Les NumériquesUn modèle d'OpenAI a résolu en toute autonomie un problème de maths posé en 1946
Le 20 mai 2026, OpenAI a annoncé qu’un de ses modèles avait résolu de manière autonome un problème de géométrie posé par Paul Erdős en 1946, celui des distances unitaires.
L’IA ne savait pas que c’était impossible, donc elle l’a fait.
La conjecture supposait qu’une grille carrée maximisait le nombre de paires de points séparées par une distance de 1. L’IA démontre au contraire l’existence de configurations plus efficaces, avec un gain polynomial mesuré.
Il aura suffi d’un prompt !
La preuve, validée par neuf mathématiciens, repose sur un pont inédit entre géométrie discrète et théorie des nombres (notamment Golod-Chafarevitch). Après une controverse en 2025 sur des résultats déjà connus, cette avancée marque un tournant : une IA produit seule un résultat mathématique original, potentiellement publiable dans les Annals of Mathematics.
Quelques citations issues de la vidéo de Monsieur Phi :
⇒ Terence Tao (médaillé Fields) :
— « Ceci sera considéré rétrospectivement comme la première fois qu’une IA a résolu un problème mathématique majeur ».
— « Nous ne serons probablement pas en mesure de montrer qu’il existe quelque chose que nous pouvons faire et que l’IA ne peut pas faire. »
⇒ Timothy Gowers (aussi médaillé Fields) :
— « Plein de problèmes ouverts traînent là, attendant juste que quelqu’un demande à ChatGPT de les résoudre. »
— « Ce n’est pas nécessairement la fin des mathématiques, mais il est difficile d’imaginer comment toutes les structures qui soutiennent cette discipline pourront éviter des perturbations majeures au cours des prochaines années. »
⇒ Ken Ono, un mathématicien spécialiste de théorie des nombres :
— « C’est la première fois […] qu’une IA nous a véritablement appris quelque chose de nouveau sur les nombres entiers. »
⇒ Noam Brown, chercheur OpenAI, pour conclure :
— « À mesure que les modèles vont devenir surhumains sous de nombreux aspects, on va avoir ce problème où les preuves elles-mêmes vont devenir trop difficiles pour être vérifiées par des mathématiciens. C’est un problème classique, c’est en gros le problème de maintenir la supervision en passant à l’échelle. Comment amener les modèles à prouver que la preuve est correcte pour les mathématiciens humains, quand la preuve elle-même est au-delà de ce que les humains peuvent vraiment appréhender ? »