OpenAI publie 376 preuves mathématiques générées par IA

722 manuscrits pour les problèmes les plus difficiles des mathématiques

Le 6 octobre 2026, OpenAI a publié sur GitHub, dans un dépôt public nommé openai/math, 722 manuscrits mathématiques organisés en 372 familles, produits par un modèle d'intelligence artificielle interne dont l'entreprise n'a pas divulgué le nom. Ces documents contiendraient des preuves de certains des problèmes mathématiques non résolus les plus anciens et les plus difficiles de l'histoire, des problèmes sur lesquels les meilleurs mathématiciens humains ont travaillé pendant des décennies sans succès. L'annonce a créé un séisme dans la communauté scientifique mondiale et a immédiatement relancé le débat sur les capacités réelles des systèmes d'IA de nouvelle génération.

Parmi les résultats revendiqués, Sam Altman, CEO d'OpenAI, a mis en avant plusieurs théorèmes d'une importance capitale. La Unique Games Conjecture (UGC), formulée par le mathématicien Subhash Khot en 2002, est l'une des conjectures les plus importantes de la théorie de la complexité algorithmique. Sa vérification ou réfutation détermine les limites fondamentales de ce qu'il est possible d'approcher algorithmiquement dans des problèmes d'optimisation NP-difficiles. Des décennies de recherche en informatique théorique reposent sur l'hypothèse que cette conjecture est vraie ; une preuve formelle constituerait un séisme dans la discipline.

La quasi-Riemann hypothesis est une variante de la célèbre hypothèse de Riemann, l'un des sept problèmes du millénaire identifiés par l'Institut Clay de Mathématiques avec une récompense d'un million de dollars pour sa résolution. L'hypothèse de Riemann porte sur la distribution des zéros de la fonction zêta de Riemann et a des implications profondes sur la distribution des nombres premiers — qui constitue le fondement de nombreux algorithmes cryptographiques. La rational Hodge conjecture pour les variétés abéliennes à multiplication complexe et le problème du facteur du groupe libre (free group factor problem) complètent le tableau d'une publication dont l'ambition n'a pas de précédent dans l'histoire des mathématiques.

Sam Altman a été prudent dans sa communication, soulignant que ces affirmations n'ont pas encore été confirmées par des mathématiciens extérieurs à OpenAI et qu'aucun des 722 manuscrits n'a été soumis à une revue par les pairs formelle. La vérification de preuves mathématiques de cette complexité est elle-même un travail considérable : certaines preuves récentes en mathématiques modernes — comme la preuve de la conjecture de Poincaré par Grigori Perelman — ont nécessité plusieurs années d'examen par la communauté avant d'être officiellement acceptées.

La réaction de Scott Aaronson, informaticien théoricien à l'Université du Texas à Austin et l'une des voix les plus respectées sur l'intersection entre complexité algorithmique et intelligence artificielle, a été particulièrement remarquée. Sur son blog Shtetl-Optimized, Aaronson a écrit que les mathématiciens humains sont désormais "à jamais détrônés comme principales entités prouvant des théorèmes sur la planète Terre." Une déclaration qui témoigne de l'impact psychologique de cette publication même sur les experts les plus lucides sur les limites de l'IA.

Des chercheurs du MIT auraient tenté, dans les jours précédant la publication, de battre le modèle d'OpenAI à la démonstration de la Unique Games Conjecture, après avoir été informés confidentiellement qu'un système IA était proche d'une preuve. Cette course entre mathématiciens humains et machine illustre la dynamique nouvelle dans laquelle se trouve la recherche mathématique de pointe. Selon le magazine Quanta, plusieurs équipes de recherche ont immédiatement commencé à vérifier les preuves publiées, en commençant par les plus accessibles à leurs domaines d'expertise respectifs.

La publication soulève également une question stratégique sur la transparence d'OpenAI. L'entreprise n'a pas divulgué le nom du modèle utilisé, ni les détails de son architecture, de son entraînement ou de sa méthode de raisonnement (chaîne de pensée, vérification formelle assistée, combinaison avec des prouveurs formels comme Lean ou Coq). Cette opacité est cohérente avec la tendance récente d'OpenAI à ne pas publier de rapports techniques détaillés pour ses modèles les plus capables, invoquant des préoccupations de sécurité.

