Un mathématicien a passé deux ans à affiner une technique qui était au point mort depuis plus d’une décennie. Elle a fait progresser une célèbre frontière mathématique de six unités. Trois jours plus tard, son record avait disparu.
Cette séquence d’événements, compressée dans la première semaine de septembre, est devenue un point de friction dans un débat qui s’étend bien au-delà de la théorie des nombres. Elle soulève des questions sur la manière dont la connaissance est créée, sur les personnes qui en obtiennent le mérite et sur ce qu’il advient de la culture d’un domaine lorsque des machines peuvent devancer l’effort humain presque instantanément.
Une impasse de douze ans, puis un bond de six unités
La conjecture des nombres premiers jumeaux est l’un des problèmes ouverts les plus persistants des mathématiques. Elle pose la question de savoir s’il existe une infinité de paires de nombres premiers séparés exactement par deux, comme 3 et 5, ou 17 et 19. La conjecture est largement considérée comme vraie, mais personne ne l’a prouvée.
En 2013, le mathématicien Yitang Zhang, actuellement à l’Université Sun Yat-sen à Guangzhou en Chine, a apporté une contribution historique. Il a prouvé qu’une certaine taille d’écart inférieure à 70 millions doit se répéter à l’infini parmi les nombres premiers. C’était la première limite supérieure concrète du problème. Des efforts de collaboration ont rapidement abaissé ce chiffre à 246 d’ici la mi-2014. Ensuite, les progrès se sont arrêtés. Pendant douze ans, 246 a été le record.
Julia Stadlmann, chercheuse postdoctorale à l’Université de l’Illinois à Urbana-Champaign, a commencé à travailler intensément sur le problème il y a environ deux ans, après avoir complété son doctorat sous la direction de James Maynard à l’Université d’Oxford. Maynard avait contribué à établir le record précédent et avait remporté la Médaille Fields en 2022, en partie pour ses travaux sur les écarts entre nombres premiers. La tâche de Stadlmann consistait à intégrer des techniques mathématiques plus récentes au cadre antérieur de Zhang, en utilisant une méthode appelée la théorie des crible, qui filtre les nombres composés à l’aide de poids soigneusement calibrés. La détermination des poids optimaux nécessitait le calcul de volumes dans un espace de grande dimension avec seulement une image approximative de l’apparence de ces régions. Andrew Granville, théoricien des nombres à l’Université de Montréal, a décrit la difficulté clairement : cela va au-delà de la recherche d’une aiguille dans une botte de foin.
Au début de l’été 2026, Stadlmann avait fait passer la limite de 246 à 240. C’était la première avancée en plus d’une décennie. Kannan Soundararajan de l’Université de Stanford l’a qualifiée de « vraiment tout à fait impressionnante », citant sa persévérance et son courage.
Trois jours au sommet
Le mentor postdoctoral de Stadlmann, Kevin Ford, l’a incitée à publier immédiatement son résultat sur l’archive de prépublications mathématiques lorsque des rumeurs ont circulé selon lesquelles OpenAI travaillait sur le même problème. Elle l’a fait. Le record a duré trois jours.
Des chercheurs d’Axiom Math, une startup spécialisée en IA qui vérifiait des preuves antérieures de 2013 et 2014, ont pivoté rapidement après l’apparition du résultat de Stadlmann. Ils ont intégré ses nouvelles idées dans une IA de démonstration de théorèmes et, en travaillant toute la nuit, ont abaissé la limite à 212.
Dans les deux heures suivant l’annonce d’Axiom, OpenAI a publié son propre résultat. L’entreprise travaillait sur un problème connexe, les plus grands écarts entre nombres premiers, comme banc d’essai pour son nouveau grand modèle de langage, GPT-6 Astra. Le problème des petits écarts était, selon le informaticien d’OpenAI Sébastien Bubeck, une sorte de bonus poursuivi par des mathématiciens au sein de l’entreprise. GPT-6 Astra a fait descendre la limite à 186.
OpenAI affirme avoir été en contact avec Maynard durant cette période mais n’avoir pas contacté directement Stadlmann. Cette omission a suscité de vives critiques. En mathématiques, la norme professionnelle est de prendre du recul lorsqu’un autre chercheur, en particulier un débutant, travaille déjà sur un problème, ou de l’approcher pour collaborer. Granville a déclaré directement qu’il ne voit pas de preuve qu’OpenAI a soigneusement examiné la manière dont elle l’a traitée. Stadlmann elle-même affirme qu’elle ne se sent pas maltraitée. Beaucoup de ses collègues sont en désaccord en son nom.
Ce qui se perd lorsque les machines prennent de l’avance
Voici ce que la plupart des reportages sur l’histoire oublient : le différend ne concerne pas vraiment qui détient un record. Il s’agit de savoir à quoi servent les progrès mathématiques.
Terence Tao de l’UCLA, médaillé Fields et l’une des voix les plus lues en mathématiques, a écrit que ce qui s’est déroulé reflète des choix délibérés d’abandonner toute prétention à acquérir une compréhension humaine, en utilisant des outils d’IA uniquement pour atteindre un banc d’essai. Ce cadrage met en évidence une véritable tension. Lorsqu’une machine produit une preuve, elle peut être formellement correcte et pourtant opaque. Les mathématiciens qualifient les productions remplies de contenu que les humains ne peuvent pas analyser immédiatement de « bouillie d’IA » (AI slop). Une preuve valide que personne ne comprend ne fait pas progresser le domaine de la même manière qu’une preuve construite par l’humain.
La préoccupation plus profonde concerne ce que la lutte elle-même produit. Tao, qui a collaboré aux efforts précédents sur les petits écarts premiers, a noté que pour des problèmes comme ceux-ci, la valeur ne réside pas dans la réponse mais dans ce qui émerge du processus : de nouvelles techniques, de nouvelles manières de formuler les problèmes, une compréhension plus riche des mathématiques dans leur ensemble. Granville a offert une illustration concrète de l’utilité réelle de l’IA, notant qu’une preuve qui lui aurait pris un mois prend désormais deux heures. L’outil est puissant. La question est de savoir si son déploiement pour devancer les chercheurs humains, sans coordination ni transparence, sert l’objectif plus large de la construction des connaissances, ou accumule simplement des bancs d’essai.
Bubeck a déclaré qu’OpenAI n’a pas l’intention d’aller plus loin sur le problème des écarts entre nombres premiers et que la stratégie de l’entreprise est d’habiliter les mathématiciens. La question de savoir si ce cadrage tient à mesure que les capacités de l’IA augmentent est un sujet auquel le domaine s’attaque activement aujourd’hui.
En bref
Un mathématicien humain a brisé un record vieux de douze ans. En quelques jours, deux systèmes d’IA ont brisé le sien. Les chiffres, 246, 240, 212, 186, racontent une histoire. L’histoire la plus importante concerne les normes professionnelles, l’opacité des preuves générées par les machines, et la question de savoir si la course pour capturer des bancs d’essai mathématiques est compatible avec le processus plus lent et plus riche consistant à réellement comprendre les mathématiques.
D’après un reportage de Science News.