Les modèles d'IA remettent en cause une hypothèse fondamentale de la théorie de la complexité

Le 27 octobre 2026, OpenAI a publié des solutions à trois problèmes mathématiques majeurs, dont une réfutation surprenante de l'hypothèse du temps exponentiel (ETH). Cette hypothèse de longue date en informatique définit la borne inférieure du temps nécessaire pour résoudre certains puzzles logiques complexes. La publication a immédiatement suscité une réaction de la communauté scientifique, Anthropic ayant diffusé sa propre contre-preuve quelques heures plus tard.

Ce qui s'est passé

OpenAI a structuré sa publication différemment selon les disciplines concernées. Les mathématiciens ont reçu les travaux via un dépôt GitHub, tandis que les physiciens ont formé un groupe de travail pour décider de leur stratégie de publication. Pour les informaticiens, OpenAI a mis en place un groupe de travail et accepté de financer une conférence afin de discuter publiquement des résultats. Cette approche marque un changement par rapport aux interactions précédentes, que le professeur Ryan Williams du MIT avait critiquées comme étant une « attaque par déni de service distribué (DDOS) contre les mathématiciens » en raison du volume écrasant de données non structurées.

Williams, spécialiste de la complexité computationnelle, a accepté d'aider à interpréter les résultats aux côtés des chercheurs Russell Impagliazzo et Ramamohan Paturi de l'UC San Diego. Impagliazzo et Paturi avaient initialement publié l'ETH en 1999. Le groupe a émis une lettre ouverte invitant la communauté scientifique élargie à faire part de ses retours et appelant à une discussion sur les normes concernant les contributions de l'IA à la recherche. Le mathématicien d'Anthropic, Levent Alpöge, a d'abord suggéré qu'OpenAI s'appuyait sur des travaux préexistants, mais Anthropic a ensuite publié sa propre réfutation de l'hypothèse.

Williams a noté que si certaines parties de la preuve d'OpenAI semblaient routinières, d'autres sections étaient « d'une apparence étrangère ». Ces composants inhabituels l'ont convaincu que l'ensemble de la communauté devait collaborer pour comprendre les implications. L'objectif n'est pas seulement de vérifier l'algorithme, mais de déterminer comment les théories fondamentales doivent s'adapter si l'ETH est effectivement fausse.

Comment cela fonctionne

L'hypothèse du temps exponentiel est étroitement liée au problème P versus NP, une question centrale en informatique. P désigne les problèmes pouvant être résolus rapidement, tandis que NP désigne les problèmes dont une solution peut être vérifiée rapidement. Une analogie courante est le Sudoku : vérifier une grille complétée est rapide, mais trouver la solution à partir de zéro est coûteux en calcul. La plupart des scientifiques supposent que P n'est pas égal à NP, ce qui signifie que certains problèmes sont intrinsèquement difficiles à résoudre même s'ils sont faciles à vérifier.

L'ETH soutient cette hypothèse en affirmant que pour une classe spécifique de puzzles logiques, le temps nécessaire pour trouver une solution croît de manière exponentielle à mesure que le nombre de variables augmente. OpenAI et Anthropic affirment que leurs modèles ont découvert des algorithmes capables de résoudre ces puzzles en temps « sous-exponentiel ». Cela signifie que le coût computationnel croît beaucoup plus lentement que ce qui était considéré comme possible auparavant lorsque la taille du problème augmente. Si cela est valide, cela réfute l'ETH et suggère que certains problèmes considérés comme insolubles pourraient être plus solvables que prévu.

Détails clés

• OpenAI a publié des solutions à trois grands problèmes mathématiques le 27 octobre 2026, incluant une réfutation de l'hypothèse du temps exponentiel.
• Anthropic a publié sa propre réfutation de l'ETH quelques heures après le dépôt initial d'OpenAI, suite aux commentaires du mathématicien Levent Alpöge.
• Le professeur Ryan Williams du MIT, accompagné de Russell Impagliazzo et Ramamohan Paturi, dirige un groupe de travail pour interpréter les résultats.
• L'ETH, publiée en 1999, postule que des puzzles logiques spécifiques nécessitent un temps exponentiellement plus long pour être résolus à mesure que les variables augmentent.
• OpenAI a accepté de financer une conférence pour les informaticiens afin de discuter des implications, marquant un changement par rapport aux publications non structurées antérieures.
• OpenAI a déclaré avoir vérifié les impacts cryptographiques et être confiant que les systèmes actuels ne sont pas compromis par ces nouveaux algorithmes.

Pourquoi c'est important

Pour les ingénieurs logiciels et les architectes de sécurité, la préoccupation immédiate concerne la cryptographie. De nombreux systèmes de chiffrement reposent sur l'hypothèse que certains problèmes mathématiques sont trop difficiles à résoudre dans un délai raisonnable. Si des algorithmes peuvent résoudre ces problèmes en temps sous-exponentiel, les tailles de clés actuellement jugées sûres pourraient devenir vulnérables. Cependant, Dan Roberts, responsable scientifique chez OpenAI, a confirmé que le laboratoire avait vérifié les ruptures cryptographiques immédiates et n'en avait trouvé aucune. Cela suggère que, bien que le paysage théorique évolue, l'infrastructure de sécurité pratique reste intacte pour l'instant.

Au-delà de la sécurité, cette évolution remet en cause les intuitions des développeurs concernant la faisabilité computationnelle. Si l'IA peut systématiquement trouver des solutions sous-exponentielles aux problèmes NP-difficiles, la définition de ce qui est « calculable » en pratique pourrait s'étendre. Cela impose une réévaluation des stratégies de conception et d'optimisation des algorithmes. Cela soulève également des questions sur l'avenir de la découverte scientifique, alors que l'IA commence à surpasser l'intuition humaine dans l'identification de nouvelles voies mathématiques.

Que pouvez-vous faire

• Suivez la lettre ouverte et les mises à jour du groupe de travail dirigé par Ryan Williams pour suivre le processus de vérification de la communauté.
• Passez en revue vos dépendances cryptographiques pour vous assurer que vous utilisez les tailles de clés recommandées, même si aucune rupture immédiate n'a été signalée.
• Participez à la prochaine conférence financée par OpenAI pour comprendre comment les hypothèses fondamentales de la complexité pourraient changer.
• Réévaluez les hypothèses internes concernant la difficulté des problèmes dans votre architecture système, en particulier pour les tâches d'optimisation.
• Suivez les dépôts GitHub publics où OpenAI a publié les preuves mathématiques pour examen par les pairs.
• Préparez-vous à un changement dans le recrutement et la formation, car les outils d'IA pourraient gérer la vérification mathématique routinière, obligeant les ingénieurs à se concentrer sur la formulation de problèmes de niveau supérieur.