Un jeune de 23 ans, aidé par ChatGPT, affirme avoir résolu un problème mathématique vieux de 60 ans. Selon Scientific American, cette avancée pourrait marquer un tournant dans l’usage de l’intelligence artificielle en recherche.
Un jeune de 23 ans, sans formation avancée en mathématiques, vient de faire vaciller un problème vieux de plus de 60 ans. Son secret ? L’utilisation d’une intelligence artificielle de dernière génération. Comme le révèle Scientific American, cette avancée relance le débat sur le rôle croissant des modèles d’IA dans la recherche scientifique.
Le protagoniste, Liam Price, a soumis un problème mathématique issu des célèbres conjectures de Paul Erdős à une version avancée de ChatGPT. En réponse à une simple requête, le modèle a proposé une solution à une question restée irrésolue pendant des décennies, liée aux « ensembles primitifs », des collections de nombres où aucun élément ne divise un autre.
Ce type de problème, au cœur de la théorie des nombres, fascine les mathématiciens depuis longtemps. Erdős lui-même avait formulé plusieurs conjectures autour de ces ensembles, notamment sur la valeur minimale d’un indicateur appelé « somme d’Erdős ». Si certaines avancées ont été réalisées ces dernières années, notamment par Jared Lichtman, une partie du problème résistait encore.
C’est précisément cette zone d’ombre que l’IA semble avoir éclairée.
Selon les experts, ce qui rend cette découverte particulièrement notable n’est pas seulement la solution en elle-même, mais la méthode employée. Le modèle aurait mobilisé une approche totalement inédite pour ce type de question, en réutilisant une formule connue dans un autre domaine des mathématiques, mais jamais appliquée ici.
Lire aussi: OpenAI présente un nouvel outil de «recherche approfondie» pour ChatGPT
« Les chercheurs avaient tous tendance à suivre le même raisonnement initial, qui s’est révélé être une impasse », explique Terence Tao, figure majeure des mathématiques contemporaines. L’intelligence artificielle, elle, a contourné ce biais collectif en explorant une voie différente.
Pour autant, le résultat brut fourni par l’IA n’était pas immédiatement exploitable. « La preuve générée était difficile à lire et nécessitait un travail d’interprétation », précise Jared Lichtman. Avec l’aide de spécialistes, la démonstration a depuis été clarifiée et simplifiée, mettant en évidence l’intuition centrale proposée par le modèle.
Au-delà de cette avancée ponctuelle, les implications pourraient être plus larges. Cette nouvelle approche pourrait ouvrir la voie à une meilleure compréhension de la structure des grands nombres, et potentiellement s’appliquer à d’autres problèmes encore non résolus.
Reste toutefois une question essentielle : s’agit-il d’une révolution durable ou d’un succès isolé ? Comme le souligne Terence Tao, « il est encore trop tôt pour juger de l’importance à long terme de cette découverte ».
Une chose est sûre : cette percée illustre une transformation profonde du paysage scientifique. L’intelligence artificielle ne se contente plus d’assister les chercheurs, elle commence à proposer des idées originales, parfois là où l’intuition humaine s’était arrêtée.