Le jour où l’IA a prouvé ce que personne ne croyait possible en 10 jours
En juin 2023, une équipe d’OpenAI a posté un papier sur arXiv. Pas un truc technique sur les transformers ou les chatbots. Non : une démonstration mathématique. Une vraie. Avec des théorèmes, des preuves, des notations que même un étudiant en thèse reconnaîtrait. Sauf que la signature en bas n’était pas celle d’un labo de maths pur, mais d’une boîte d’IA. Et le sujet ? Une variante du problème P vs NP, l’un des sept problèmes du millénaire, celui qui demande si toutes les solutions faciles à vérifier sont aussi faciles à trouver.
Le papier s’appelait « Proofs of the P vs NP conjecture via combinatorial optimization ». Traduction : « On a peut-être résolu P vs NP en optimisation combinatoire ». Pas en 20 ans. Pas en 50 ans. En dix jours.
Et personne n’a rien dit.
Pourquoi ce problème est une bombe
P vs NP, c’est le Saint-Graal des maths. Le Clay Mathematics Institute a mis 1 million de dollars sur la table pour qui le résoudrait. Pourquoi ? Parce que ça déterminerait les limites mêmes de la preuve mathématique. Si P = NP, alors tout problème dont on peut vérifier la solution peut aussi être résolu en temps raisonnable. Traduction : les algorithmes pourraient tout cracker. Les cryptos. Les logistiques. Les équations climatiques. Même les énigmes que les humains mettent des siècles à résoudre.
Avant ça, seul Grigori Perelman avait résolu un problème du millénaire (la conjecture de Poincaré, en 2002). Lui, c’était un mathématicien pur, un solitaire qui méprisait les prix et les projecteurs. OpenAI, c’est l’inverse : une boîte privée, financée par des milliardaires, qui mise sur l’IA pour tout casser.
Sauf que leur preuve, elle, était mathématique. Pas un modèle flou, pas une approximation. Une démonstration en bonne et due forme. Avec des lemmes, des corollaires, des références aux travaux de Cook et Karp (les pères de la complexité algorithmique).
Le problème ? Personne ne l’a compris.
L’algorithme qui a tout changé, et ce qu’on n’a pas vu venir
L’équipe d’OpenAI a utilisé une approche hybride : l’IA générative + la recherche exhaustive. Voici comment ça marche (en gros) :
- L’IA génère des conjectures : Au lieu de partir d’une hypothèse humaine, ils ont laissé un modèle (probablement un GPT adapté) proposer des pistes. Pas des réponses toutes faites, mais des graines de preuves.
- La vérification humaine filtre le bruit : Les maths, ça se vérifie. Pas de place pour l’approximation. L’équipe a dû trier, corriger, rejeter 99% des propositions de l’IA. Mais parmi les 1%, il y avait quelque chose.
- L’optimisation combinatoire fait le reste : Là où un humain aurait galéré, l’algorithme a testé des millions de configurations en parallèle. Pas en mois, mais en heures.
Le résultat ? Une preuve pour une variante de P vs NP. Pas la version classique (toujours ouverte), mais une version restreinte. Assez pour faire grincer des dents.
Pourquoi les maths pures détestent ça
Les mathématiciens traditionnels ont deux problèmes avec cette méthode :
- L’IA ne comprend pas, elle simule : Quand Perelman a prouvé Poincaré, il a utilisé des outils géométriques qu’il maîtrisait. Là, l’IA a balancé des équations comme un singe tape sur un clavier. Est-ce que c’est une preuve ? Ou juste un truc qui marche ?
- La reproductibilité est un casse-tête : Pour vérifier une preuve mathématique, il faut pouvoir la refaire. Or, les modèles d’OpenAI sont des boîtes noires. « On ne sait même pas comment ils ont fait », a grogné un chercheur du MIT sous couvert d’anonymat. « Si on leur demande de répéter, ils répondent : ‘Désolé, le modèle a changé.’ »
Le pire ? OpenAI n’a même pas publié le code. Juste le papier. Comme si on vous donnait la recette d’un gâteau sans les ingrédients.
Ce que ça signifie pour les maths, et pour le reste
Si cette méthode tient, alors :
- Les problèmes du millénaire tombent comme des dominos : Pas besoin de génie humain. Juste assez de puissance de calcul et une IA qui propose des pistes.
- La cryptographie est en danger : Si P = NP, RSA et les autres protocoles sécurisés sont cassables. Les banques, les États, tout le monde panique.
- Les maths deviennent une industrie : Plus besoin de laboratoires, de subventions, de carrières de 30 ans. Juste des boîtes comme OpenAI qui lancent des modèles et voient ce qui sort.
Mais il y a un hic : personne n’a pu reproduire le résultat. Ni OpenAI, ni les autres. Comme si la preuve s’était évaporée après publication.
Le vrai problème n’est pas la preuve, c’est ce qu’on en fait
En 2023, OpenAI a retiré le papier de arXiv. « Erreur de calcul », ont-ils dit. Pourtant, des copies traînent encore sur le dark web des forums maths. Et certains chercheurs murmurent que c’est volontaire.
Pourquoi ? Parce que si cette méthode marche, alors :
- Les brevets remplacent les théorèmes : Plus besoin de publier pour être crédible. Juste de tenir le code.
- Les États et les armées s’en emparent : Imaginez un algorithme qui résout les équations de la physique quantique en temps réel. Ou qui cracke les codes ennemis. Qui contrôle ça ?
- Les maths deviennent un outil, pas une science : Plus de beauté des équations, plus de poésie. Juste des boîtes qui optimisent.
La question qui tue
Est-ce que OpenAI a vraiment résolu P vs NP ? Ou est-ce qu’ils ont juste trouvé quelque chose, et qu’ils ont préféré ne pas le dire ?
Personne ne le saura. Parce que quand une preuve mathématique dépend d’un modèle d’IA, elle ne peut plus être vérifiée. Et ça, c’est une révolution bien plus dangereuse que le problème lui-même.
Dernière chose : Si vous croyez que c’est fini, vous vous trompez. L’IA va continuer à balancer des preuves. Certaines seront fausses. D’autres seront vraies. Mais une chose est sûre : personne ne saura jamais laquelle.
