OpenAI bouscule les maths et le vieux cliché du perroquet

Un modèle d'OpenAI a réfuté une conjecture de géométrie posée par Paul Erdos en 1946. Le sujet paraît abstrait, mais il touche à une question très concrète pour l'IA : ces systèmes savent-ils seulement imiter, ou commencent-ils à découvrir ?

Il existe des problèmes mathématiques qui ressemblent à des jeux d'enfant et qui résistent pourtant pendant des décennies. Celui-ci tient en une phrase : si l'on place un point sur une feuille, combien de paires de points peuvent être séparées par exactement la même distance, disons une unité ? Paul Erdos l'a posé en 1946. Pendant près de quatre-vingts ans, les mathématiciens ont pensé qu'une construction proche d'une grille carrée donnait presque la meilleure réponse possible. OpenAI affirme qu'un de ses modèles de raisonnement vient de trouver une famille de contre-exemples. Autrement dit : l'ancienne intuition était fausse.

Un jeu d'enfant

La force de ce problème vient de sa simplicité apparente. Il ne demande pas de comprendre des équations interminables pour en saisir l'idée. Imaginez des points dessinés sur du papier, puis reliez tous ceux qui sont exactement à un centimètre les uns des autres. La question est de savoir combien de traits il est possible d'obtenir au maximum. Une ligne de points donne déjà beaucoup de paires. Une grille carrée fait mieux. Erdos pensait que ce type de construction était, en gros, indépassable. Le modèle d'OpenAI a montré qu'il existait une autre voie.

Le coup de tonnerre

Le résultat ne consiste pas à calculer plus vite une réponse connue. Le modèle a proposé une construction mathématique nouvelle qui produit, pour une infinité de tailles, davantage de distances unitaires que ce que la conjecture autorisait. La preuve a ensuite été vérifiée par des mathématiciens extérieurs, puis replacée dans son contexte par un article compagnon. Will Sawin, professeur à Princeton, a même affiné l'exposant obtenu. Cette étape humaine compte beaucoup : une découverte mathématique n'existe vraiment que lorsqu'elle peut être lue, contrôlée et comprise.

Le détour inattendu

Le plus étonnant est le détour emprunté. Pour répondre à une question de géométrie plane, le modèle est allé chercher des outils de théorie algébrique des nombres, un domaine qui étudie des objets beaucoup plus abstraits que des points sur une feuille. Il utilise notamment des idées liées aux corps de nombres, aux tours de corps de classes et à la théorie de Golod-Shafarevich. Pour le grand public, le détail importe moins que le geste : la machine a relié deux régions très éloignées des mathématiques. C'est précisément ce que l'on appelle souvent une intuition de chercheur.

Le mythe du perroquet vacille

Ce résultat ne transforme pas tous les modèles de langage en génies autonomes. Il ne dit pas non plus que les IA comprennent comme les humains. Mais il rend très pauvre l'image du simple perroquet stochastique, qui ne ferait que répéter des phrases probables. Ici, la sortie n'est pas une paraphrase utile ni un résumé élégant : c'est une construction vérifiable, surprenante, et absente de la littérature mathématique disponible. Dans un domaine où le vrai et le faux se tranchent durement, le modèle a produit quelque chose qui tient debout.

Le retour de l'universalisme

Le plus important vient peut-être après la découverte elle-même. Les chercheurs humains restent indispensables pour vérifier, simplifier, interpréter et décider quelles questions méritent d'être poursuivies. Mais l'IA devient autre chose qu'un assistant qui reformule ou complète du code. Elle peut explorer des pistes improbables, essayer des ponts entre disciplines et proposer des objets que personne n'attendait. C'est d'ailleurs ce qu'ont mis en avant les chercheurs : le champ des sciences est devenu tellement spécialisé qu'il est devenu impossible pour un scientifique d'embrasser pleinement plusieurs disciplines. L'IA remet en avant l'universalisme des grandes époques des découvertes scientifiques, comme la Renaissance. Pour la science, c'est un changement de climat : les modèles ne remplacent pas encore les chercheurs, mais ils commencent à entrer dans la pièce où naissent les idées.