OpenAI publie les preuves de 372 grands problèmes mathématiques, dont la conjecture des jeux uniques

Le 6 octobre 2026, OpenAI a publié un lot massif de 372 articles prétendant résoudre certains des problèmes ouverts les plus difficiles en mathématiques et en informatique théorique. Cette publication, encadrée par un groupe consultatif incluant Timothy Gowers et Edward Witten, marque un tournant potentiel dans la manière dont la découverte scientifique est menée. Parmi les problèmes résolus figure la conjecture des jeux uniques, une question centrale de la théorie de la complexité qui résiste aux preuves depuis des décennies.

Ce qui s'est passé

L'annonce a créé une surprise au sein de la communauté académique, d'autant plus que les solutions ont été générées par un modèle interne d'OpenAI plutôt que par un système multi-agents sur mesure. Le modèle a tenté environ 8 000 problèmes et en a résolu environ 5 %, chaque tentative réussie nécessitant approximativement trois heures de calcul de niveau GPT-Pro. Les résultats incluent non seulement la conjecture des jeux uniques, mais aussi des percées en dérandomisation, en complexité quantique et en efficacité algorithmique.

La réaction des mathématiciens est mitigée, allant de l'enthousiasme à la désorientation. Dana Moshkovitz, une théoricienne de la complexité qui a consacré toute sa carrière à la conjecture des jeux uniques, a décrit la preuve générée par l'IA comme difficile à analyser. Elle a noté que le texte semble décousu, avec des citations hors sujet et des constructions bizarres qui ne correspondent pas à l'intuition humaine traditionnelle. Malgré cette confusion, la présence de certificats Lean pour beaucoup des preuves offre une couche de vérification formelle, même si la compréhension humaine reste en retrait.

Cet événement met en lumière deux modèles émergents pour diffuser les percées scientifiques pilotées par l'IA. OpenAI a choisi de publier tous les articles publiquement d'un coup, créant une course pour que les humains digèrent et vérifient les résultats. En revanche, Anthropic a récemment collaboré avec les chercheurs Virginia Williams et Josh Alman pour affiner et annoncer leurs solutions assistées par IA aux problèmes du 3SUM et des plus courts chemins entre toutes les paires (All-Pairs Shortest Paths) de manière privée avant leur publication publique. L'approche d'OpenAI privilégie la transparence et la rapidité, tandis que le modèle d'Anthropic met l'accent sur une communication soignée et une rémunération des collaborateurs humains.

Comment cela fonctionne

La technologie sous-jacente n'est pas un cluster de supercalculateurs spécialisé, mais la dernière itération interne du modèle de langage d'OpenAI. Elle opère en générant des preuves via un raisonnement probabiliste, en exploitant d'énormes volumes de données d'entraînement issues de la littérature mathématique. Le modèle ne se contente pas de récupérer des réponses existantes, mais construit des arguments novateurs, tels qu'un nouveau type de code correcteur d'erreurs pour la conjecture des jeux uniques, différent des codes longs ou courts connus.

La vérification repose fortement sur les méthodes formelles. Beaucoup des 372 résultats incluent des certificats Lean, qui sont des preuves vérifiables par machine garantissant la cohérence logique. Cela permet à la communauté mathématique de faire confiance à l'exactitude des résultats même avant de comprendre pleinement le fil narratif des arguments. Le processus fait passer le rôle des mathématiciens humains de celui de découvreurs principaux à celui d'interprètes et de validateurs des insights générés par l'IA.

Détails clés

• OpenAI a publié 372 articles résolvant des problèmes ouverts majeurs, dont la conjecture des jeux uniques et L=BPL.
• Les solutions ont été générées par un modèle interne utilisant environ trois heures de calcul GPT-Pro par problème.
• Environ 5 % des 8 000 problèmes tentés ont été résolus avec succès.
• Beaucoup de preuves incluent des certificats Lean pour la vérification formelle, bien que les explications lisibles par l'homme restent rares.
• La preuve de la conjecture des jeux uniques implique une nouvelle construction de code récursive que les experts décrivent comme alien et contre-intuitive.
• Les problèmes de cryptographie étaient notablement absents de la publication, bien que des enquêtes sur les vulnérabilités cryptographiques soient apparemment en cours.

Pourquoi c'est important

Pour les ingénieurs logiciels et les chercheurs, ce développement signale un changement dans la nature du travail technique. La capacité de l'IA à résoudre des problèmes qui ont déconcerté les humains pendant des décennies suggère que les futures percées pourraient provenir de l'interprétation des sorties machines plutôt que de la dérivation de résultats à partir des premiers principes. Cela modifie l'ensemble de compétences requis pour la recherche de haut niveau, mettant l'accent sur la vérification, l'intégration et l'explication plutôt que sur la dérivation brute.

La publication soulève également des questions sur la durabilité des systèmes traditionnels de crédit académique. Si l'IA peut générer des preuves plus vite que les humains ne peuvent les lire, la valeur de l'auteur individuel diminue. La communauté doit désormais décider comment attribuer le crédit et maintenir la motivation lorsque l'aventure héroïque de la découverte est partiellement automatisée. Comme l'a noté Scott Aaronson, le défi consiste à cultiver une communauté qui tient toujours à trouver des chemins vers ces sommets, même lorsqu'une machine de téléportation existe.

Ce que vous pouvez faire

• Examinez les certificats Lean pour toute preuve pertinente pour votre domaine afin de vérifier l'exactitude indépendamment.
• Concentrez-vous sur le développement de compétences dans les outils de vérification formelle comme Lean pour combler le fossé entre la sortie de l'IA et la compréhension humaine.
• Collaborez avec vos pairs pour digérer et expliquer les preuves complexes générées par l'IA, en partageant la charge de travail liée à l'interprétation.
• Restez informé des directives éthiques et relatives à l'attribution du crédit émergent d'institutions comme le Simons Institute concernant la recherche assistée par IA.
• Explorez les implications de problèmes résolus comme L=BPL pour vos propres travaux en algorithmique et en complexité.
• Participez aux discussions sur l'avenir du crédit mathématique et des modèles de publication dans un paysage dominé par l'IA.