- ▸ Un samedi de mai où une borne vieille de 80 ans a cédé
- ▸ La thèse de ce dossier
- ▸ Le problème de géométrie plane, expliqué sans formalisme
- ▸ Le planar unit distance problem : huit décennies d'attaques infructueuses
Un modèle généraliste d’OpenAI a produit une preuve mathématique inédite sur le planar unit distance problem, énoncé par Paul Erdős en 1946. La construction améliore une borne que la communauté pensait optimale. Première fois qu’une IA tranche, seule, une question ouverte d’un sous-domaine entier — anatomie d’un basculement méthodologique.
Points clés 1. Le planar unit distance problem, posé par Paul Erdős en 1946, demande de compter le maximum de paires de points situées exactement à distance 1 dans un plan euclidien. 2. Un modèle interne d’OpenAI, présenté comme un general-purpose reasoning model — donc non spécialisé pour les mathématiques — a produit la preuve, selon Numerama (21 mai 2026). 3. La construction garantit, pour une infinité de valeurs de n, au moins n^(1+δ) paires à distance 1, avec δ > 0 strictement positif. 4. C’est, d’après les mathématiciens cités, la première résolution autonome par une IA d’un problème ouvert majeur dans un sous-domaine des mathématiques. 5. Le résultat déplace la frontière entre IA d’assistance et IA de production scientifique — sans clore le débat sur la part de mérite revenant à la machine.
Un samedi de mai où une borne vieille de 80 ans a cédé
Le 21 mai 2026, Numerama relaie une information qui n’aurait, il y a deux ans encore, intéressé qu’une poignée de spécialistes : un modèle d’OpenAI a produit une preuve nouvelle pour le planar unit distance problem, l’un des problèmes les plus connus de la combinatoire géométrique. La machine, écrivent les mathématiciens cités, a tranché « sans la moindre hésitation ». Le terme est presque ironique pour un domaine où chaque preuve se polit pendant des décennies. La construction ne se contente pas d’égaler les meilleures bornes connues : elle les dépasse. Et elle le fait en exhibant, pour une infinité de valeurs de n, une famille de configurations de points dont le nombre de paires à distance 1 croît plus vite que ce que la conjecture classique d’Erdős laissait espérer.
La thèse de ce dossier
Cet article documente trois choses. Une : ce que dit, concrètement, la construction produite par l’IA. Deux : pourquoi un problème énoncé sur une feuille de papier en 1946 a résisté à quatre-vingts ans de tentatives humaines. Trois : ce que la nature généraliste du modèle utilisé change dans la lecture du résultat — et ce qu’elle ne change pas. La promesse n’est pas de trancher un débat philosophique, mais d’objectiver un événement.
Le problème de géométrie plane, expliqué sans formalisme
Avant d’entrer dans la combinatoire, un détour par les définitions s’impose. Concrètement, en géométrie plane, la distance entre deux points est la longueur du segment droit qui les relie. Cette définition, attribuée à Euclide il y a vingt-trois siècles, conditionne tout le reste : la notion de cercle, celle de triangle, et, surtout, celle de paire de points à distance fixée.
Dire que deux points sont « à distance 1 », c’est donc dire que ce segment mesure exactement 1 dans l’unité choisie. Le choix de l’unité est arbitraire — millimètre, mètre, année-lumière — mais ce qui compte est l’invariance relative : si on multiplie toutes les coordonnées par un même facteur, les rapports de distance restent identiques. Pour le problème d’Erdős, on fixe une fois pour toutes l’unité à 1 et on observe la combinatoire qui en découle.
On peut formuler la question de manière imagée : on place des points sur une feuille, puis on trace un trait entre deux points chaque fois qu’ils sont séparés par une « règle » de longueur 1. La question devient alors : pour n points, combien de traits peut-on tracer au maximum ? Une réponse triviale existe pour les petits n. Pour trois points formant un triangle équilatéral de côté 1, on trace trois traits. Pour quatre points en losange formé de deux triangles équilatéraux accolés, on en trace cinq. À ce stade, la combinatoire reste manuelle.
Le piège se referme dès que n dépasse quelques dizaines. Une grille régulière, une rotation, une dilatation, et le nombre de paires à distance 1 explose ou s’effondre selon la configuration choisie. La question n’est plus de tracer mais de borner : existe-t-il une fonction f(n) telle que, quelle que soit la configuration de n points, le nombre de paires à distance 1 ne dépasse jamais f(n) ? Et inversement : quel est le maximum atteignable ? C’est ce double encadrement, sur lequel butent les mathématiciens depuis 1946, qui constitue le cœur du problème.
