Le problème qui a attendu 80 ans
En 1946, le mathématicien hongrois Paul Erdős a posé une question géométrique d’apparence simple : étant donné un ensemble de n points dans le plan, quel est le nombre maximal de paires de points séparés exactement d’une unité ? Sa conjecture proposait une borne supérieure — et l’hypothèse dominante, étayée par des décennies de résultats partiels, était que les dispositions en grille carrée représentaient la meilleure configuration réalisable.
Pendant près de 80 ans, les mathématiciens ont amélioré les bornes de manière incrémentale. Le problème a suscité un intérêt soutenu car sa difficulté était disproportionnée par rapport à son apparente simplicité — une marque de fabrique du style mathématique d’Erdős. Erdős offrait des récompenses en espèces pour les solutions à ses problèmes ouverts.
Le 20 mai 2026, OpenAI a annoncé que l’un de ses modèles de raisonnement généraliste avait réfuté l’hypothèse de longue date. Le modèle a découvert « une famille infinie de configurations de points produisant significativement plus de paires à distance unitaire que l’approche classique en grille carrée ». La preuve n’a pas été générée par un système conçu spécifiquement pour les mathématiques, ni par un système ciblé sur ce problème particulier. Elle a émergé d’un modèle de raisonnement généraliste travaillant sur le problème tel qu’il est posé.
Ce qui rend cette percée techniquement significative
La signification de la preuve réside non seulement dans ce qui a été résolu, mais dans la façon dont cela a été fait. Pour réfuter l’optimalité de la grille carrée, l’IA a connecté le problème de distance unitaire planaire à la théorie algébrique des nombres — plus précisément aux tours de corps de classes infinies et à la théorie de Golod-Shafarevich, des outils d’une branche profonde des mathématiques qui étudie les systèmes numériques étendant les entiers ordinaires. Ce pont conceptuel entre la géométrie discrète et l’algèbre abstraite n’était pas une voie évidente ; les mathématiciens humains avaient largement travaillé dans le cadre géométrique du problème pendant des décennies.
Selon l’équipe de vérification, le mathématicien de Princeton Will Sawin a raffiné le résultat de l’IA. Une revue externe a été conduite par un groupe de mathématiciens incluant Thomas Bloom. Le lauréat de la médaille Fields Tim Gowers a approuvé le résultat comme « un jalon dans les mathématiques de l’IA ».
Cette chaîne de vérification est particulièrement importante étant donné le bilan d’OpenAI sur les problèmes d’Erdős. En octobre 2025, l’ancien VP Kevin Weil avait prétendu que GPT-5 avait résolu 10 problèmes d’Erdős — mais il s’est avéré que c’étaient des solutions pré-existantes d’auteurs humains. Cet embarras a rendu le protocole de vérification de mai 2026 particulièrement rigoureux.
Publicité
Trois signaux cachés dans ce résultat
1. Signal : Le raisonnement généraliste a franchi le seuil de la découverte mathématique originale
La preuve de la distance unitaire n’a pas été produite par un système affiné sur des preuves mathématiques, ni par un cadre d’échafaudage qui décompose les problèmes mathématiques en étapes vérifiables. Elle provient d’un modèle de raisonnement généraliste. Cela change l’interprétation de ce que signifie le « raisonnement IA » dans un contexte de recherche. Les précédents accomplissements mathématiques de l’IA — y compris les performances aux Olympiades Internationales de Mathématiques — utilisaient des architectures et des pipelines d’entraînement spécifiquement optimisés pour les mathématiques de compétition.
Ce qu’OpenAI a démontré, c’est que la même capacité de raisonnement généraliste qui traite des questions ambiguës et ouvertes dans tous les domaines peut, appliquée à des problèmes mathématiques formels, produire des preuves originales connectant des champs auparavant non liés.
2. Signal : Le transfert d’idées entre domaines est l’avantage central de l’IA en mathématiques
Les mathématiciens humains tendent à travailler dans des spécialisations. Un géomètre discret connaît la boîte à outils de son domaine ; un théoricien algébrique des nombres applique ses outils à la théorie des nombres. La connexion interdisciplinaire qui a produit la preuve de la distance unitaire — appliquer les tours de corps de classes à un problème de géométrie — a nécessité de voir que deux structures mathématiques apparemment séparées partageaient une équivalence profonde. Ce type de reconnaissance d’analogie structurelle est exactement là où les grands modèles de raisonnement semblent disposer d’un avantage sur les experts humains du domaine.
Depuis janvier 2026, 15 problèmes d’Erdős ouverts ont atteint le statut de résolus, 11 avec des modèles d’IA spécifiquement crédités. Thomas Bloom a noté que la technique de la distance unitaire pourrait « influencer des solutions à d’autres problèmes de géométrie discrète » — une reconnaissance que l’approche algébrique découverte ici ouvre une nouvelle voie méthodologique pour l’ensemble du sous-domaine.
