- ▸ Une annonce qui rompt avec le récit habituel de l'IA mathématique
- ▸ Une thèse en trois temps
- ▸ Comprendre le planar unit distance problem
- ▸ La solution proposée par le modèle d'OpenAI
Un modèle généraliste d’OpenAI a proposé une construction inédite pour le planar unit distance problem, posé par Paul Erdős en 1946. La structure dépasse la borne classique pour une infinité de valeurs, et redessine la frontière entre assistance et autonomie mathématique. Trois plans de lecture, trois questions ouvertes.
Points clés 1. Le 20 mai 2026, OpenAI a annoncé qu’un modèle interne, présenté comme un general-purpose reasoning model, avait trouvé une nouvelle famille de configurations pour le planar unit distance problem d’Erdős. 2. La construction produit, pour une infinité de valeurs de n, au moins n^(1+δ) paires à distance 1, pour un certain δ > 0, ce qui améliore la borne classique connue depuis des décennies. 3. Le modèle aurait proposé une structure de contre-exemple que les mathématiciens n’avaient pas envisagée en près de 80 ans, selon la communication d’OpenAI relayée par Numerama. 4. Pour la première fois, un problème ouvert majeur, central dans un sous-domaine, aurait été résolu de manière autonome par un système d’IA généraliste, et non par un solveur spécialisé. 5. L’événement déplace le débat : il ne s’agit plus de savoir si une IA peut prouver un théorème connu, mais si elle peut produire une intuition géométrique nouvelle.
Une annonce qui rompt avec le récit habituel de l’IA mathématique
Le 20 mai 2026, OpenAI a communiqué un résultat qui détonne dans le calendrier saturé du secteur. Un modèle interne, qualifié de general-purpose reasoning model, aurait trouvé une nouvelle famille de configurations de points pour le planar unit distance problem, l’un des problèmes ouverts les plus connus de la combinatoire géométrique. Le résultat, rapporté le 21 mai 2026 par Numerama, est qualifié par les sources citées d’inédit : « C’est la première fois qu’un problème ouvert majeur, central dans un sous-domaine des mathématiques, est résolu de manière autonome par une IA. » Le modèle aurait procédé « sans la moindre hésitation », selon le même article. Trois mots simples qui suffisent à reformuler ce que l’on attend désormais d’un système généraliste.
Une thèse en trois temps
La portée du résultat se mesure sur trois axes. D’abord la nature du problème : ancien, simple à énoncer, ardu à attaquer. Ensuite la méthode : un modèle généraliste, pas un solveur dédié à la géométrie discrète. Enfin la structure produite : un contre-exemple qui dépasse une borne admise depuis des décennies. Ce dossier examine ces trois dimensions sans chercher à trancher prématurément. La question n’est pas de savoir si l’IA « remplace » les mathématiciens. Elle est de comprendre quelle forme prend, désormais, le partage du travail entre intuition humaine et exploration algorithmique.
Comprendre le planar unit distance problem
L’énoncé tient en une ligne. Étant donnés n points dans le plan euclidien, combien de paires peut-on placer à distance exactement 1 les unes des autres ? Posée en 1946 par Paul Erdős, la question fascine par son apparente innocuité. Dessiner deux points à distance 1 est trivial. En empiler trois donne un triangle équilatéral. Mais multiplier le nombre de points, en cherchant à maximiser le nombre de paires à distance unitaire, fait apparaître une combinatoire vertigineuse.
Erdős avait proposé une borne supérieure et une borne inférieure pour cette quantité. L’écart entre les deux n’a presque pas bougé depuis. Plusieurs générations de combinatoriciens ont raffiné les techniques, gagné des facteurs logarithmiques, exploré des configurations sur des grilles, des réseaux, des sections de plans projectifs. La conjecture de la borne supérieure reste, à ce jour, l’un des Graal officieux de la combinatoire géométrique. Le problème figure dans toutes les listes de problèmes ouverts héritées de l’école hongroise, et son énoncé est enseigné dès les premières années d’études en mathématiques discrètes.