Le planar unit distance problem : huit décennies d’attaques infructueuses
Le problème porte un nom austère mais une histoire dense. Paul Erdős l’énonce en 1946 dans un article devenu fondateur de la combinatoire géométrique. Sa conjecture est simple à formuler, redoutable à prouver : le nombre maximal de paires de points à distance 1, parmi n points du plan, croît comme n multiplié par un facteur de l’ordre de n^(c / log log n), avec c une constante explicite. Autrement dit, à peine plus que linéaire, mais strictement plus.
D’où venait la borne supérieure connue
Depuis des décennies, ce type de problème est attaqué avec plusieurs outils. Le premier, et le plus utilisé jusqu’aux années 1980, est l’analyse combinatoire pure : on raisonne sur les graphes d’incidence entre points et cercles unité, on applique des arguments de comptage, on cherche des structures interdites. Le deuxième est la géométrie algébrique : on plonge le problème dans un cadre où les outils de Bézout et d’incidence projective deviennent disponibles. Le troisième est la théorie des graphes extrémale, qui cherche les configurations interdites et en déduit des bornes.
Tous ces outils ont donné des résultats partiels. La meilleure borne supérieure connue avant le résultat d’OpenAI plafonnait à n^(4/3), un seuil démontré dans les années 1980 par des arguments d’incidence. La meilleure borne inférieure, obtenue par construction explicite, atteignait n multiplié par un facteur quasi-logarithmique. Entre les deux, un écart béant que personne n’avait su réduire en quarante ans.
Pourquoi le problème résiste
Trois raisons expliquent la longévité de cet écart. La première est combinatoire : les configurations qui maximisent le nombre de paires à distance 1 sont rares et fragiles. Bouger un point d’epsilon casse souvent plusieurs paires à la fois. La deuxième est algébrique : les contraintes définissent un système d’équations dont les solutions sont des variétés algébriques de basse dimension, difficiles à paramétrer. La troisième est psychologique : la simplicité de l’énoncé attire les amateurs, ce qui pollue la littérature d’approches naïves et décourage les chercheurs établis.
Erdős lui-même, jusqu’à sa mort en 1996, considérait que la résolution complète exigerait probablement des outils non encore inventés. Son intuition s’est confirmée pendant trente ans. Jusqu’au printemps 2026.
L’analyse technique : ce que la construction produit
Le résultat publié, tel que rapporté par Numerama, peut se résumer en une phrase : la construction garantit, pour une infinité de valeurs de n, au moins n^(1+δ) paires à distance 1, pour un certain δ > 0 strictement positif. Décortiquons.
La portée du δ
L’exposant 1 correspond à une croissance strictement linéaire — chaque point ajouté ajoute en moyenne un nombre constant de paires. L’ajout d’un δ strictement positif change la nature du résultat. La croissance devient superlinéaire : chaque nouveau point ajoute, en moyenne, plus de paires que le précédent. Cette propriété, en combinatoire géométrique, est lourde de conséquences. Elle rapproche le minorant connu du majorant n^(4/3), réduisant l’écart entre les deux bornes pour la première fois depuis quatre décennies.
Tableau récapitulatif des bornes
| Borne | Valeur | Date | Méthode |
|---|---|---|---|
| Borne inférieure historique | n × facteur quasi-log | années 1940-50 | Construction explicite (grille rationnelle) |
| Borne supérieure historique | n^(4/3) | années 1980 | Arguments d’incidence point-cercle |
| Conjecture d’Erdős (majorant ciblé) | n × n^(c / log log n) | 1946 | Conjectural |
| Nouvelle borne inférieure (OpenAI) | n^(1+δ), δ > 0 | mai 2026 | Construction par modèle généraliste |
Le tableau montre l’ampleur du basculement. Pour la première fois depuis l’énoncé du problème, le côté borne inférieure progresse de manière qualitative, et non plus seulement quantitative.
La structure de la preuve, en termes accessibles
La preuve, telle que décrite par les mathématiciens cités, repose sur une construction itérative. Elle part d’une configuration de base de petite taille — typiquement quelques dizaines de points — dont le nombre de paires à distance 1 est connu et calculable à la main. Puis elle applique un procédé de duplication-fusion : on prend deux copies de la configuration, on les translate, on les fait pivoter, et on aligne certaines paires de points pour qu’elles deviennent, dans la configuration globale, des paires à distance 1.
Ce type de procédé n’est pas nouveau en soi. Ce qui l’est, c’est le choix précis des paramètres de translation et de rotation — un choix qui demande de jongler avec des contraintes algébriques imbriquées sur plusieurs niveaux d’itération. C’est précisément là que les approches humaines butaient : trouver une combinaison de paramètres qui survive à l’itération exigeait soit une intuition géométrique très fine, soit une recherche par force brute sur un espace de paramètres trop grand pour être exploré exhaustivement.
