Un modèle d’OpenAI a réfuté le 20 mai 2026 une conjecture vieille de 80 ans en géométrie discrète, marquant une première historique pour l’intelligence artificielle dans la recherche mathématique fondamentale.
Un problème posé en 1946, jamais résolu depuis
Le problème des distances unitaires dans le plan (ou planar unit distance problem) a été formulé par le mathématicien hongrois Paul Erdős en 1946. La question est simple à énoncer : si l’on place n points sur une surface plane, quel est le nombre maximal de paires de points séparées par une distance exactement égale à 1 ? Pendant près de 80 ans, la communauté mathématique a estimé que les grilles carrées constituaient la meilleure disposition possible. Erdős lui-même considérait ce problème comme l’un de ses favoris, et avait même offert une récompense financière à quiconque le résoudrait.
La meilleure construction connue, fondée sur les entiers de Gauss, produit approximativement n^(1+C/log log n) paires à distance unitaire, soit une progression à peine supérieure à linéaire. Ce résultat tenait depuis des décennies, résistant aux tentatives de centaines de mathématiciens.
La méthode inattendue du modèle d’OpenAI
Selon OpenAI, le modèle a découvert une famille infinie de dispositions de points produisant un nombre significativement plus élevé de paires à distance unitaire que l’approche classique de la grille carrée. Le mathématicien de Princeton Will Sawin a ensuite affiné le résultat et montré que l’amélioration pouvait être exprimée avec un exposant fixe. Cet exposant a été précisé à δ = 0,014 par Sawin.
Ce qui rend le résultat particulièrement remarquable, c’est l’outil mathématique employé : des tours de corps de classes infinis et la théorie de Golod-Shafarevich, issus de la théorie algébrique des nombres, appliqués à un problème de géométrie euclidienne fondamentale. Cette connexion entre deux domaines a priori éloignés est, selon les mathématiciens impliqués, le coeur de l’originalité du résultat.
Le modèle n’a pas utilisé la force brute. Il a construit un raisonnement en 125 pages en faisant le lien entre deux branches des mathématiques que les chercheurs humains n’avaient pas pensé à associer pour ce problème, ce qui constitue précisément le type de démarche créative que l’on attribuait jusqu’ici à l’intuition mathématique humaine.
Une validation indépendante qui change tout
OpenAI a tiré les leçons d’un épisode embarrassant survenu en octobre 2025. À l’époque, le vice-président Kevin Weil avait affirmé sur X que GPT-5 avait résolu dix problèmes d’Erdős encore ouverts. La revendication s’était effondrée rapidement : Thomas Bloom, le mathématicien qui tient le site Erdős Problems, avait montré que le modèle n’avait produit aucune preuve originale, mais avait simplement retrouvé des solutions déjà publiées dans la littérature existante. Bloom avait qualifié cela de « représentation dramatiquement inexacte » (a dramatic misrepresentation).
Cette fois, OpenAI a publié un document d’accompagnement signé par plusieurs mathématiciens de premier plan ayant vérifié la preuve de manière indépendante. Tim Gowers, médaillé Fields, a examiné le travail, tout comme Will Sawin de Princeton, et les deux ont validé la correction de la démonstration. Noga Alon, combinatorialiste à Princeton qui connaissait Erdős personnellement, et Thomas Bloom lui-même, celui-là même qui avait exposé l’échec précédent d’OpenAI, ont également fourni des déclarations favorables.
Tim Gowers a déclaré dans le document d’accompagnement : « Il ne fait aucun doute que la solution au problème des distances unitaires est une étape marquante dans les mathématiques par l’IA. » (There is no doubt that the solution to the unit-distance problem is a milestone in AI mathematics: if a human had written the paper and submitted it to the Annals of Mathematics and I had been asked for a quick opinion, I would have recommended acceptance without any hesitation.)
Un modèle généraliste, pas un système dédié aux mathématiques
OpenAI a précisé que ce résultat provient d’un nouveau modèle de raisonnement généraliste, et non d’un système conçu spécifiquement pour résoudre des problèmes mathématiques ou ce problème en particulier. C’est cette distinction qui retient l’attention des chercheurs. Si un modèle spécialisé en mathématiques réussit une percée mathématique, le résultat est impressionnant mais attendu. Si un modèle de raisonnement général, sans configuration particulière ni aide extérieure, y parvient de façon autonome, cela suggère quelque chose de bien plus large sur les capacités de raisonnement des systèmes actuels.
Selon Arul Shankar, théoricien des nombres réputé : « Cette démonstration montre que les modèles d’IA actuels vont au-delà du simple rôle d’assistants pour les mathématiciens humains : ils sont capables d’avoir des idées originales et ingénieuses, puis de les mener à terme. » (In my opinion this paper demonstrates that current AI models go beyond just helpers to human mathematicians – they are capable of having original ingenious ideas, and then carrying them out to fruition.)
Des implications qui dépassent les mathématiques pures
OpenAI a replacé cette avancée dans le cadre d’une démarche plus ambitieuse en matière de recherche automatisée, estimant que des capacités similaires pourraient un jour soutenir des travaux en biologie, physique, science des matériaux et médecine, là où de nombreux problèmes sont trop vastes ou trop complexes pour être traités par des équipes traditionnelles.
Noam Brown, chercheur chez OpenAI, a écrit sur X : « Il y a moins d’un an, les modèles d’IA de pointe atteignaient le niveau médaille d’or à l’Olympiade internationale de mathématiques. Je m’attends à ce que ce rythme de progrès se poursuive. » (Less than 1 year ago frontier AI models were at IMO gold-level performance. I expect this pace of progress to continue.)
Cette annonce intervient dans la même semaine où Jack Clark, cofondateur d’Anthropic, a déclaré lors d’une conférence à Oxford que l’IA contribuerait à une découverte couronnée par un prix Nobel d’ici douze mois. La percée d’OpenAI en géométrie discrète n’est pas un événement isolé : elle s’inscrit dans une accélération visible des capacités des systèmes de raisonnement IA sur des problèmes scientifiques ouverts. Pour les chercheurs et les mathématiciens, la question n’est plus de savoir si l’IA peut contribuer à la recherche fondamentale, mais à quelle vitesse et jusqu’où ces systèmes iront.
