OpenAI dit avoir brisé en solo une énigme d’Erdős vieille de 80 ans

Il y a des annonces qui ressemblent à un simple progrès de plus dans la course aux modèles. Et puis il y a celles qui touchent à un territoire bien plus sensible : le moment où une IA n’assiste plus seulement les scientifiques, mais semble produire, seule, un résultat inédit sur un problème que les mathématiciens n’avaient pas su trancher depuis des décennies.

Le 20 mai 2026, OpenAI a publié un billet affirmant qu’un de ses modèles de raisonnement a réfuté de manière autonome une conjecture majeure de géométrie discrète formulée en 1946 par Paul Erdős. Si la démonstration résiste à l’examen de la communauté, l’épisode marquerait un basculement symbolique : l’IA ne serait plus seulement un accélérateur de recherche, mais un acteur capable de produire un résultat mathématique original sur une question ouverte de longue date.

Une conjecture d’Erdős, un problème simple à énoncer, coriace à résoudre

Le problème visé est aussi élégant qu’ardu. Il porte sur le nombre maximal de paires de points séparées par une distance exactement égale à 1 dans un ensemble de n points du plan. Autrement dit : si l’on place n points sur une feuille, combien de segments de longueur 1 peut-on obtenir au maximum entre eux ?

Cette question appartient à la géométrie discrète, une branche des mathématiques qui s’intéresse à des objets finis ou combinatoires. Posée par Erdős dans l’après-guerre, elle a donné naissance à une longue lignée de travaux, de bornes partielles et de constructions ingénieuses. Sa difficulté tient au fait qu’une intuition géométrique locale ne suffit pas : le problème mêle structure globale, combinatoire fine et contre-exemples souvent surprenants.

Dans son billet, OpenAI affirme que son modèle n’a pas “prouvé” la conjecture, mais l’a démolie en produisant une réfutation : un contre-exemple qui montrerait que l’énoncé supposé vrai ne l’est pas en général. En mathématiques, une telle réfutation a un statut net. Un seul objet correctement construit suffit à faire tomber une conjecture, même vieille de près de 80 ans.

OpenAI parle d’une première autonome pour un problème majeur

L’entreprise présente l’épisode en des termes particulièrement forts. Selon elle, il s’agirait de la première fois qu’un problème ouvert majeur dans une sous-discipline des mathématiques est résolu de façon autonome par une IA.

Le choix des mots compte. Les outils d’IA étaient déjà utilisés depuis plusieurs années pour explorer des conjectures, proposer des pistes, générer des preuves partielles ou aider à formaliser des démonstrations. Mais le récit dominant restait celui d’une assistance : l’humain posait la stratégie, filtrait les idées pertinentes, puis validait ou corrigeait.

Ici, OpenAI veut faire valoir autre chose : un modèle de reasoning capable non seulement de chercher dans un espace d’hypothèses, mais d’identifier une structure mathématique nouvelle suffisamment solide pour réfuter une conjecture connue. Le billet cite en outre des mathématiciens de premier plan évoquant un “milestone” pour l’IA en mathématiques.

Le terme est prudent, mais son implication est lourde. Il ne s’agit plus seulement de performance sur des olympiades, des bancs d’essai ou des exercices universitaires. L’enjeu porte sur de la recherche vivante, avec un résultat qui n’était pas déjà dans les données d’entraînement sous une forme publiquement reconnue.

La vraie question : originalité mathématique ou très bonne recherche automatisée ?

C’est précisément là que se joue la portée de l’annonce. Depuis deux ans, les grands laboratoires d’IA multiplient les démonstrations sur des tâches “scientifiques” : résolution assistée de problèmes, découverte de candidats moléculaires, aide à la preuve formelle, exploration de graphes ou de structures algébriques. Mais ces succès butent souvent sur une objection simple : la machine a-t-elle vraiment “découvert”, ou a-t-elle seulement recombiné plus vite un savoir humain existant ?