Cette simplicité formelle a une conséquence : le problème est entièrement accessible à un raisonnement symbolique, sans besoin d’un appareil théorique lourd. C’est précisément cette caractéristique qui en fait un terrain de jeu naturel pour un système de raisonnement automatisé. Là où d’autres problèmes ouverts requièrent des centaines de pages de prérequis, le planar unit distance problem peut être expliqué à un système comme à un étudiant : la frontière entre la donnée et la conjecture est minimale.
La solution proposée par le modèle d’OpenAI
Le 20 mai 2026, OpenAI a annoncé qu’un de ses modèles internes, présenté comme un general-purpose reasoning model, avait permis de trouver une nouvelle famille de configurations de points. La précision est importante. Il ne s’agit pas, selon la communication relayée par Numerama, d’un système entraîné spécifiquement sur la géométrie combinatoire, ni d’un solveur SAT couplé à une heuristique d’exploration. Le modèle est décrit comme généraliste, c’est-à-dire conçu pour traiter une large gamme de tâches de raisonnement, mathématiques ou non.
La construction proposée produit, pour une infinité de valeurs de n, au moins n^(1+δ) paires à distance 1, pour un certain δ > 0. Cette borne dépasse la construction classique d’Erdős. Concrètement, la famille trouvée par le modèle assure que, lorsqu’on choisit certaines valeurs particulières de n et qu’on dispose les points selon la règle qu’il a identifiée, le nombre de paires à distance unitaire croît plus vite que linéairement, avec un exposant strictement supérieur à 1. Le δ obtenu n’est pas, à ce stade et selon les sources disponibles à ce jour, communiqué publiquement avec ses bornes serrées. Ce qui compte, dans la communication initiale, c’est l’existence même d’un exposant strictement positif au-delà de la trame historique.
Selon la phrase reprise par Numerama, « aucune preuve générée par l’IA jusqu’à présent n’a été aussi performante ». La formulation est prudente. Elle ne dit pas que la conjecture est résolue ; elle dit que la borne inférieure est améliorée, ce qui rétrécit l’intervalle de l’inconnu. La nuance est essentielle pour saisir où l’on en est. Le modèle a produit un objet mathématique nouveau ; il n’a pas refermé un demi-siècle de questions.
Transition vers la profondeur du sujet : pour mesurer l’écart entre cette construction et l’état antérieur du domaine, il faut remonter le fil des tentatives passées.
Contexte historique : 80 ans d’attaques infructueuses
Depuis des décennies, ce type de problème est attaqué avec plusieurs outils. La combinatoire extrémale, fondée sur les travaux d’Erdős lui-même, a longtemps fourni les bornes de référence. La géométrie algébrique, mobilisée plus récemment, a permis de raffiner certaines estimations en exploitant la structure des courbes et des surfaces définies par des équations polynomiales. La théorie des graphes, à travers l’étude des unit distance graphs, a fourni un vocabulaire commun pour formaliser les configurations. Et l’analyse de Fourier discrète a permis de borner le nombre d’incidences entre points et cercles unités.
Chacune de ces approches a apporté son lot de progrès partiels. Aucune n’a livré la solution complète. La difficulté est connue : les configurations qui maximisent le nombre de paires à distance unitaire sont à la fois rares et très structurées. Elles vivent dans des sous-réseaux particuliers, et il faut souvent une intuition géométrique fine pour deviner où chercher.
Pourquoi le problème résiste depuis 1946
Trois raisons expliquent la résistance du problème. D’abord, l’écart entre la borne supérieure et la borne inférieure connues n’est pas un simple facteur constant. Il s’agit d’un écart sur l’exposant lui-même, ce qui signifie que chaque amélioration, même minime, mobilise des techniques nouvelles. Ensuite, les configurations gagnantes ne suivent pas un schéma intuitif. Elles ne ressemblent ni à des grilles régulières, ni à des arrangements symétriques évidents. Enfin, les preuves d’existence de bornes inférieures reposent sur la construction explicite d’exemples : il faut effectivement dessiner la configuration, vérifier qu’elle satisfait la propriété, et démontrer que sa cardinalité atteint l’objectif annoncé.
C’est exactement ce qu’un modèle de raisonnement généraliste sait, en théorie, faire : explorer un espace de configurations, tester des hypothèses, et générer un objet candidat. La nouveauté, en 2026, c’est qu’il l’a effectivement fait, et que la configuration produite tient.
