Problème d’Erdős n°397 résolu par une IA :
ce que GPT-5.2 Pro a réellement fait en janvier 2026.
La chaîne complète, la validation de Terence Tao, et pourquoi il parle de fruits les plus accessibles.
Trois mois plus tôt, une annonce comparable s’était effondrée à l’examen : les modèles avaient retrouvé des solutions existantes, pas produit de mathématiques nouvelles. Comprendre ce qui distingue les deux épisodes est le seul moyen d’évaluer correctement celui-ci.
Ce qui s’est passé exactement
Le 4 janvier 2026, un ingénieur logiciel et ancien chercheur en finance quantitative, Neel Somani, soumet un problème d’Erdős encore ouvert au modèle le plus capable d’OpenAI, GPT-5.2 Pro. Le modèle produit une démonstration.
La chose n’en reste pas là, et c’est ce qui compte. La preuve informelle est ensuite transmise à un outil nommé Aristotle, développé par la société Harmonic, qui la traduit en Lean, un langage permettant de vérifier mécaniquement chaque étape d’un raisonnement mathématique.
La démonstration comportait des erreurs mineures. Le système de formalisation les a corrigées automatiquement et a produit un code vérifié. Le résultat a alors été soumis à Terence Tao, médaillé Fields, qui en a confirmé la validité.
La base de référence recensant ces conjectures a mis à jour le statut du problème. Deux autres, portant les numéros 728 et 729, ont été résolus dans la même période par le même modèle.
Le problème 397 et son énoncé
Paul Erdős, mathématicien hongrois disparu en 1996, a laissé derrière lui plus d’un millier de conjectures. Beaucoup se formulent en quelques lignes et résistent pendant des décennies.
Le problème portant le numéro 397 relève de cette catégorie. Il porte sur les coefficients binomiaux centraux, ces nombres qui apparaissent au milieu de chaque ligne du triangle de Pascal et comptent le nombre de façons de choisir la moitié des éléments d’un ensemble.
La question posée est celle de savoir s’il existe une infinité de solutions à une équation particulière faisant intervenir ces coefficients. Sa référence renvoie à une publication de 1980, ce qui situe son ancienneté.
Sa difficulté ne tient pas à un calcul hors de portée mais à la nature de la question. Prouver qu’une chose se produit une infinité de fois, ou au contraire seulement un nombre fini de fois, demande d’écarter rigoureusement tous les cas possibles.
Un mot sur l’auteur de ces conjectures aide à mesurer la portée symbolique du résultat. Paul Erdős a publié davantage d’articles que tout autre mathématicien de l’histoire, presque toujours en collaboration, et menait une existence itinérante consacrée entièrement aux problèmes qu’il posait et distribuait autour de lui. Il proposait d’ailleurs des récompenses en argent pour leur résolution, calibrées selon la difficulté qu’il leur attribuait. Voir son nom associé à une résolution assistée par machine n’a donc rien d’anodin, indépendamment de la difficulté réelle du problème concerné.
La chaîne à trois maillons
Ce qui distingue cet épisode n’est pas la capacité d’un modèle isolé, mais l’articulation de trois outils aux rôles nettement séparés.
- Le modèle génératif explore, propose une stratégie et rédige une démonstration en langage naturel. Il produit une intuition structurée, pas une preuve validée.
- L’assistant de preuve traduit ce raisonnement dans un langage formel où chaque étape doit être justifiée. Il ne tolère aucune approximation et signale les lacunes.
- Le mathématicien juge la pertinence du résultat, sa portée réelle et sa place dans l’état de l’art. Il tranche sur ce que la machine ne peut pas évaluer.
Le maillon central est celui que les commentaires oublient le plus souvent, alors qu’il constitue la véritable garantie. Sans vérification formelle, une démonstration produite par un modèle reste une hypothèse séduisante.
Un détail mérite d’être relevé : l’outil de formalisation n’a pas seulement contrôlé la preuve, il a comblé automatiquement les lacunes qu’il a détectées. La frontière entre vérification et production devient donc moins nette qu’elle n’en a l’air.
Cette logique de chaîne contrôlée dépasse les mathématiques. On la retrouve dans tous les domaines où une production automatique doit être validée avant emploi, qu’il s’agisse de la mise en conformité réglementaire des systèmes ou de la sécurisation de la chaîne d’approvisionnement logicielle.
Pourquoi janvier diffère d’octobre
Comprendre cet épisode suppose de connaître celui qui l’a précédé, et que beaucoup de reprises omettent.
En octobre 2025, des annonces affirmaient qu’un modèle avait résolu dix problèmes d’Erdős. L’emballement a été considérable, jusqu’à ce que le mainteneur de la base de référence, Thomas Bloom, apporte une clarification embarrassante.
