OpenAI affirme que ses modèles ont produit des preuves dans trois domaines, dont une réfutation de l'hypothèse du temps exponentiel, et propose une nouvelle façon de publier ce genre de travail. Les universitaires consultés demandent du temps. Certains refusent le principe même de l'exercice.
Trois résultats annoncés le même jour par OpenAI
Le communiqué du 26 octobre annonce trois « découvertes » dans trois disciplines : l'analyse harmonique, la théorie de la complexité et la théorie quantique des champs. Le premier résultat porte sur l'analyse harmonique, et il règle du même coup la conjecture de Kakeya, un problème ouvert depuis des décennies. Le deuxième réfute l'hypothèse du temps exponentiel, un pilier de l'informatique théorique que des centaines d'articles utilisaient comme hypothèse de travail. Le troisième touche à l'existence même des théories quantiques des champs, chromodynamique comprise.
Les trois résultats ont été formalisés dans Lean, un assistant de preuve qui vérifie chaque déduction et refuse la moindre approximation. C'est le seul point sur lequel OpenAI peut revendiquer une vérification mécanique. À distinguer de l'acceptation par la communauté.
Les dates vont du 18 octobre pour l'analyse harmonique à septembre pour la physique, avec une formalisation achevée le 16 octobre. Deux des trois résultats sont publics sur GitHub, avec les preuves formelles. Le volet physique ne l'est pas. Nous y reviendrons.
L'hypothèse du temps exponentiel serait fausse, selon OpenAI
L'hypothèse du temps exponentiel, ou ETH, part d'une question simple. Existe-t-il un algorithme capable de résoudre le problème SAT, qui consiste à déterminer si une formule logique peut être satisfaite, bien plus vite qu'en explorant presque toutes les solutions ? L'hypothèse répond non. Le temps de calcul nécessaire croîtrait de façon exponentielle avec la taille du problème.
Personne ne l'a démontrée. Des centaines d'articles s'appuient pourtant dessus pour établir des résultats de difficulté conditionnelle, du type « tel problème ne peut pas être résolu plus vite, sauf si l'ETH est fausse ». Si l'hypothèse tombe, une partie de ces résultats perd sa base. OpenAI affirme que son système a produit une réfutation, vérifiée dans Lean. Elle précise que cela n'ouvre pas la voie à des algorithmes nettement plus rapides dans les mois qui viennent. Transformer un progrès théorique en gain pratique demandera beaucoup d'autres travaux, écrit-elle.
Le groupe chargé de la vérification compte trois noms connus du domaine. Russell Impagliazzo et Ramamohan Paturi, de l'université de Californie à San Diego, ont proposé l'ETH avec Francis Zane, dans des articles de 1999 et 2001. Ryan Williams, du MIT, a réfuté des versions fortes de l'hypothèse. Autrement dit, les personnes invitées à valider la réfutation sont celles qui l'ont formulée.
Ce groupe a exigé la publication de toutes les données brutes, et OpenAI s'est engagé à financer une conférence sur les conséquences du résultat. Un signe, aussi, que la prudence est partagée.
Le lissage local et la conjecture de Kakeya en toutes dimensions
Le résultat de mathématiques porte sur une conjecture de 1991, formulée par Christopher Sogge. Le lissage local décrit le comportement des ondes quand elles se concentrent. Les moments de concentration extrême seraient nécessairement brefs, et l'intensité observée à un instant quelconque resterait bien en dessous du pire cas.
L'énoncé paraît abstrait. Il implique pourtant la conjecture de Kakeya et celle de restriction de Stein, deux problèmes que les analystes travaillent depuis des décennies. Le cas à deux dimensions est tombé en 2019, sous les coups de Larry Guth, Hong Wang et Zhang. En 2025, Hong Wang et Joshua Zahl ont résolu celui à trois dimensions.
Les modèles d'OpenAI annoncent une preuve en toutes dimensions, appuyée sur une équation aux dérivées partielles auxiliaire inédite. Pour ce volet, l'entreprise a publié directement la sortie du modèle, en suivant la méthode déjà utilisée le 6 octobre.
Aucun comité de lecture n'a examiné le texte. La formalisation Lean garantit qu'une démonstration ne contient pas d'erreur logique. Elle ne garantit ni que l'énoncé formalisé corresponde au problème d'origine, ni qu'un être humain puisse suivre le raisonnement.
Yang-Mills : la physique théorique entre dans le formel
Le troisième résultat concerne la théorie quantique des champs. OpenAI affirme avoir établi une preuve d'existence rigoureuse, en quatre dimensions, pour des théories avec champs de jauge et fermions en interaction. Cela couvre la chromodynamique quantique et une complétion unifiée du modèle standard.
