut de nature, pas de degré. Et 2026 est l’année où ce saut s’est produit, plusieurs fois, chez plusieurs laboratoires.

Cet article fait le point sur ce qui a réellement été accompli, sur la différence entre les annonces solides et les coups de communication, et sur ce que ces percées disent de la trajectoire des grands modèles de langage.

Le problème mathématique des distances unités, résolu par une IA d’OpenAI

Le résultat le plus marquant concerne le problème des distances unités dans le plan, posé par le mathématicien hongrois Paul Erdős en 1946. L’énoncé semble enfantin : si l’on place un certain nombre de points sur une surface plane, combien de paires de points peuvent être exactement à une distance de 1 l’une de l’autre ? Pendant près de quatre-vingts ans, les mathématiciens ont cru que les meilleures configurations ressemblaient grosso modo à des grilles carrées.

Le modèle d’OpenAI a fait voler cette intuition en éclats. Il a découvert une famille infinie de configurations de points produisant nettement plus de paires à distance unité que l’approche classique de la grille carrée. Plus frappant encore, la méthode employée n’avait rien d’évident. Plutôt que d’itérer sur des arrangements de grilles connus, le modèle a abordé le problème via la théorie algébrique des nombres, en le reliant à des structures avancées appelées tours de corps de classes infinies.

En clair : Erdős avait conjecturé que le nombre de paires à distance unité ne pouvait pas croître beaucoup plus vite que le nombre de points lui-même. L’IA a prouvé l’inverse, en construisant des arrangements qui dépassent significativement cette borne pour une infinité de cas. L’amélioration a été quantifiée avec un exposant d’environ 0,014 par le mathématicien de Princeton Will Sawin, qui a affiné le résultat. Le chiffre paraît minuscule, mais en mathématiques, faire passer une croissance de « linéaire » à « strictement plus que linéaire » change tout : cela suffit à réfuter la conjecture.

Pourquoi cette annonce est crédible, contrairement à la précédente

Ce qui distingue cette percée d’un simple effet d’annonce, c’est la vérification. La démonstration a été contrôlée de manière indépendante par plusieurs mathématiciens de premier plan, dont certains avaient publiquement critiqué les précédentes affirmations d’OpenAI sur les problèmes d’Erdős. Parmi eux, le médaillé Fields Tim Gowers, le combinatoricien de Princeton Noga Alon, Melanie Wood, Will Sawin et Thomas Bloom.

Ce dernier nom n’est pas anodin, car il renvoie à un épisode embarrassant. En octobre 2025, le vice-président d’alors d’OpenAI, Kevin Weil, avait affirmé sur X que GPT-5 avait résolu dix problèmes d’Erdős jusque-là non résolus et progressé sur onze autres. La réalité était tout autre. Thomas Bloom, qui maintient le site de référence recensant les problèmes d’Erdős, a examiné ces affirmations et constaté que GPT-5 n’avait produit aucune démonstration originale : il avait simplement remis au jour des solutions déjà publiées dans la littérature mathématique. Le terme « ouvert » sur ce site signifie qu’aucune solution publiée n’a été trouvée par un chercheur, pas qu’aucune n’existe – une nuance que le modèle avait exploitée sans le savoir. Weil a supprimé son message, puis quitté OpenAI en avril 2026.

La leçon a manifestement été retenue. Cette fois, l’entreprise a publié la preuve accompagnée de commentaires de mathématiciens en exercice et d’un travail de vérification externe mené avant l’annonce. La différence entre « croyez-nous » et « voici la vérification » résume tout l’écart entre les deux épisodes.

Lire plus : Musk vs Altman : le procès qui pourrait tout changer pour OpenAI

DeepMind, ChatGPT, GPT-5 : un mouvement qui dépasse un seul laboratoire

L’erreur serait de croire que cette histoire se résume à un coup d’OpenAI. En réalité, l’année 2026 a vu plusieurs intelligences artificielles résoudre des problèmes de maths ouverts, ce qui transforme l’événement isolé en tendance de fond.