Aaronson a également signalé une dimension qui concerne directement la cybersécurité : des chercheurs dans les grands laboratoires d'IA commencent discrètement à tester si leurs modèles mathématiques les plus avancés pourraient briser des primitives cryptographiques importantes. La revendication L=BPL (Logspace = Bounded-Error Probabilistic Logspace) est particulièrement sensible : si vraie, elle remet en cause certaines hypothèses fondamentales sur la puissance de l'aléatoire en algorithmique, avec des implications potentielles pour la génération de clés cryptographiques et les protocoles reposant sur la randomisation.

Les mathématiques de l'IA et les fondements de la cybersécurité

Si certaines des preuves publiées par OpenAI se révèlent exactes — et c'est un "si" considérable en l'absence de vérification indépendante — les implications pour la cybersécurité numérique mondiale pourraient être profondes. La quasi-totalité de la sécurité d'Internet repose sur un ensemble de problèmes mathématiques supposés difficiles à résoudre, dont certains sont étroitement liés aux questions abordées dans la publication d'OpenAI.

L'hypothèse de Riemann, même dans sa forme "quasi" publiée par OpenAI, est liée à la distribution des nombres premiers. La factorisation des grands entiers en leurs facteurs premiers — fondement de RSA — et le problème du logarithme discret — fondement de Diffie-Hellman et des courbes elliptiques (ECDH, ECDSA) — reposent sur la difficulté computationnelle de certains problèmes liés à la distribution des nombres premiers. Une avancée théorique majeure sur la fonction zêta de Riemann pourrait, dans des scénarios extrêmes, ouvrir de nouvelles pistes d'attaque sur ces cryptosystèmes.

Il est important de nuancer : une preuve mathématique de l'hypothèse de Riemann ne constituerait pas automatiquement un algorithme de factorisation rapide ni une rupture immédiate de RSA. Le chemin entre un résultat théorique et son exploitation pratique est long et incertain. Mais les experts en cryptographie soulignent que toute avancée significative dans la compréhension de la distribution des nombres premiers doit être prise au sérieux et évaluée soigneusement quant à ses implications pratiques possibles.

Cette publication renforce l'urgence d'une transition vers la cryptographie post-quantique (PQC), indépendamment des questions liées aux ordinateurs quantiques. Les algorithmes standardisés par le NIST en 2024 — ML-KEM (anciennement Kyber) pour l'encapsulation de clés, ML-DSA (anciennement Dilithium) pour les signatures numériques, et SLH-DSA (anciennement SPHINCS+) — reposent sur des problèmes mathématiques structurellement différents (réseaux euclidiens, hachage) qui ne sont pas directement concernés par des avancées sur la théorie des nombres. Les organisations qui ont déjà initié leur migration PQC font un choix stratégiquement défensif face à toute forme d'avancée mathématique imprévue.

Au-delà de la cryptographie, si des systèmes IA peuvent résoudre des problèmes de classe NP-difficile, ou démontrer des équivalences inattendues entre classes de complexité, les implications dépassent largement la sécurité informatique. La médecine (optimisation de la conformation de protéines), la physique (simulation de systèmes quantiques complexes), la logistique (optimisation combinatoire à grande échelle) et les sciences du climat (modèles de prédiction à haute résolution) seraient toutes transformées. Des algorithmes qui nécessitent aujourd'hui des supercalculateurs pendant des semaines pourraient devenir praticables en heures.

La question éthique mérite également d'être posée : la publication immédiate et inconditionnelle de preuves potentiellement liées à la rupture de primitives cryptographiques avant toute vérification externe et avant que des mesures de mitigation soient disponibles constitue-t-elle une pratique responsable ? Dans d'autres domaines de la sécurité (vulnérabilités logicielles, biologie synthétique), des normes de divulgation responsable existent et sont généralement respectées. La communauté de recherche en sécurité devra probablement développer des cadres similaires pour les découvertes IA ayant des implications cryptographiques.

Ce qu'il faut retenir

• OpenAI revendique des preuves de problèmes mathématiques historiques dont la vérification est en cours par la communauté mondiale ; aucune confirmation indépendante n'existe à ce stade.
• Les implications cryptographiques restent théoriques mais méritent une surveillance étroite : les RSSI doivent accélérer leurs projets de migration vers la cryptographie post-quantique.
• Cette publication marque un tournant symbolique : des experts comme Scott Aaronson parlent désormais de "détrônement" des mathématiciens humains par les systèmes IA.