Une citation qui fixe la portée du résultat
« 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 », résument les mathématiciens cités par Numerama. La formule est mesurée : on ne dit pas « le plus grand problème de tous les temps », on dit « un problème ouvert majeur, central dans un sous-domaine ». Cette précision compte. Le planar unit distance problem n’est pas le théorème de Fermat. Il est en revanche, depuis 1946, l’un des cinq ou six problèmes fondateurs de la combinatoire géométrique, cité dans tout cours universitaire du domaine. Sa résolution partielle suffit à redessiner la cartographie du champ.
Une seconde citation, attribuée à un mathématicien anonyme dans le même article, va plus loin : « Aucune preuve générée par l’IA jusqu’à présent n’a été aussi performante ». L’évaluation est qualitative — performante peut signifier élégante, complète, vérifiable, originale — mais l’effet de seuil est net.
L’impact terrain : ce que les laboratoires et éditeurs vont devoir trancher
Le résultat n’est pas une curiosité de salon. Il pose plusieurs questions opérationnelles immédiates, dont trois au moins concerneront les laboratoires de mathématiques, les revues académiques et les agences de financement de la recherche dans les douze prochains mois.
La vérification de la preuve
Première question : qui vérifie ? Une preuve mathématique se valide par lecture humaine d’experts et, de plus en plus, par formalisation dans un assistant de preuve type Lean ou Coq. Une preuve générée par IA pose un problème spécifique : sa logique interne peut être correcte tout en suivant des chaînes de raisonnement non-canoniques, difficiles à parcourir pour un lecteur humain. L’expérience accumulée sur les preuves longues — la classification des groupes finis simples, le théorème des quatre couleurs — montre que la vérification peut prendre des années. Pour la preuve d’OpenAI, le travail commence à peine.
La paternité du résultat
Deuxième question : à qui attribuer la paternité ? Les conventions académiques attribuent un résultat à son auteur humain, lequel signe l’article. Quand l’auteur principal du raisonnement est un modèle généraliste fourni par une entreprise, la question se complique. Faut-il citer le modèle comme co-auteur ? Comme outil, au même titre qu’un logiciel de calcul formel ? Faut-il citer OpenAI comme institution ? Aucune convention n’existe encore. Les revues comme Annals of Mathematics ou Inventiones Mathematicae devront trancher.
L’effet sur les programmes de recherche
Troisième question : que faire des doctorats en cours sur le sujet ? Plusieurs thèses, en France comme aux États-Unis, ont pour objet l’amélioration des bornes du planar unit distance problem. Leur trajectoire est désormais perturbée. Soit le résultat les rend obsolètes, soit il leur ouvre une voie nouvelle — celle de la vérification humaine et de la généralisation du résultat machine. La distinction n’est pas anodine : elle réoriente la valeur ajoutée du chercheur humain vers des tâches de cadrage et d’extension, plutôt que d’exploration brute.
Au-delà du planar unit distance problem
Le résultat a une portée qui dépasse son objet immédiat. Si un modèle généraliste — non entraîné spécifiquement pour les mathématiques — produit une construction nouvelle sur un problème ouvert depuis 80 ans, alors la même approche pourrait, théoriquement, s’attaquer à d’autres conjectures de combinatoire, de théorie des graphes, ou de géométrie discrète. Les laboratoires qui maintiennent des listes de problèmes ouverts — l’Institute for Advanced Study à Princeton, le Mathematical Sciences Research Institute à Berkeley, le Clay Mathematics Institute — ont du travail de cartographie devant eux.
Perspectives contradictoires : ce que disent les sceptiques
Le résultat n’a pas fait l’unanimité dans la communauté mathématique. Trois objections structurent le scepticisme.
La première porte sur l’autonomie réelle du modèle. Un general-purpose reasoning model opère dans un cadre conversationnel : un humain pose le problème, oriente, recadre. Quelle part du travail revient à l’opérateur humain ? La frontière entre assisté par et résolu par est poreuse. Tant que les transcripts d’interaction ne sont pas publiés intégralement, le débat reste ouvert. OpenAI, à ce jour, n’a pas communiqué publiquement sur le détail des prompts utilisés.
La deuxième objection est épistémologique. Une preuve mathématique ne vaut que par sa lisibilité et sa transmissibilité. Si la construction produite est syntaxiquement correcte mais résiste à l’interprétation — au sens où aucun humain ne peut en extraire de principe généralisable — alors son apport au champ est limité. Elle prouve un résultat sans enrichir la compréhension. Cette critique, formulée dans d’autres contextes contre les preuves assistées par ordinateur, reprend de la vigueur.