Dans le cas présenté par OpenAI, la frontière devient plus difficile à tracer. Une réfutation autonome d’une conjecture installée depuis 1946 suggère au minimum une capacité nouvelle à naviguer dans des espaces de construction que les chercheurs n’avaient pas parcourus avec succès. Même si le modèle s’appuie sur un immense corpus de mathématiques, l’intérêt réside dans le résultat final : un objet ou un schéma que personne n’avait mis sur la table de manière concluante.

Cela ne signifie pas pour autant qu’une IA “fait des mathématiques” au sens humain du terme. Produire un contre-exemple n’est pas expliquer, contextualiser ou dégager la théorie la plus féconde derrière lui. L’histoire des maths montre d’ailleurs qu’un résultat important n’acquiert sa pleine valeur qu’une fois intégré à un cadre conceptuel plus large : pourquoi la conjecture échoue-t-elle ? Que faut-il sauver de l’intuition initiale ? Quelle version corrigée devient plausible ?

Autrement dit, même si l’IA signe le coup de théâtre, l’après-annonce reste profondément humain.

Une annonce à lire avec les garde-fous habituels

L’importance du résultat n’efface pas la nécessité des vérifications. En mathématiques, le filtre décisif reste l’examen par les pairs : lecture détaillée, tentative de reproduction, chasse aux erreurs subtiles, et validation progressive par la communauté concernée.

Le fait qu’OpenAI communique elle-même sur la découverte place naturellement l’annonce sous surveillance. D’autant que le secteur de l’IA a déjà habitué le public à des formulations ambitieuses, parfois plus rapides que la consolidation scientifique. Le billet de TechCrunch qui relaie l’information insiste d’ailleurs sur ce point de vigilance, en substance : cette fois, OpenAI affirme que le résultat est “réel”.

Cette prudence n’est pas un détail. Une erreur dans l’énoncé exact de la conjecture, dans la construction du contre-exemple ou dans la généralisation du résultat suffirait à réduire la portée du récit. À l’inverse, si la démonstration tient, alors l’épisode dépassera de loin la communication d’entreprise : il entrera dans la chronologie des usages scientifiques de l’IA.

Ce que cette affaire dit de l’état des modèles de raisonnement

L’intérêt de cette annonce ne tient pas seulement à la géométrie discrète. Elle éclaire la direction actuelle des laboratoires : moins de fascination pour les réponses fluides en langage naturel, davantage d’efforts sur le reasoning, la planification et la recherche multi-étapes.

Résoudre — ou réfuter — une conjecture de ce type exige en effet autre chose qu’un style convaincant. Il faut manipuler des contraintes, tester des configurations, rejeter des pistes, conserver une cohérence interne et parfois inventer une construction qui ne découle pas immédiatement d’un patron connu. C’est exactement le terrain sur lequel les acteurs de l’IA veulent désormais prouver que leurs modèles progressent.

Si l’annonce est confirmée, elle fournira un argument tangible à une thèse de plus en plus discutée dans les laboratoires : sur certains problèmes bien formalisés, un modèle peut devenir un générateur crédible d’hypothèses et de résultats nouveaux, pas seulement un assistant documentaire ou un tuteur de preuve.

Le prochain test sera public, lent et décisif

Le véritable verdict ne sera pas rendu dans un billet de blog, mais dans le temps long de la validation mathématique. Les prochaines étapes sont concrètes : circulation de la preuve ou du contre-exemple dans la communauté, examen par des spécialistes de la géométrie discrète, éventuelle publication formelle, puis réévaluation des résultats connexes qui reposaient sur l’intuition d’Erdős.

Si la réfutation tient, les conséquences seront mesurables. D’abord pour la discipline elle-même, qui devra reconfigurer une partie de son paysage théorique. Ensuite pour l’IA, avec un précédent beaucoup plus solide que les démonstrations sur jeux de données académiques. Enfin pour les laboratoires de recherche, qui auront une raison supplémentaire d’intégrer des modèles de reasoning dans les workflows scientifiques.

Le prochain jalon attendu est donc simple à formuler : une validation indépendante par les mathématiciens du domaine. Si elle arrive, l’annonce du 20 mai 2026 pourrait rester comme la date où l’IA a cessé, au moins dans un cas précis, d’être seulement un outil pour devenir une source crédible de résultats mathématiques originaux.