L'IA a résolu un problème mathématique vieux de 42 ans en 12 heures

Percée mathématique d'OpenAI : une IA résout un problème scientifique vieux de 42 ans en 12 heures

OpenAI rapporte que des chercheurs ont utilisé ChatGPT pour résoudre un problème mathématique resté sans solution pendant 42 ans en seulement 12 heures, marquant une étape importante vers une IA capable de mener des recherches à long terme au niveau humain.

---

Révolution de l'IA dans la science : comment ChatGPT a résolu un problème mathématique vieux de 42 ans en 12 heures

Introduction

En avril 2026, un événement s'est produit qui pourrait devenir un tournant dans l'histoire de la recherche scientifique. Un problème qui avait déconcerté les mathématiciens pendant 42 ans a été résolu en 12 heures. L'outil qui a réalisé cette percée n'était ni une nouvelle architecture de supercalculateur ni un mathématicien brillant, mais une conversation humaine avec ChatGPT.

Cette réalisation va bien au-delà de la curiosité académique. Pour la première fois, un grand modèle de langage a démontré la capacité de s'engager dans un raisonnement soutenu, cohérent et productif au niveau requis pour un véritable travail de recherche. Alors que l'IA était auparavant considérée comme un outil de recherche d'informations ou de génération de réponses simples, elle commence maintenant à agir comme un partenaire scientifique à part entière. Cet article analyse les détails de cet événement, son importance pour le monde de la science et de la technologie, les réactions des principaux acteurs du secteur et les prévisions pour l'avenir.

Détails de l'événement et chronologie

Le problème resté sans solution pendant 42 ans

Au cœur de l'histoire se trouve un problème de théorie de l'optimisation lié à la convergence d'un algorithme classique. Pendant plus de quatre décennies, les mathématiciens avaient tenté en vain de prouver certaines propriétés de cet algorithme, fondamental pour l'apprentissage automatique, le traitement du signal et l'économie. Le problème était bien connu dans des cercles restreints, mais considéré comme extrêmement difficile et résistant aux méthodes existantes.

Le dialogue de 12 heures : comment cela s'est produit

Le personnage clé de l'événement est Ernest Ryu, chercheur senior chez OpenAI. Dans un podcast de l'entreprise, il a décrit un processus de trois jours qui a pris environ 12 heures de temps d'interaction pure avec ChatGPT. Le flux de travail était radicalement différent de l'utilisation typique d'un chatbot :

• Nature itérative du travail : Ryu n'a pas posé une question et reçu une réponse instantanée. Au lieu de cela, il a engagé un dialogue avec le modèle, signalant constamment les erreurs, affinant la direction du raisonnement et ajustant l'approche.
• Navigation dans un labyrinthe : Ryu a comparé le processus à la navigation dans un labyrinthe, où à chaque tournant, vous devez évaluer une hypothèse, tester sa validité, et soit avancer soit revenir en arrière. Il agissait comme le capitaine qui « tient la carte » (stratégie globale), tandis que le modèle générait des dizaines de chemins possibles et d'étapes intermédiaires.
• Le moment décisif : Le troisième jour de travail, le modèle a apporté un petit changement mais d'une importance cruciale dans son raisonnement. Comme l'a noté Ryu, le nouvel argument « avait l'air différent ». C'est cette direction « différente » qui a brisé l'impasse logique et achevé la preuve.

Après avoir obtenu la preuve, Ryu l'a vérifiée personnellement à plusieurs reprises, puis a demandé à des étudiants de vérifier chaque étape. Tous les tests ont confirmé l'exactitude absolue du résultat.

Impact et importance

Pour le monde scientifique : un passage d'outil à participant

Cet événement marque un changement de paradigme dans la compréhension du rôle de l'IA dans la science. Il y a seulement deux ans, les modèles faisaient souvent des erreurs dans des tâches arithmétiques simples ou la planification d'horaires. Aujourd'hui, ils participent à la résolution de problèmes de niveau recherche.

Selon le rapport d'OpenAI « L'IA en tant que chercheur scientifique », l'utilisation de ChatGPT par les scientifiques diffère considérablement de celle de l'utilisateur moyen. Le scientifique moyen écrit 3,5 fois plus de messages, et le nombre de requêtes liées à la programmation et au débogage dépasse les taux typiques de 12 fois. Cela indique une intégration profonde de l'IA dans le flux de travail : de la recherche d'idées dans la littérature à la génération de code pour les simulations et les dérivations mathématiques.

Pour l'industrie et la technologie : ce qui se cache derrière la percée

Les sceptiques pourraient demander : n'est-ce pas juste une coïncidence heureuse ou une exagération ? Cependant, l'analyse de la méthode révèle un changement technologique fondamental.