La troisième objection est sociologique. Si les futurs résultats importants en mathématiques sont produits majoritairement par des modèles fournis par trois ou quatre laboratoires privés, alors la communauté mathématique perd une partie de son autonomie. Le contrôle des outils devient le contrôle de la production. Les mathématiques, traditionnellement adossées à des institutions publiques, basculeraient dans une dépendance comparable à celle de la biologie envers les fournisseurs de séquenceurs ADN.
Aucune de ces objections n’invalide le résultat. Toutes trois en conditionnent la lecture.
Prospective : trois questions à douze mois
À court terme, trois indicateurs permettront de mesurer si l’événement de mai 2026 est un point d’inflexion ou une anecdote. Le premier : la publication, dans une revue à comité de lecture, d’un article décrivant intégralement la preuve, son protocole de production et son protocole de vérification. Sans cette publication, le résultat reste dans la zone grise du préprint relayé par la presse. Le deuxième : la reproduction du résultat par une équipe indépendante, avec un modèle différent — Claude, Gemini, ou un modèle open-weight type Mistral. La reproductibilité est le test décisif. Le troisième : l’application de la même approche à un problème distinct, dans un sous-domaine voisin. Une victoire isolée peut être un coup de chance. Trois victoires consécutives signent une méthode.
À moyen terme, la question n’est pas de savoir si les IA contribueront à la recherche mathématique — elles le font déjà, comme assistants de calcul et de vérification — mais à quel rythme et selon quelle répartition des rôles. La preuve du planar unit distance problem ne tranche pas cette question. Elle la pose, avec une netteté inédite, à la communauté.
FAQ
Qu’est-ce que le planar unit distance problem ?
Le problème consiste à placer un certain nombre n de points dans un plan euclidien et à compter le maximum de paires de points situées exactement à distance 1 les uns des autres. Énoncé par Paul Erdős en 1946, il a suscité l’intérêt des mathématiciens depuis longtemps parce que son énoncé tient en une ligne, mais sa résolution exigeait des outils combinatoires et algébriques de plus en plus sophistiqués sans qu’aucun ne suffise.
Comment OpenAI a-t-elle résolu ce problème ?
OpenAI a utilisé un de ses modèles internes, présenté comme un general-purpose reasoning model — un modèle généraliste, donc non conçu spécifiquement pour les mathématiques. Le modèle a trouvé une nouvelle famille de configurations de points qui dépasse la borne que l’on pensait imposée par la conjecture classique d’Erdős, en exhibant pour une infinité de valeurs de n au moins n^(1+δ) paires à distance 1, avec δ strictement positif.
Pourquoi est-ce un événement pour les mathématiques ?
Selon les mathématiciens cités par Numerama, « 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 caractère autonome et majeur est central. Des IA contribuent depuis plusieurs années à des résultats mathématiques, mais comme assistants. Ici, la construction principale est produite par la machine.
La preuve a-t-elle été vérifiée ?
À la date de publication des informations relayées par Numerama (21 mai 2026), la preuve a été examinée par des mathématiciens qui considèrent sa logique correcte. Une vérification complète, par formalisation dans un assistant de preuve ou par revue à comité de lecture dans une revue de référence, prendra plusieurs mois voire années — ce délai étant standard pour toute preuve de cette nature, qu’elle soit produite par un humain ou par une machine.
En résumé
Un modèle généraliste a produit, en mai 2026, une construction nouvelle sur un problème de combinatoire géométrique posé il y a 80 ans. Le résultat améliore une borne réputée bloquée depuis quarante ans. Il pose, par ricochet, la question de la place des IA dans la production mathématique — sans la trancher. La prochaine étape se jouera dans les revues spécialisées et dans les laboratoires qui chercheront à reproduire la méthode sur d’autres problèmes ouverts. La cartographie du champ a déjà commencé à bouger.
Sources
- Numerama, « OpenAI (ChatGPT) vient de résoudre un problème de géométrie vieux de 80 ans », 21 mai 2026 — https://www.numerama.com/tech/2257419-aucune-hesitation-une-ia-dopenai-a-terrasse-un-probleme-de-geometrie-vieux-de-80-ans.html
- Paul Erdős, énoncé original du problème, 1946 (référence historique citée par la littérature combinatoire).
Pour aller plus loin sur LagazetteIA : – OpenAI et la nouvelle génération de modèles de raisonnement – Anthropic, OpenAI, Google : la cartographie des modèles généralistes en 2026 – Quand l’IA entre dans les laboratoires : panorama 2026