Aucune découverte n’avait été faite. Les modèles avaient effectué une recherche documentaire particulièrement efficace, retrouvant des solutions qui existaient déjà, publiées puis oubliées dans d’anciens articles. Les problèmes n’étaient marqués comme ouverts que parce que ces travaux étaient tombés dans l’oubli.
La performance restait notable, mais elle relevait de la fouille bibliographique et non de la création mathématique. C’est précisément cette confusion que l’épisode de janvier permet d’écarter : les preuves produites apparaissent originales pour les formulations concernées.
Un épisode voisin illustre l’exigence appliquée. Sur l’un des problèmes résolus dans la même période, un malentendu avait laissé croire qu’une observation humaine avait orienté le modèle, ce qui aurait retiré au résultat son caractère autonome. La personne concernée a démenti, et Terence Tao a lui-même attesté de cette autonomie. La communauté a examiné le point avant de valider.
La nuance de Terence Tao
Le mathématicien qui a validé ces travaux est aussi celui qui en relativise le plus la portée, et son avis mérite d’être rapporté complètement.
Il qualifie ces problèmes de fruits les plus accessibles : des conjectures solubles avec des techniques standard, restées ouvertes faute d’avoir attiré l’attention plutôt que par résistance intrinsèque.
Sa formule la plus juste est ailleurs : le résultat en dit davantage sur la vitesse que sur la difficulté. Ce qui l’intéresse le plus n’est pas qu’une machine ait trouvé, mais la rapidité avec laquelle un texte mathématique peut désormais être rédigé puis révisé.
Il a également apporté une correction significative sur un autre problème, qu’il avait qualifié de cas le plus net d’une résolution par une machine : une solution antérieure a ensuite fait surface, et la preuve du modèle s’est avérée simplement différente, pas inédite.
Une raison de fond explique cette prudence. Une conjecture peut rester ouverte pour deux motifs très différents : parce qu’elle résiste réellement aux méthodes connues, ou simplement parce que personne n’a pris le temps de s’y atteler. Les problèmes d’Erdős se comptent par milliers et les mathématiciens capables de les traiter sont peu nombreux ; beaucoup n’ont jamais reçu d’attention sérieuse. Un système qui explore rapidement un grand nombre de pistes trouve donc naturellement les conjectures du second type avant celles du premier. C’est exactement ce que recouvre l’expression employée par Tao.
Ce que les chiffres révèlent
L’écart déterminant
Une donnée résume mieux la situation que tous les commentaires. Le modèle concerné atteint environ 77 % de réussite sur les mathématiques de niveau compétition, où les problèmes ont une solution connue et des méthodes identifiées.
Il tombe à 25 % sur les problèmes de recherche ouverts, ceux qui exigent une véritable intuition et l’invention d’une approche nouvelle. L’écart entre ces deux scores dessine exactement la frontière actuelle.
Le rapport de volume
La base recense plus d’un millier de conjectures, dont environ sept cents demeuraient ouvertes au moment où plusieurs systèmes ont été lancés contre elles.
Quelques résolutions sur ce volume représentent une avancée réelle mais mesurée. Les problèmes qui ont fait la réputation de leur auteur, ceux qui résistent depuis un demi-siècle à des générations de spécialistes, ne figurent pas parmi ceux qui sont tombés.
Cette lecture rejoint un constat plus général sur l’écart entre les capacités annoncées et les usages effectifs, que nous avions abordé à propos de la distance entre les discours commerciaux et les pratiques internes des éditeurs. La performance est réelle, son périmètre est plus étroit que les titres ne le suggèrent.
Ce qui s’est passé depuis
L’épisode de janvier n’a pas été un feu de paille, et le mouvement s’est structuré au cours des mois suivants.
Plusieurs équipes ont lancé des systèmes dédiés contre les conjectures encore ouvertes, associant génération de pistes et vérification automatique. Un laboratoire concurrent avait déployé dès décembre 2025 un agent de recherche spécialisé sur ce corpus.
Une base communautaire recense désormais les contributions de systèmes automatiques à ces problèmes, avec une classification par degré d’implication humaine. Cette traçabilité constitue peut-être l’apport le plus durable de l’affaire.
Des résultats comparables ont été obtenus dans d’autres domaines, notamment l’amélioration d’un record d’algorithmique vieux de plusieurs décennies. Le schéma se répète : des optimisations significatives sur des problèmes bien posés, pas des ruptures conceptuelles.
Cette compétition s’inscrit dans un paysage où les investissements se concentrent sur quelques acteurs, tandis que des alternatives européennes se développent et que les assistants deviennent de véritables plateformes applicatives.
Ce que cela change pour la recherche
Au-delà du résultat, trois évolutions de méthode méritent d’être retenues.