Le mot important est « existence ». Les physiciens utilisent ces théories depuis cinquante ans sans savoir si elles sont mathématiquement bien définies. La preuve d'existence de la théorie de Yang-Mills pure figure parmi les sept problèmes du millénaire de l'institut Clay. Le travail d'OpenAI en couvre une partie, pas la totalité. Il n'est pas question de gravité. Le résultat porte sur la plus simple des théories de grande unification, pas sur le modèle standard complet.
Le groupe est dirigé par David Gross, prix Nobel 2004 pour ses travaux sur la liberté asymptotique, et comprend Michael Douglas, Arthur Jaffe, Igor Klebanov et Nikita Nekrasov. C'est lui qui a demandé à retarder la publication des productions brutes du modèle.
Lean vérifie la chaîne de déduction, pas la valeur du résultat
Une preuve Lean est un objet vérifiable par machine. Chaque règle d'inférence est contrôlée, et un théorème mal démontré ne passe pas. C'est un progrès réel, dans une discipline où une démonstration de cent pages peut cacher une faute à la page quarante.
Le logiciel ne dit rien d'autre : ni si la preuve éclaire la structure du problème, ni si un mathématicien peut la lire. Plusieurs chercheurs ont décrit ces textes comme pratiquement illisibles.
La nuance est facile à perdre. « Vérifié dans Lean » ne signifie pas « accepté par la communauté ». Cela signifie qu'un programme a validé la cohérence interne d'un raisonnement dont les prémisses et l'intérêt restent à juger.
Une méthode de publication en trois variantes
OpenAI présente cette annonce comme une expérience de méthode. Des universitaires ont été sollicités pour jouer le rôle de « bergers », chargés d'organiser des groupes de lecture. Trois stratégies en sont sorties, une par résultat.
Pour les mathématiques, publication immédiate de la sortie du modèle. Pour l'informatique, un groupe externe chargé d'expliquer le résultat, avec les productions accessibles à tous. Pour la physique, un groupe externe aussi, mais publication laissée à sa discrétion.
Quatre principes encadrent ces collaborations. La transparence, d'abord, sans accord de confidentialité. L'absence de crédit académique, ensuite, OpenAI ne réclamant pas la paternité des découvertes. La reconnaissance du travail des groupes, puis l'indépendance, la participation étant bénévole et non rémunérée.
L'entreprise reconnaît le défaut de l'exercice. Choisir les premiers lecteurs détermine qui participe d'abord, et crée une asymétrie d'information. Elle ajoute une contribution de 5 millions de dollars à la fondation Simons, pour des ateliers et des conférences.
Pourquoi une partie des mathématiciens conteste la démarche
La réception a été fraîche. Sur Hacker News, la discussion a dépassé les 460 points et rassemblé près de 180 commentaires, avec une dominante sceptique selon les synthèses publiées le lendemain.
Le passif compte. Le 6 octobre, OpenAI avait déjà versé plus de 700 documents mathématiques d'un coup. L'Association for Human Mathematics a réagi par un texte qui jugeait qu'une telle publication n'était pas une présentation savante mais une démonstration de force. Terence Tao, médaille Fields, l'a relayé et appuyé.
Un groupe consultatif, l'AGMAI, avait indiqué fin septembre qu'il n'approuvait pas l'usage de modèles propriétaires pour attaquer des problèmes mathématiques de haut niveau, et demandait l'arrêt de cette pratique. Le média Futurism note que le communiqué d'OpenAI n'en souffle mot.
Le reproche de fond ne porte pas sur les résultats. Il porte sur le cadre. Une preuve produite en une nuit par un système privé, publiée sans relecture et commentée par des groupes choisis par l'entreprise, déplace les règles d'une discipline qui fonctionne depuis un siècle sur l'examen par les pairs.
Ce qui reste à vérifier
Les textes sont publics pour deux des trois résultats, et les équipes de vérification ont commencé leur travail. La réfutation de l'ETH est l'annonce la plus lourde. Si elle tient, elle rouvre des questions que le domaine croyait définitivement classées depuis vingt ans. Pour un lecteur extérieur, la bonne attitude tient dans une distinction. Lean a validé des déductions. Des mathématiciens reconnus par leurs pairs doivent encore dire si ces déductions répondent aux questions posées, et si les articles sont lisibles. Tant que ce travail n'est pas fait, « OpenAI affirme » reste la formule exacte.