Du côté de Google DeepMind, un agent de recherche spécialisé baptisé Aletheia, bâti sur Gemini Deep Think, a été lancé à l’assaut de la base de problèmes d’Erdős. Déployé du 2 au 9 décembre 2025 sur les 700 problèmes alors marqués comme « ouverts », il a renvoyé 212 réponses potentiellement correctes sur les 700 soumises. Après un filtrage humain rigoureux, le décompte final a été ramené à une poignée de solutions véritablement nouvelles – DeepMind ayant lui-même revu ses chiffres à la baisse au fil des vérifications externes, signe d’une prudence inhabituelle dans ce secteur.

Du côté grand public, une équipe de la Vrije Universiteit Brussel a documenté un autre cas, qu’elle a baptisé « vibe-proving ». Un flux de travail conversationnel avec ChatGPT-5.2 (Thinking) a produit une démonstration complète et vérifiable de la conjecture 20 de Ran et Teng (2024). Là, le partage des rôles est explicite : le modèle s’est révélé surtout utile pour la recherche de pistes de démonstration à haut niveau, tandis que les experts humains sont restés essentiels pour la clôture rigoureuse des points critiques. Ces capacités de raisonnement nourrissent d’ailleurs la rivalité commerciale entre les deux grands modèles grand public, un duel que nous avons détaillé dans notre comparatif Claude vs ChatGPT.

Enfin, plusieurs problèmes d’Erdős ont été craqués via les versions successives de GPT. Le tableau ci-dessous récapitule les principales avancées documentées en 2025-2026.

Pour le cas de janvier, le mécanisme mérite un mot : GPT-5.2 a généré la preuve, l’outil Aristotle l’a formalisée en Lean, un langage de vérification, et le médaillé Fields Terence Tao l’a acceptée. L’enchaînement génération – formalisation – validation préfigure le pipeline mathématique de demain.

Ce que les mathématiciens disent sur la résolution par IA

C’est ici que l’analyse compte le plus, car l’écart entre l’emballement médiatique et l’évaluation des chercheurs est considérable. Tous ne crient pas à la révolution.

Terence Tao, sans doute le mathématicien vivant le plus respecté, a posé une nuance essentielle sur les problèmes d’Erdős résolus par GPT-5.2 : il souligne qu’il s’agit des « fruits les plus accessibles », des problèmes solubles avec des techniques standard, et non de percées profondes. Le même Tao a toutefois reconnu, pour le problème #1196, que la méthode employée révélait un lien jusque-là inaperçu entre l’anatomie des entiers et la théorie des processus de Markov – donc une vraie contribution, pas un simple recyclage.

Le scepticisme s’appuie aussi sur les chiffres bruts de performance. GPT-5.2 obtient 77 % sur les mathématiques de niveau compétition, mais seulement 25 % sur les problèmes ouverts exigeant une intuition authentique. Autrement dit, la machine excelle là où le chemin est balisé et trébuche là où il faut inventer. Le climat général reste à la prudence : de nombreux chercheurs estiment que chaque résultat individuel a été largement surestimé par certains relais en ligne.

Reste que la trajectoire, elle, ne fait pas débat : argent à l’Olympiade internationale de mathématiques en 2024, or en 2025, première démonstration de recherche originale en 2026. Et plusieurs mathématiciens ont prédit que 2026 serait l’année où des résultats de ce type, avec l’IA comme contributeur déclaré, franchiraient pour la première fois la relecture par les pairs dans des revues mathématiques majeures.

Lire plus : IA agentic : quand l’intelligence artificielle devient autonome

Ce que la résolution de problème par IA change pour la recherche et au-delà

La portée de ces percées dépasse le seul prestige. Si une IA peut explorer un espace de configurations mathématiques plus vaste qu’un humain et y repérer des structures inaperçues, elle devient un instrument de découverte, pas seulement un outil de calcul. Comme le note l’équipe de DeepMind, l’IA n’est pas contrainte par les limites physiques humaines, et de nombreuses questions ouvertes sont sans doute à portée des techniques existantes mais ne sont pas résolues faute de temps et d’attention des bons experts.

Cette logique vaut au-delà des mathématiques pures. Gemini Deep Think a, au passage, tranché une conjecture vieille de dix ans en optimisation sous-modulaire et fait avancer la physique des cordes cosmiques. La frontière entre « résoudre un problème de concours » et « produire de la science » s’efface progressivement.