3. Signal : La vérification est désormais le facteur limitant
La preuve de la distance unitaire a mis des semaines à être vérifiée après que le modèle l’a produite. Si les modèles d’IA vont produire des résultats mathématiques originaux au rythme que suggère le bilan de janvier-mai 2026 — 15 problèmes d’Erdős en cinq mois — la capacité de vérification humaine deviendra la contrainte, pas la capacité de génération IA.
Cela crée un nouveau problème d’infrastructure de recherche : les mathématiques ont besoin de davantage de mathématiciens capables de vérifier rapidement les preuves générées par IA, pas moins. L’implication pour les universités et les organismes de financement de la recherche est que l’investissement dans l’éducation mathématique et la méthodologie de vérification de preuves devient plus précieux, pas moins, à mesure que la capacité mathématique de l’IA s’améliore.
Ce qui vient ensuite pour la recherche assistée par IA
La conjecture de la distance unitaire est un résultat de mathématiques pures — elle n’a pas d’application d’ingénierie immédiate. Mais la capacité de raisonnement qu’elle démontre se traduit directement dans des domaines scientifiques appliqués. La question pour le raisonnement mathématique IA est de savoir si le résultat de la distance unitaire est le moment AlphaFold des mathématiques pures — la preuve de concept qui débloque un pipeline soutenu de découverte mathématique assistée par IA.
Pour les institutions de recherche et les universités — y compris les 52 universités algériennes disposant de programmes actifs de recherche en IA et les 57 702 étudiants inscrits dans des masters en IA — l’implication est que le développement d’une méthodologie de recherche assistée par IA devient une compétence de base, pas une aspiration lointaine. Les outils qui ont produit la preuve de la distance unitaire ne sont pas des systèmes de recherche personnalisés ; ce sont les mêmes modèles de raisonnement généraliste disponibles via API à toute institution de recherche disposant d’un abonnement.
Questions Fréquemment Posées
Qu’est-ce que la conjecture des distances unitaires d’Erdős et pourquoi était-elle importante ?
La conjecture, posée par Paul Erdős en 1946, portait sur le nombre maximal de paires à distance unitaire réalisables parmi n points dans un plan. L’hypothèse selon laquelle les configurations en grille carrée étaient optimales avait tenu pendant près de 80 ans. La réfuter — comme l’a fait le modèle d’OpenAI — signifie que les mathématiciens savent maintenant qu’une meilleure classe de configurations de points existe, et les outils algébriques utilisés pour la trouver ouvrent de nouvelles approches à des problèmes de géométrie discrète connexes.
Le résultat d’OpenAI a-t-il été vérifié par des mathématiciens indépendants ?
Oui. Le mathématicien de Princeton Will Sawin a raffiné le résultat de l’IA et a aidé à le formaliser avec un exposant fixe. Thomas Bloom, qui gère le site des problèmes d’Erdős, a examiné la preuve. Le lauréat de la médaille Fields Tim Gowers l’a approuvée comme « un jalon dans les mathématiques de l’IA ». La vérification externe rigoureuse était délibérée — OpenAI avait précédemment fait face à un embarras en octobre 2025 quand une prétendue solution GPT-5 s’est avérée impliquer des solutions humaines pré-existantes.
Cela signifie-t-il que l’IA peut désormais résoudre n’importe quel problème mathématique ?
Pas encore. Le résultat de la distance unitaire démontre que le raisonnement généraliste IA peut produire des insights mathématiques originaux dans des classes de problèmes spécifiques — notamment ceux où le transfert d’idées entre domaines est le défi clé. Les problèmes nécessitant une construction de preuve multi-mois, des connaissances de domaine extrêmement spécialisées, ou des cadres définitionnels nouveaux restent bien au-delà de la capacité IA actuelle. Mais le repère a changé : l’IA est désormais un collaborateur significatif dans la recherche mathématique.
Sources et lectures complémentaires
- OpenAI affirme avoir résolu un problème de mathématiques vieux de 80 ans — pour de vrai cette fois — TechCrunch
- Un puzzle de géométrie vieux de 80 ans résolu par OpenAI grâce à la théorie des nombres — Interesting Engineering
- Trois problèmes d’Erdős résolus en sept jours, vérifiés par Terence Tao — Medium / Cogni Down Under
- L’IA découvre des solutions aux problèmes d’Erdős, se rapprochant de la transformation des mathématiques — Scientific American
- Pourquoi l’Algérie est positionnée pour devenir le leader IA d’Afrique du Nord — New Lines Institute