Ce que dit la communauté combinatoire
La communication d’OpenAI a été relayée sans validation formelle complète au moment de l’annonce. Selon les sources disponibles à ce jour, la preuve doit encore être soumise à la communauté pour relecture et publication. Ce circuit de vérification, classique en mathématiques, est ce qui distingue une annonce d’un résultat acquis. La rédaction de LagazetteIA ne se prononce donc pas sur le statut définitif du théorème : elle constate qu’il a été annoncé, qu’il est attribué à un système généraliste, et que sa structure est compatible avec ce que la communauté combinatoire considère comme un progrès substantiel.
Transition vers le cœur technique : si la nature du problème éclaire pourquoi il a résisté, l’analyse de la construction proposée éclaire comment elle parvient à le dépasser.
Analyse technique : ce que dépasser la borne classique signifie
La construction d’Erdős, posée comme borne inférieure historique, produit un nombre de paires à distance 1 qui croît environ comme n^(1+c/log log n), où c est une constante. Cette formule semble exotique, mais elle traduit une idée simple : on peut ajouter un facteur sous-logarithmique au-dessus de n, et ce facteur croît très lentement avec n. Pendant des décennies, les raffinements proposés ont porté sur cette constante c ou sur la structure du facteur sous-logarithmique. Aucun n’avait, selon les sources publiques, exhibé un exposant strictement supérieur à 1 sous la forme n^(1+δ), avec δ > 0 indépendant de n.
C’est précisément ce que produit la construction attribuée au modèle d’OpenAI. La formulation « au moins n^(1+δ) paires à distance 1, pour un certain δ > 0 » signifie que l’exposant est uniformément séparé de 1. Cette uniformité change la nature de la borne. On ne parle plus d’un raffinement asymptotique avec un facteur lent. On parle d’un saut d’exposant.
Comparaison des bornes connues
Pour aider à situer le résultat, le tableau suivant met en regard les ordres de grandeur. Les valeurs précises de δ et les constantes ne sont pas communiquées dans la source initiale ; le tableau est donc qualitatif.
| Approche | Borne inférieure (ordre de grandeur) | Statut |
|---|---|---|
| Construction Erdős 1946 | n^(1+c/log log n) | Référence historique |
| Raffinements combinatoires classiques | n^(1+c’/log log n), c’ légèrement amélioré | Validé, publié |
| Constructions par géométrie algébrique | n^(1+c »/log log n), facteurs logarithmiques resserrés | Validé, publié |
| Construction attribuée au modèle OpenAI, 2026 | n^(1+δ), δ > 0 fixé | Annoncé le 20 mai 2026, validation en cours |
Le saut, s’il est confirmé, est de nature qualitative. Il ne s’agit pas d’un gain de quelques pour cent sur une constante : il s’agit d’un changement de régime asymptotique. Pour une infinité de valeurs de n, le nombre de paires à distance 1 dans la construction proposée croît strictement plus vite que tout ce qui pouvait être obtenu auparavant.
Pourquoi la formulation « pour une infinité de valeurs de n » compte
La précision « pour une infinité de valeurs de n » n’est pas anodine. En combinatoire géométrique, il est fréquent qu’une construction ne fonctionne que sur certaines suites particulières d’entiers, par exemple les puissances d’un nombre premier, ou les n de la forme k^d pour certains exposants. Cela n’enlève rien à la validité du résultat : démontrer une borne inférieure pour une suite infinie suffit à établir un comportement asymptotique. Mais cela indique que la construction repose probablement sur une structure arithmétique sous-jacente, plutôt que sur un dessin valide pour tout n.
Chiffre-phare
80 : c’est le nombre d’années pendant lesquelles le planar unit distance problem a résisté à toutes les méthodes humaines connues, depuis sa formulation par Paul Erdős en 1946 jusqu’à l’annonce d’OpenAI le 20 mai 2026. Ce chiffre n’a pas vocation à dramatiser : il rappelle simplement que la difficulté du problème est documentée par sa propre histoire.
