Le 20 mai 2026, OpenAI a annoncé qu'un de ses modèles de raisonnement général venait de réfuter une conjecture que les mathématiciens n'avaient pu résoudre depuis près de 80 ans — le problème de distances unitaires planaires d'Erdős. Le résultat, vérifié par le médaillé Fields Tim Gowers et des mathématiciens de Princeton, marque un tournant dans la façon dont nous concevons l'IA comme outil de recherche scientifique de pointe.
Ce qui rend cette percée particulièrement remarquable : il ne s'agissait pas d'un système spécialisé en mathématiques, mais d'un modèle de raisonnement général — le même type utilisé pour générer du code ou analyser des documents — qui a découvert quelque chose de genuinement nouveau en mathématiques pures.
Le problème d'Erdős : 80 ans d'impasse
En 1946, le légendaire mathématicien hongrois Paul Erdős posa une question d'une simplicité trompeuse : si l'on place n points n'importe où sur un plan, quel est le nombre maximum de paires de points séparés exactement par une unité de distance ?
C'est le problème de distances unitaires planaires. Pendant des décennies, les meilleures constructions connues reposaient sur des grilles carrées — des arrangements en treillis régulier générant naturellement de nombreuses paires à distance unitaire. Les mathématiciens supposaient que ces grilles étaient essentiellement optimales, et qu'aucun arrangement ne pouvait les surpasser de manière significative.
Pendant près de 80 ans, personne ne put prouver cette conjecture, ni la réfuter. Elle resta inscrite dans les problèmes ouverts de la géométrie discrète, monument à la difficulté de questions apparemment élémentaires.
Comment l'IA a tranché
OpenAI a évalué son modèle de raisonnement général sur une collection de problèmes d'Erdős — un ensemble de questions ouvertes de longue date en combinatoire et en géométrie. L'approche du modèle pour le problème des distances unitaires fut saisissante.
Plutôt que de travailler dans le cadre des constructions géométriques classiques ou d'itérer sur des grilles carrées, le modèle a relié le problème à la théorie algébrique des nombres — une branche des mathématiques normalement associée aux corps de nombres et à l'algèbre abstraite, et non aux problèmes géométriques.
Plus précisément, il a utilisé des techniques issues des tours de corps de classes infinis et de la théorie de Golod-Shafarevich — des outils arithmétiques avancés qui révèlent des symétries cachées dans des systèmes numériques exotiques. Ramenées à la géométrie, ces symétries ont produit des configurations de points contenant bien plus de paires à distance unitaire qu'aucune grille carrée n'avait jamais pu en générer.
Le résultat : une famille infinie de configurations de points réalisant une amélioration polynomiale par rapport aux grilles carrées que les mathématiciens croyaient optimales.
Ce que signifie "amélioration polynomiale"
Pour saisir l'importance de la découverte, considérons l'échelle. Si la meilleure construction connue avec n points produit environ n^1.5 paires à distance unitaire, une amélioration polynomiale signifie que les nouvelles configurations croissent à un rythme supérieur — et cet écart augmente sans limite à mesure que n grandit.
Le mathématicien de Princeton Will Sawin a affiné la construction du modèle et l'a exprimée avec un exposant fixe précis, lui donnant la forme rigoureuse et publiable qu'exige la théorie des nombres. Un article compagnon co-rédigé avec Noga Alon de Princeton contextualise la démonstration et explique pourquoi la théorie algébrique des nombres était la clef que la géométrie classique avait manquée pendant 80 ans.
Les réactions des experts
La réaction de la communauté mathématique a été marquante.
Tim Gowers, médaillé Fields et l'un des grands combinatorialistes mondiaux, a qualifié le résultat de "jalons dans les mathématiques de l'IA". Son jugement pèse particulièrement lourd compte tenu de sa prudence historiquement affichée à l'égard des affirmations de l'IA en mathématiques sérieuses.
Arul Shankar, théoricien des nombres à l'Université de Toronto, a souligné que cela démontre la capacité de l'IA à générer des "idées genuinement originales" — non pas seulement récupérer ou recombiner des résultats connus, mais découvrir de nouveaux liens entre des domaines entièrement distincts.
Thomas Bloom, mathématicien spécialiste de géométrie discrète, a suggéré que de nombreux problèmes ouverts anciens du domaine pourraient maintenant céder grâce aux connexions arithmétiques révélées par l'IA. Une seule percée, laisse-t-il entendre, pourrait déverrouiller tout un groupe de conjectures liées.
Pourquoi un modèle général et non un système spécialisé ?
Ce détail est capital. OpenAI n'a pas entraîné un système spécialisé en mathématiques. Le modèle utilisé est un modèle de raisonnement général — la même architecture appliquée à la génération de code, à l'analyse de documents, à la rédaction complexe.
Le fait qu'un modèle généraliste ait réussi là où des efforts spécialisés avaient échoué soulève une question fondamentale sur le sens réel du "raisonnement". Les mathématiques pourraient justement tirer parti du type de pensée associative large que développent les modèles généraux — la capacité à percevoir des analogies entre des domaines éloignés, plutôt que de se limiter à la manipulation symbolique au sein d'un seul champ disciplinaire.
Cela tranche avec les efforts antérieurs d'IA en mathématiques comme AlphaProof ou les démonstrateurs formels de théorèmes, qui nécessitaient un échafaudage mathématique lourd. Le résultat d'OpenAI n'avait besoin d'aucun scaffolding — juste un modèle invité à réfléchir soigneusement à un problème difficile.
Implications pour l'IA en recherche scientifique
La percée sur la conjecture d'Erdős signale quelque chose de plus grand : les systèmes d'IA commencent à opérer à la frontière du savoir humain, et non plus en deçà.
Considérons ce que cela ouvre :
- Géométrie et combinatoire : nombre des problèmes ouverts restants d'Erdős pourraient désormais être à portée grâce à des connexions algébriques similaires
- Physique théorique : des problèmes requérant des ponts entre structures algébriques et géométrie physique pourraient bénéficier du même raisonnement inter-domaines
- Cryptographie et théorie de l'information : les techniques de Golod-Shafarevich utilisées ici ont des applications en cryptographie et en codage que l'IA pourrait aider à faire progresser
Le glissement essentiel va de l'IA comme assistant — vérifier des preuves, suggérer des références — à l'IA comme collaboratrice qui génère des hypothèses que les humains vérifient ensuite et formalisent.
Conclusion
Le 20 mai 2026, un problème vieux de 80 ans a cédé devant un modèle de raisonnement général qui n'était même pas conçu pour faire des mathématiques. La conjecture de distances unitaires planaires d'Erdős — jadis symbole des limites du progrès mathématique humain — est aujourd'hui le symbole de ce qui devient possible lorsque le raisonnement de l'IA atteint la science de pointe.
Les mathématiciens prennent des notes. Pour les développeurs et les dirigeants qui s'interrogent sur la prochaine étape de l'IA, c'est le signal le plus clair à ce jour : la frontière avance, et elle avance vite.