Pour autant, l’impact le plus durable n’est peut-être pas dans les gros titres. La vraie transformation de 2026 tient à l’intégration de l’IA dans le quotidien des chercheurs : l’aide à la rédaction de preuves formelles, la vérification de littérature oubliée, l’exploration d’approches alternatives. La machine prend en charge la partie fastidieuse pour laisser à l’humain la partie créative. Les problèmes les plus durs – hypothèse de Riemann, équations de Navier-Stokes – restent, eux, hors de portée. La même dynamique d’automatisation se joue dans le monde du travail, où l’IA redessine déjà la carte des métiers.

FAQ – résolution mathématique via IA

Quelle conjecture mathématique l’intelligence artificielle a-t-elle résolue ? En mai 2026, un modèle de raisonnement d’OpenAI a réfuté la conjecture d’Erdős sur le problème des distances unités, posée en 1946. Le modèle a découvert une famille infinie de configurations de points dépassant la borne que les mathématiciens jugeaient optimale depuis quatre-vingts ans. La preuve a été vérifiée par plusieurs mathématiciens de premier plan, dont le médaillé Fields Tim Gowers.

Est-ce vraiment la première fois qu’une IA résout un problème de maths ouvert ? C’est la première fois qu’une IA résout de façon autonome un problème ouvert central pour une discipline, selon OpenAI. Des résultats antérieurs en 2025-2026 (DeepMind, ChatGPT-5.2) impliquaient une collaboration humaine plus marquée, ou consistaient à retrouver des solutions déjà publiées, comme dans l’épisode raté de GPT-5 en octobre 2025.

Quelle est la différence entre une conjecture et un théorème ? Une conjecture est une affirmation que l’on croit vraie sur la base de nombreux exemples ou indices, mais pour laquelle aucune preuve formelle n’existe encore. Dès qu’une démonstration concluante est établie et vérifiée, la conjecture devient un théorème. Dans le cas des distances unités, l’IA n’a pas prouvé la conjecture : elle l’a réfutée.

Les mathématiciens sont-ils convaincus par ces résultats ? Le verdict est nuancé. Terence Tao a qualifié certains problèmes d’Erdős résolus de « fruits les plus accessibles », solubles par des techniques standard. D’autres chercheurs estiment que beaucoup de résultats ont été surestimés en ligne. Mais le résultat d’OpenAI de mai 2026, vérifié indépendamment, est largement reconnu comme une percée authentique.

Quels modèles d’IA savent faire des mathématiques de recherche ? Principalement les modèles de raisonnement les plus avancés : Gemini Deep Think de Google DeepMind (via l’agent Aletheia), les versions successives de GPT d’OpenAI (GPT-5.2 à GPT-5.4 Pro), et un modèle interne d’OpenAI non commercialisé pour le résultat de mai. Ces systèmes combinent souvent génération en langage naturel et formalisation dans un langage de vérification comme Lean.

L’IA va-t-elle remplacer les mathématiciens ? Rien ne l’indique à ce stade. Sur les problèmes ouverts exigeant une intuition authentique, les performances des modèles restent limitées (environ 25 % pour GPT-5.2). La vérification humaine demeure indispensable, et la plupart des chercheurs voient l’IA comme un copilote qui accélère les tâches fastidieuses plutôt que comme un substitut.

Ce qu’il faut retenir

En 2026, l’intelligence artificielle a résolu un problème de maths ouvert et central pour la première fois de façon autonome : la conjecture des distances unités d’Erdős, réfutée par un modèle d’OpenAI le 20 mai et validée par des sommités comme Tim Gowers et Noga Alon. Ce n’est pas un cas isolé – DeepMind avec Gemini, et ChatGPT-5.2 sur la conjecture de Ran et Teng, ont signé des avancées parallèles, transformant l’exploit ponctuel en mouvement de fond.

La prudence reste de mise. Terence Tao rappelle que beaucoup de ces problèmes étaient des « fruits accessibles », et les modèles plafonnent encore sur les questions exigeant une intuition profonde. Mais la trajectoire est nette : de l’or olympique en 2025 à la recherche originale en 2026, l’IA s’installe durablement comme instrument de découverte mathématique. Le vrai tournant ne sera peut-être pas le prochain gros titre, mais le jour où ces preuves franchiront en nombre la relecture par les pairs dans les revues de référence.