Une citation qui résume la portée
La phrase rapportée par Numerama, attribuée aux sources citées dans l’article, mérite d’être pesée mot à mot : « C’est la première fois qu’un problème ouvert majeur, central dans un sous-domaine des mathématiques, est résolu de manière autonome par une IA. » Trois conditions sont posées simultanément. Le problème doit être ouvert. Il doit être central, c’est-à-dire reconnu comme tel par sa communauté. Et la résolution doit être autonome, sans que l’IA ne soit guidée pas à pas par un mathématicien. Si chacune de ces conditions est vérifiée, l’événement marque effectivement un seuil.
Transition vers les conséquences : un résultat qui dépasse une borne historique n’a pas la même valeur s’il reste confiné aux preprints ou s’il modifie la pratique du terrain.
Impact terrain : ce que la communauté mathématique observe
Le modèle aurait proposé une structure de contre-exemple que les mathématiciens n’avaient pas envisagée en près de 80 ans, selon la communication d’OpenAI. Cette formulation déplace le centre de gravité du débat. Jusqu’ici, les systèmes d’IA appliqués aux mathématiques étaient évalués sur leur capacité à reproduire des preuves connues, à automatiser des démonstrations standard, ou à fournir des suggestions tactiques dans des assistants de preuve comme Lean ou Coq. L’idée qu’un modèle généraliste puisse produire une intuition structurelle inédite, dans un domaine étudié par des centaines de chercheurs depuis huit décennies, change la nature de la collaboration possible.
Pour les laboratoires de combinatoire et de géométrie discrète, trois conséquences se dessinent. D’abord, la nécessité d’intégrer des phases d’exploration assistée par modèle dans les protocoles de recherche, au même titre que les tests numériques sur ordinateur étaient devenus standard dans les années 1990. Ensuite, une refonte des critères de paternité scientifique : qui signe un théorème dont la structure de preuve a été suggérée par un système ? La question, déjà posée pour les preuves assistées par ordinateur, prend une acuité nouvelle.
Enfin, une redéfinition des problèmes considérés comme inaccessibles. Si une construction inédite peut être trouvée en quelques cycles de calcul, par un modèle non spécialisé, alors une partie de la cartographie informelle des « problèmes durs » mérite d’être révisée. Cela ne signifie pas que tous les problèmes ouverts vont céder. Cela signifie que la liste des problèmes pour lesquels une attaque par exploration assistée vaut le coût d’essai s’allonge significativement.
Effet sur la pratique éditoriale
Les revues de combinatoire devront ajuster leurs protocoles de validation. Une preuve produite par un système généraliste pose des questions de reproductibilité et de transparence : le modèle peut-il être re-interrogé pour valider chaque étape ? Les paramètres exacts de la session sont-ils archivés ? Selon les sources disponibles à ce jour, OpenAI n’a pas publié les détails techniques permettant de répliquer le résultat de manière indépendante. C’est un point que la communauté scientifique surveillera de près.
Transition vers les voix critiques : si l’annonce est forte, sa réception n’est pas unanime, et les arguments contradictoires méritent d’être présentés avec la même rigueur.
Perspectives contradictoires : ce que les sceptiques opposent
Trois familles d’objections circulent depuis l’annonce. Aucune ne nie le résultat lui-même ; toutes interrogent sa portée.
La première porte sur le statut de « résolution autonome ». Plusieurs voix dans la communauté rappellent que les modèles généralistes sont entraînés sur des corpus mathématiques contenant déjà une grande partie de la littérature sur les problèmes d’Erdős. Une construction « inédite » peut, en réalité, être une recombinaison astucieuse de fragments déjà présents dans le corpus d’entraînement. Sans audit du corpus, la frontière entre découverte et reformulation reste floue.
La deuxième objection est méthodologique. La phrase « sans la moindre hésitation » est saisissante, mais elle décrit le comportement observable du modèle, pas la qualité épistémologique du processus. Un système peut produire une réponse fluide sans avoir effectivement exploré l’espace de manière exhaustive. La fluidité de génération n’est pas une garantie de profondeur. C’est même, dans certains contextes, un signal à interpréter avec prudence.
La troisième objection concerne la généralisation. Un résultat sur un problème, aussi emblématique soit-il, ne suffit pas à statuer sur la capacité d’un modèle à attaquer une classe de problèmes. Le planar unit distance problem a une structure très particulière : énoncé court, espace de configurations bien défini, critère de validation calculable. Tous les problèmes ouverts ne partagent pas ces propriétés. Les conjectures qui requièrent des prérequis théoriques massifs, ou dont la validation passe par des arguments non constructifs, restent à l’écart de ce type d’approche.
