Une IA vient de démontrer un problème mathématique qui résistait aux humains depuis 50 ans
GPT-5.6 Sol Ultra d’OpenAI aurait démontré la conjecture de la double couverture par des cycles en moins d’une heure. Un mathématicien juge la preuve « très belle » et souligne ce que l’annonce omet.
OpenAI affirme que son nouveau modèle le plus avancé, GPT-5.6 Sol Ultra, a produit une démonstration complète de la conjecture de la double couverture par des cycles, un problème de théorie des graphes sur lequel les mathématiciens travaillent depuis les années 1970. Le modèle aurait eu besoin de moins d’une heure, en utilisant 64 sous-agents, des unités d’IA distinctes travaillant en parallèle.
La conjecture est étonnamment facile à énoncer. Imaginez un réseau de points reliés par des lignes, une carte routière par exemple. La question est la suivante : peut-on toujours trouver un ensemble de trajets en boucle tel que chaque route soit parcourue exactement deux fois ? Pendant cinquante ans, personne n’a pu démontrer que la réponse était toujours positive. Il existait des réponses partielles pour des cas particuliers, mais aucune preuve générale.
Thomas Bloom, mathématicien à l’université de Manchester, a livré à ce jour l’évaluation publique la plus détaillée. Il parle d’une « très belle démonstration », avant d’ajouter une nuance : la solution est courte, élémentaire et « aurait pu être découverte dans les années 1980 ». Elle n’exige aucun nouvel outil mathématique, seulement une combinaison ingénieuse de méthodes connues. Selon sa théorie, les humains l’ont manquée parce que l’étape essentielle repose sur une manœuvre contre-intuitive qu’une personne aurait probablement essayée, vue échouer, puis abandonnée. L’IA ne se décourage pas : elle examine inlassablement de petites variantes jusqu’à trouver la bonne.
Une réserve mérite d’être connue avant de trop s’enthousiasmer. Bloom souligne que les idées principales remontent à un article de 1983, qu’OpenAI ne cite pas du tout dans sa présentation. C’est un problème récurrent des articles générés par IA : ils s’appuient sur la littérature existante sans le préciser, donnant à la machine une apparence d’originalité excessive. La communauté mathématique doit encore effectuer une vérification complète, d’où l’importance réelle du conditionnel dans cette histoire.
Que se joue-t-il derrière ce résultat ? En partie, des consignes bien pensées. Les instructions données au modèle organisaient essentiellement son obstination : supposer qu’une démonstration existe, ne pas chercher sur Internet, ne pas répondre « le problème n’est pas résolu » et attendre qu’une preuve complète résiste à une vérification contradictoire par d’autres agents avant de répondre. Le modèle devait calculer pendant au moins huit heures avant même d’envisager d’abandonner. Il a terminé en une heure. Bloom s’attend à ce que d’autres vieilles conjectures tombent ainsi : celles auxquelles ne manquaient qu’une théorie existante et une immense patience. Mais elles représentent probablement une petite part des problèmes ouverts, et personne ne sait à l’avance lesquels.
Ce que cela signifie pour vous : rien ne change encore dans votre quotidien, mais voici l’un des signes les plus clairs de l’évolution des outils de recherche par IA : infatigables, parallèles et réellement utiles sur des problèmes difficiles. Si vous travaillez avec l’IA sur un sujet complexe, la consigne contient aussi une leçon pratique : la persévérance peut être conçue. Demander à un modèle de continuer ses tentatives, de se vérifier et de ne pas se contenter de réponses partielles modifie de façon mesurable ce qu’il produit.
Sources
Orca : une nouvelle forme d’IA qui apprend le fonctionnement du monde en l’observant
La BAAI de Pékin a lancé Orca, un « modèle du monde » entraîné sur 125 000 heures de vidéo qui égale des systèmes robotiques spécialisés sans avoir vu la moindre action de robot étiquetée lors de son préentraînement.