Selon Sébastien Bubeck, chercheur chez OpenAI, la principale percée n'est pas que le modèle soit devenu « plus intelligent » à un moment donné, mais dans sa capacité à maintenir un raisonnement soutenu et cohérent. Les modèles précédents fonctionnaient bien avec de courtes chaînes de pensée (Chain-of-Thought), mais « perdaient le fil » sur des tâches complexes en plusieurs étapes.

Les systèmes modernes, y compris ceux utilisés par Ryu, sont capables de :

• Métacognition : Le modèle peut évaluer ses propres conclusions intermédiaires et les revisiter s'il trouve une erreur.
• Recherche et synthèse : En générant du code, des formules et des blocs de texte, l'IA peut accéder à une « mémoire externe » (contexte du dialogue ou fichiers) pour éviter de perdre des détails importants.

Pour la société : accélération du progrès scientifique

Les prédictions d'OpenAI, exprimées par le vice-président de la science Kevin Weil, semblent ambitieuses mais prennent une forme concrète : « atteindre le niveau de développement scientifique de 2050 d'ici 2030. »

Des exemples pratiques existent déjà au-delà des mathématiques :

• Physique : Le théoricien Alex Lupsasca a passé des mois à dériver des équations pour les trous noirs quantiques. GPT-5 Pro a reproduit le même résultat en 18 minutes.
• Biologie : En collaboration avec RetroBioSciences, OpenAI a créé un modèle spécialisé, GPT-4B Micro, qui a conçu de nouvelles protéines pour le rajeunissement cellulaire, surpassant les meilleures conceptions manuelles.

Pour la société, cela signifie une accélération potentielle du développement de médicaments contre le cancer, de la création de matériaux durables et de la résolution de problèmes climatiques, par des ordres de grandeur plus rapides.

Réactions des principaux acteurs

La réaction de la communauté scientifique et technologique a été mitigée : de l'euphorie à des critiques sévères, soulignant la complexité du moment.

La communauté mathématique a exprimé à la fois admiration et inquiétude. Lorsqu'OpenAI a affirmé avoir résolu 15 problèmes non résolus d'Erdős, il s'est avéré que dans certains cas, le modèle ne les avait pas tant « résolus » que retrouvés dans des archives oubliées datant de 20 ans. Le célèbre mathématicien Terence Tao a noté que « beaucoup des problèmes simples d'Erdős sont désormais plus susceptibles d'être résolus par des méthodes d'IA que par des méthodes humaines. » En même temps, il a mis en garde contre « l'industrialisation des mathématiques », où l'IA agit comme un assistant puissant mais nécessitant une supervision.

Les concurrents d'OpenAI ont réagi vivement. Demis Hassabis, directeur de Google DeepMind, a qualifié l'affirmation forte mais insuffisamment vérifiée d'OpenAI concernant un nombre record de problèmes résolus de « honteuse ». Cela souligne les enjeux élevés dans la course à la création d'une « IA scientifique générale » et l'inacceptabilité des erreurs de communication.

La communauté académique initie une institutionnalisation. Aux États-Unis, la mission « Genesis » a été lancée — un programme gouvernemental visant à créer une plateforme d'IA unifiée pour la découverte scientifique, combinant laboratoires nationaux, universités et centres de données. Cela signifie que l'IA dans la science n'est plus un jouet pour entreprises privées, mais devient une question de compétitivité nationale.

Prédictions et conclusions

Résoudre un problème vieux de 42 ans en 12 heures n'est pas le point final, mais seulement le début d'une nouvelle ère. Cela démontre que nous sommes entrés dans une phase où l'IA est capable non seulement de traiter des informations, mais aussi de générer de nouvelles connaissances en dialogue avec les humains.

Cependant, l'avenir ne sera pas sans nuages. Les recherches d'OpenAI ont montré que les hallucinations de l'IA sont mathématiquement inévitables. Le modèle générera toujours des données incorrectes avec une certaine probabilité. Éliminer complètement les hallucinations rendrait l'IA trop lente et incertaine pour une utilisation de masse. Par conséquent, le principe humain dans la boucle restera dans la science. Le rôle du scientifique passe de la résolution de routine d'équations à la formulation de problèmes, la vérification des résultats et le choix des directions.

Conclusions :

• L'IA devient un chercheur scientifique, pas seulement un moteur de recherche. Elle pénètre au cœur même du processus créatif — la preuve mathématique.
• Les exigences pour les scientifiques changent. Les compétences clés deviennent la pensée critique et l'art du « prompting » (la capacité de poser les bonnes questions au modèle).
• L'accélération nous attend. Des décennies de progrès scientifique pourraient être compressées en années, mais la responsabilité ultime de la vérité et de l'orientation de la recherche restera humaine.

Ernest Ryu lui-même, impressionné par le résultat, a quitté son poste académique et rejoint OpenAI pour développer des données synthétiques destinées à l'entraînement des modèles. Son histoire est la meilleure preuve que la technologie change non seulement les outils, mais aussi les trajectoires de vie des personnes qui mènent la science vers l'avant.

— Editorial Team