Ces trois objections ne ferment pas le débat. Elles le calibrent. Elles rappellent qu’un résultat, même spectaculaire, s’inscrit dans un protocole de vérification collective. Et que la confiance accordée à un système n’est pas un attribut intrinsèque, mais le produit d’un historique de validations indépendantes.
Transition vers la prospective : si le résultat tient à la validation par la communauté, alors la question pertinente devient celle des conditions à réunir pour que ce type d’événement se multiplie sans perdre en exigence.
Prospective : trois axes à surveiller
À court terme, la publication d’une preuve formelle, vérifiée par des relecteurs indépendants et idéalement formalisée dans un assistant comme Lean, constituera le premier test. Sans cela, le résultat restera une annonce, fût-elle remarquable. À moyen terme, l’enjeu sera de voir si la méthode se généralise : d’autres problèmes ouverts vont-ils tomber selon le même schéma, ou s’agit-il d’un coup unique sur un problème particulièrement bien adapté ?
À plus long terme, la question est institutionnelle. Comment les départements de mathématiques intègrent-ils ces outils dans leur enseignement, leur recherche, leur évaluation ? Comment les revues adaptent-elles leurs critères de publication ? Et quelle place reste-t-il à l’intuition humaine, non comme romance mais comme méthode, dans un paysage où un modèle peut, en quelques cycles, produire une configuration que personne n’avait imaginée en 80 ans ?
La réponse ne sera pas donnée par les annonces d’entreprises. Elle se construira dans les séminaires, les preprints, les comités éditoriaux. C’est dans ces lieux peu visibles que se jouera la suite.
FAQ
Qu’est-ce que le planar unit distance problem ?
Le planar unit distance problem a été posé par le mathématicien Paul Erdős en 1946. Étant donnés n points dans le plan euclidien, il s’agit de maximiser le nombre de paires de points placées exactement à distance 1 les unes des autres. L’énoncé est simple, mais l’écart entre la borne supérieure et la borne inférieure connues n’a presque pas bougé depuis huit décennies.
Comment le modèle d’OpenAI a-t-il résolu le problème ?
Selon la communication d’OpenAI du 20 mai 2026, relayée par Numerama, un modèle interne présenté comme un general-purpose reasoning model a trouvé une nouvelle famille de configurations de points. Cette construction produit, pour une infinité de valeurs de n, au moins n^(1+δ) paires à distance 1, pour un certain δ > 0. Le modèle n’était pas spécialisé en géométrie combinatoire.
Le résultat est-il définitivement validé ?
Non. Selon les sources disponibles à ce jour, la preuve doit encore être soumise à la communauté pour relecture et publication formelle. L’annonce d’OpenAI constitue une revendication, pas un théorème acquis. La validation suit le circuit classique des publications mathématiques : relecture par les pairs, vérification éventuelle dans un assistant de preuve, réplication indépendante des arguments.
Pourquoi cet événement marque-t-il une étape ?
Parce que, selon les sources citées par Numerama, c’est la première fois qu’un problème ouvert majeur, central dans un sous-domaine des mathématiques, serait résolu de manière autonome par un système d’IA généraliste. Les précédentes contributions de l’IA aux mathématiques portaient sur l’assistance à la preuve, l’automatisation tactique ou la suggestion de lemmes, pas sur la production d’une construction inédite dépassant une borne historique.
Sources – Numerama, « OpenAI (ChatGPT) vient de résoudre un problème de géométrie vieux de 80 ans », 21 mai 2026. URL : https://www.numerama.com/tech/2257419-aucune-hesitation-une-ia-dopenai-a-terrasse-un-probleme-de-geometrie-vieux-de-80-ans.html – Communication OpenAI relayée par Numerama, 20 mai 2026. – Travaux historiques de Paul Erdős sur le unit distance problem, 1946 et publications ultérieures.
Pour aller plus loin sur la place des modèles généralistes dans la recherche scientifique, voir Anthropic et la course aux 1M de tokens et Pourquoi les benchmarks mathématiques saturent sur LagazetteIA.
