Après la diffusion d'une prétendue preuve de l'hypothèse généralisée de Riemann (GRH) obtenue grâce au modèle de langage Claude d’Anthropic, les mathématiciens de l'Université de Stanford ont publié, quelques heures plus tard, un brouillon entièrement rédigé par des humains. Le double événement relance le débat sur la place de l'Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. dans la recherche fondamentale.
Une preuve assistée par l’IA
Le mathématicien Levent Alpöge, employé chez Anthropic, a annoncé qu’il avait travaillé avec Claude pour formaliser une démonstration de la GRH dans le langage de vérification Lean. Selon son communiqué, la preuve s’étendrait sur plus de 250 000 pages si elle était imprimée, mais a été découpée en quatorze modules numériques afin d’être vérifiable par la machine. Lean agit comme un arbitre numérique : chaque étape logique doit être dérivée des axiomes de base, ce qui élimine les erreurs de raisonnement classiques.
Alpöge explique que l’IA a fourni l’idée clé permettant de contourner la difficulté de « dériver » des suites d’entiers. En combinant des transformations mathématiques spéciales, Claude aurait identifié que le nombre de transformations nécessaires pour une suite de longueur X correspond à √X. Cette observation, selon Alpöge, est à l’origine du raccourci qui rend la démonstration possible.
L’auteur précise que le travail s’appuie sur une méthode initialement proposée par le mathématicien Stepanov, adaptée à un système différent. L’implication principale est que la preuve n’est pas uniquement un texte écrit ; elle est accompagnée de code exécutable qui peut être testé par d’autres chercheurs.
La réponse humaine de Stanford
Ravi Vakil, professeur de mathématiques à Stanford et président de l’American Mathematical Society, a publié sur son blog un aperçu du brouillon de Alessandro Masullo, un doctorant spécialisé en théorie des nombres. Contrairement à la version d’Anthropic, ce texte n’utilise aucun assistant IA et a bénéficié d’un examen approfondi par le nombre‑theoricien Brian Conrad pendant plusieurs mois.
Masullo avait initialement prévu de peaufiner son manuscrit pendant une année avant de le rendre public. L’annonce d’Anthropic a accéléré la diffusion, la communauté voulant comparer les deux approches avant que l’une d’elles ne soit potentiellement validée.
Le brouillon de Stanford reste, pour l’instant, un texte traditionnel. Vakil a toutefois incité les spécialistes à le traduire dans des systèmes comme Lean afin d’identifier d’éventuels écarts entre la logique humaine et la vérification automatisée. Quelques commentaires déjà recueillis grâce à d’autres modèles d’IA ont mis en lumière des points qui nécessitent encore clarification.
Vérification et enjeux
Les deux démonstrations reposent sur des bases très différentes. La version d’Anthropic bénéficie d’une vérification informatique exhaustive ; le risque principal réside dans la traduction initiale du problème en code. Si la formalisation est correcte, la preuve est, en théorie, inattaquable.
La version de Stanford, quant à elle, s’appuie sur le jugement d’experts humains, ce qui peut laisser passer des erreurs subtiles mais qui, à l’inverse, offre une lecture plus intuitive pour la communauté. La combinaison des deux approches pourrait conduire à une version hybride : le texte humain traduit dans Lean, puis affiné grâce aux suggestions de l’IA.
Au-delà du résultat mathématique, l’événement soulève des questions plus larges : jusqu’où les modèles de langage peuvent‑ils assister la recherche pure ? Quels sont les critères d’acceptation lorsqu’une preuve est essentiellement générée par une machine ? Les mathématiciens semblent conscients que la rigueur formelle reste indispensable, même si l’IA accélère la découverte de nouvelles idées.
Perspectives pour la recherche en mathématiques
Si l’une des deux démonstrations résiste à la validation communautaire, la conséquence immédiate serait la résolution d’un des sept « Millennium Problems » du Clay Mathematics Institute, assorti d’un prix d’un million de dollars. Au-delà de la récompense financière, une preuve de la GRH consoliderait de nombreuses théories dépendantes, de la cryptographie aux algorithmes de factorisation.
Dans le même temps, la communauté académique observe comment les outils d’IA peuvent être intégrés dans le processus de recherche sans le remplacer. Alpöge prévoit de publier une version « lisible par l’homme » de sa preuve, ce qui devrait faciliter son adoption par les mathématiciens traditionnels.
L’affaire montre que l’IA n’est plus un simple sujet de curiosité : elle devient un partenaire de travail capable de proposer des idées que les humains n’auraient peut‑être pas envisagées. La prochaine étape consistera à établir des standards de vérification qui garantissent que les contributions de la machine sont correctement interprétées et validées par la communauté scientifique.
Cette dynamique laisse présager que les collaborations homme‑machine pourraient devenir monnaie courante dans les domaines où la complexité dépasse rapidement la capacité de raisonnement purement humaine.





