Mardi 20 mai 2026, OpenAI a annoncé qu’un de ses modèles de raisonnement internes avait produit, de manière totalement autonome, une preuve mathématique originale réfutant une conjecture posée par Paul Erdős en 1946. Le problème des distances unitaires dans le plan, une question de géométrie discrète d’une formulation trompeusement simple, résistait aux meilleurs mathématiciens du monde depuis exactement 80 ans.
Tim Gowers, lauréat de la médaille Fields en 1998, a qualifié le résultat de « milestone in AI mathematics ». Gil Kalai, combinatoricien de renommée mondiale, l’a comparé à la démonstration assistée par ordinateur du Théorème des Quatre Couleurs d’Appel et Haken en 1976. Noga Alon, Melanie Wood et Thomas Bloom (propriétaire du site de référence consacré aux problèmes d’Erdős) ont examiné la preuve et confirmé sa validité.
Ce n’est pas un modèle spécialisé en mathématiques. C’est un modèle de raisonnement généraliste, non entraîné spécifiquement sur ce problème, qui a trouvé seul une voie que des générations de géomètres combinatoires avaient ratée.
Le problème : une question simple, une réponse qui manquait
Suivez LJG sur Google
Ajoutez LJG à vos sources préférées pour voir nos articles en priorité dans "À la une".
La conjecture d’Erdős sur les distances unitaires est d’une formulation accessible à un lycéen. Prenez un ensemble de n points dans un plan. Combien de paires de ces points peuvent être exactement à distance 1 l’une de l’autre ? Erdős avait conjecturé en 1946 que ce nombre croît un peu plus vite que linéairement, selon une borne précise impliquant des logarithmes.
Pendant 80 ans, les meilleures constructions connues ressemblaient à des grilles carrées (des points disposés en maillage régulier). Les mathématiciens pensaient que cette structure était optimale ou quasi-optimale. Personne n’avait trouvé mieux.
Le modèle d’OpenAI a découvert une famille entièrement nouvelle de constructions qui surpasse les grilles carrées. Ce n’est pas une amélioration incrémentale. C’est un changement de paradigme : la forme géométrique optimale n’est pas celle que tout le monde croyait. L’IA n’a pas calculé plus vite. Elle a pensé différemment.
La rédemption après le fiasco
Cette annonce prend tout son sens quand on se rappelle ce qui s’est passé sept mois plus tôt. En octobre 2025, Kevin Weil (alors vice-président d’OpenAI, aujourd’hui parti, notre hors-série du 17 avril) avait publié sur X que « GPT-5 a trouvé des solutions à 10 (!) problèmes d’Erdős jusque-là non résolus et a progressé sur 11 autres ». L’enthousiasme avait été de courte durée. Les chercheurs avaient démontré que les « solutions » existaient déjà dans la littérature scientifique. L’IA n’avait rien résolu. Elle avait retrouvé ce qui était connu.
Yann LeCun (directeur IA de Meta, prix Turing) avait publiquement moqué l’annonce. Demis Hassabis (CEO de Google DeepMind, prix Nobel de chimie 2024) aussi. OpenAI avait été humilié devant la communauté scientifique.
Cette fois, OpenAI a procédé différemment. Avant toute communication publique, la preuve a été soumise à un panel de mathématiciens reconnus. Thomas Bloom a confirmé la validité sur son site dédié aux problèmes Erdős. Noga Alon, l’un des coauteurs les plus prolifiques d’Erdős lui-même, a donné son aval. La preuve sera soumise à un journal à comité de lecture pour une vérification formelle complète.
La leçon du fiasco d’octobre a été retenue : ne pas annoncer avant de vérifier. C’est exactement le contraire de ce que Kevin Weil avait fait.
Un modèle généraliste, pas un spécialiste
Le détail technique le plus important de l’annonce est celui-ci : le modèle qui a résolu la conjecture n’est pas un système conçu pour les mathématiques. C’est un modèle de raisonnement interne d’OpenAI (dont le nom n’a pas été révélé), utilisé en mode « réflexion longue », sans entraînement ciblé sur la géométrie combinatoire.