La formalisation devient accessible. Traduire une preuve dans un langage vérifiable demandait auparavant des mois de travail spécialisé. L’automatisation partielle de cette étape lève un obstacle qui limitait fortement son emploi.
Le rythme de rédaction change. C’est le point que Tao souligne lui-même. Rédiger, réviser, reformuler et relier un texte mathématique à la littérature existante prenait des semaines. Ce cycle s’est nettement raccourci.
La traçabilité devient une exigence. La controverse d’octobre a imposé une discipline : distinguer ce qui vient du modèle, ce qui vient de l’outil de vérification et ce qui vient de l’humain. Cette exigence n’existait pas avant que des résultats douteux ne circulent.
Ce qui ne change pas mérite d’être dit avec la même netteté : personne ne prétend qu’une machine conçoit aujourd’hui une théorie nouvelle. Elle accélère l’exploration d’un espace de solutions et rend visible plus vite ce qui aurait fini par l’être.
Ces avancées se déploient dans un contexte social contrasté, entre une opinion partagée face à ces technologies, des interrogations sur l’emploi des jeunes diplômés et des alertes sur les transformations du travail. S’y ajoutent des enjeux concrets : le coût environnemental détaillé dans notre article sur la consommation d’eau et d’électricité, la part croissante des contenus produits automatiquement, les dispositifs de vérification d’identité en préparation, l’usage de ces outils par les administrations sous contrôle de l’autorité de protection des données, la transformation des moteurs de recherche par les réponses générées, et une adaptation qui reste avant tout un changement de regard plus que de technologie. Nos retours clients et notre page contact restent accessibles.
IA et problèmes d’Erdős : les réponses essentielles.
Que s’est-il passé exactement ?
Le 4 janvier 2026, GPT-5.2 Pro a produit une démonstration pour le problème d’Erdős n°397. L’outil Aristotle l’a formalisée dans le langage Lean en corrigeant automatiquement ses erreurs mineures, puis Terence Tao, médaillé Fields, en a confirmé la validité.
Que dit ce problème ?
Il porte sur les coefficients binomiaux centraux et pose la question de l’existence d’une infinité de solutions à une équation les faisant intervenir. Sa référence renvoie à une publication de 1980. Il a été résolu par la négative, au moyen d’un contre-exemple.
L’IA a-t-elle travaillé seule ?
Non, et c’est le point central. Trois maillons interviennent : le modèle génératif propose une démonstration, un assistant de preuve la formalise et la vérifie mécaniquement, un mathématicien juge sa pertinence et sa portée réelle.
En quoi cela diffère-t-il d’octobre 2025 ?
En octobre 2025, des annonces affirmaient qu’un modèle avait résolu dix problèmes. Le mainteneur de la base a clarifié qu’aucune découverte n’avait été faite : les modèles avaient retrouvé des solutions existantes oubliées dans d’anciens articles.
Que dit Terence Tao du résultat ?
Il le valide tout en le relativisant, qualifiant ces problèmes de fruits les plus accessibles, solubles avec des techniques standard. Selon lui, le résultat en dit davantage sur la vitesse d’exécution que sur la difficulté vaincue.
Quel est l’écart de performance réel ?
Le modèle atteint environ 77 % de réussite sur les mathématiques de niveau compétition, où les méthodes sont identifiées, mais tombe à 25 % sur les problèmes de recherche ouverts exigeant une véritable intuition. Cet écart dessine la frontière actuelle.
Combien de problèmes ont été résolus ?
Trois par ce modèle en janvier 2026, portant les numéros 397, 728 et 729. La base recense plus d’un millier de conjectures, dont environ sept cents demeuraient ouvertes au moment où plusieurs systèmes ont été lancés contre elles.
Les mathématiciens sont-ils menacés ?
Rien dans ces résultats ne le suggère. Personne ne prétend qu’une machine conçoit aujourd’hui une théorie nouvelle. Elle accélère l’exploration d’un espace de solutions et rend visible plus vite ce qui aurait fini par l’être.
- Erdős Problems — Base de référence des conjectures et de leur statut
- Recensement communautaire des contributions de systèmes automatiques
- The Decoder — Position détaillée de Terence Tao sur la portée du résultat
- arXiv — Compte rendu détaillé de la résolution du problème 728
- eWeek — Chronologie des trois résolutions et scores de performance
WY-Créations analyse les évolutions du web et de l’intelligence artificielle. Les résultats évoqués relèvent d’un domaine en mouvement rapide, où les statuts et les attributions évoluent au fil des vérifications de la communauté mathématique. Pour aller plus loin : toutes les actualités web.
Un bon outil accélère le travail. Il ne remplace pas le jugement.
WY-Créations construit des sites et des stratégies de visibilité pour les artisans, les TPE, les PME et les professions libérales depuis 2018.