La découverte a été faite alors qu’OpenAI testait les capacités de raisonnement du modèle sur les problèmes ouverts d’Erdős (il en reste des centaines). Le modèle n’a pas « cherché » la solution dans une base de données. Il a exploré l’espace des constructions géométriques possibles, identifié une famille de structures que personne n’avait envisagée, et produit une démonstration formelle de leur supériorité sur les grilles carrées.
C’est la différence fondamentale avec AlphaProof de Google DeepMind (qui avait résolu des problèmes d’Olympiades mathématiques en 2024 avec un système spécialement entraîné pour les mathématiques). Le modèle d’OpenAI est généraliste. Il aurait pu coder un site web, résumer un article ou rédiger un email le même jour. Et il a choisi de réfuter une conjecture de 80 ans.
OpenAI qualifie cela de « première fois qu’une IA résout de façon autonome un problème ouvert central dans un domaine des mathématiques ». La communauté mathématique semble cautionner cette affirmation, avec les réserves habituelles (la preuve doit encore passer le processus de publication formelle).
Ce que ça change pour la recherche
Si ce résultat tient (et les premiers retours suggèrent que oui), il ouvre un chapitre entièrement nouveau dans la relation entre IA et recherche fondamentale.
Jusqu’ici, l’IA en mathématiques se limitait à trois rôles : calculer (résoudre des systèmes d’équations), vérifier (confirmer des preuves existantes), et retrouver (redécouvrir des résultats connus). Ce que le modèle d’OpenAI a fait est différent. Il a créé. Il a produit un objet mathématique nouveau (la famille de constructions), formulé une conjecture contraire au consensus, et démontré formellement qu’il avait raison.
Tim Gowers note que « ce n’est pas la même chose que de battre un humain aux échecs. Les échecs ont un nombre fini de positions. Les mathématiques ont un espace infini. Trouver un chemin dans un espace infini que personne n’a emprunté en 80 ans, c’est qualitativement différent. »
Pour les mathématiciens, la question change de nature. Il ne s’agit plus de savoir si l’IA peut « aider » la recherche (bien sûr qu’elle peut, elle le fait déjà). Il s’agit de savoir si l’IA peut diriger la recherche, identifier les bonnes questions, explorer les bons espaces, et produire les bonnes réponses plus vite que les humains. Et la réponse, pour ce problème au moins, est oui.
Le contexte : une semaine de records
Cette annonce tombe au milieu de la semaine la plus chargée de l’année en IA. Lundi, Google a tenu le I/O (Gemini Spark, Omni, Search agentique). Mardi, OpenAI annonce la preuve Erdős. Le même mardi, Meta commence ses licenciements de 8 000 personnes. Mercredi, Anthropic doit témoigner au Congrès américain sur la sécurité de l’IA.
Chaque annonce se bat pour l’attention. Et dans cette cacophonie, la preuve mathématique risque de passer au second plan derrière les produits (Spark), les drames (Meta licencie) et la politique (Congrès). C’est dommage, parce que c’est probablement l’annonce la plus importante de toutes. Les produits changent le marché. Les licenciements changent les vies. Mais une preuve mathématique originale produite par une IA change la nature même de ce que nous considérons comme l’intelligence.
Si une machine peut résoudre un problème que des générations de mathématiciens n’ont pas résolu, alors la question « l’IA est-elle vraiment intelligente ? » a une réponse partielle, mais concrète. Elle n’est pas intelligente comme un humain. Elle est intelligente d’une manière que les humains ne sont pas.
Je suis Ethan, journaliste spécialisé en intelligence artificielle et nouvelles technologies. Je couvre l’actualité de l’IA agentique, des grands modèles de langage et des outils qui transforment nos usages numériques. Mon objectif : rendre accessibles les avancées technologiques les plus complexes, avec rigueur et sans jargon inutile.
