Aller au contenu

Claude a-t-il résolu le casse-tête des nombres premiers ?

En bref

Un modèle d’intelligence artificielle appelé Claude aurait trouvé une preuve de l’hypothèse de Riemann, un très vieux problème sur les nombres premiers. Des mathématiciens ont vérifié le code et n’y ont pas trouvé d’erreur, mais ils doivent encore s’assurer qu’il prouve bien le bon énoncé. La découverte serait majeure si ces derniers contrôles aboutissent.

Une vieille énigme au cœur des nombres premiers

L’histoire remonte à 1859. Cette année-là, le mathématicien Bernhard Riemann a formulé une hypothèse sur la répartition des nombres premiers. Un nombre premier ne peut être divisé sans reste que par lui-même et par 1. Pris un par un, ces nombres semblent éparpillés sur la droite des nombres. Pourtant, l’hypothèse suggère qu’un ordre profond se cache derrière leur répartition, un motif qu’on ne peut pas facilement discerner en examinant seulement quelques nombres.

L’importance de la question ne tient pas seulement au plaisir de résoudre une énigme mathématique. Elle porte sur la structure qui régit les nombres premiers, des éléments fondamentaux des mathématiques. Si l’hypothèse était effectivement démontrée, il ne s’agirait donc pas simplement de résoudre une équation ou d’obtenir un résultat limité : on disposerait d’un argument solide sur un motif dont la nature intrigue les mathématiciens depuis le XIXᵉ siècle.

Mais l’ampleur d’une affirmation ne garantit pas qu’elle soit vraie. En mathématiques, il ne suffit pas qu’un résultat semble plausible, ni qu’une longue suite d’étapes paraisse convaincante à la lecture. Chaque étape doit découler de la précédente selon des règles précises, et la conclusion doit correspondre exactement à l’énoncé de départ. C’est cette différence entre la validité du raisonnement et la justesse de l’énoncé qui conduit les chercheurs à aller au-delà d’une simple lecture de la preuve actuelle.

De l’annonce de Levent Alpöge à la preuve codée

Le mathématicien Levent Alpöge, associé à Anthropic, a annoncé avoir utilisé le modèle d’intelligence artificielle Claude pour établir l’hypothèse de Riemann. L’annonce a suscité un vif intérêt : cette hypothèse figure parmi les grands problèmes encore ouverts des mathématiques, et le travail attribué au modèle de langage n’a pas été présenté comme une aide pour effectuer un calcul particulier, mais comme une preuve d’un résultat complet.

D’après les informations disponibles, Alpöge ne s’est pas contenté de présenter un raisonnement rédigé dans le langage mathématique habituel. Il a aussi encodé la preuve dans Lean, un langage informatique qui permet de représenter des démonstrations et de les vérifier selon des règles formelles. Dans cette approche, les étapes mathématiques sont traduites en une forme suffisamment précise pour être contrôlées par un programme, plutôt que de dépendre de l’attention d’un lecteur humain ou de son acceptation d’un passage qui lui semble évident.

Ce type de vérification est un moyen puissant de repérer, par exemple, une étape qui ne découle pas des prémisses ou une conclusion que les règles annoncées ne permettent pas de tirer. Si le code compile dans Lean, cela signifie que son noyau de vérification n’a décelé aucune faute logique dans la structure qui lui a été soumise. Mais cela ne répond pas à une question essentielle : cette structure encode-t-elle bien l’hypothèse de Riemann telle que les mathématiciens la comprennent, ou bien un énoncé qui lui ressemble sans avoir exactement le même sens ?

Pourquoi la validation de Lean ne suffit pas

On peut distinguer les deux questions comme on distingue la vérification d’une solution de celle de l’énoncé qu’on lui a donné. Le programme peut effectuer son contrôle avec une grande rigueur et confirmer que la conclusion découle de l’énoncé fourni. Mais si cet énoncé n’est pas celui de l’hypothèse visée, la réussite de la vérification ne prouve pas que le problème initial est résolu.

C’est pourquoi le mathématicien Kevin Buzzard, de l’Imperial College London, a examiné l’énoncé du théorème inclus dans le fichier Lean et l’a comparé à la formulation connue de l’hypothèse. Évaluer une preuve formelle ne consiste pas seulement à vérifier qu’elle compile : il faut s’assurer que les symboles et les concepts du code ont bien le sens attendu et que le résultat démontré correspond à l’objectif mathématique annoncé. Il ne s’agit pas de remettre en cause l’intérêt de la vérification informatique, mais d’examiner un point auquel la compilation, à elle seule, ne peut répondre.

Cette précaution est nécessaire parce qu’un programme manipule des définitions et des symboles précis, et non les intentions exprimées par l’auteur dans une annonce ou une explication. Si la définition d’un symbole change, ou si un énoncé est interprété d’une façon inattendue, le système peut sembler avoir établi le résultat alors qu’il en a démontré un autre. Il faut donc examiner le contenu du code, et ne pas s’en tenir au message indiquant que le programme l’a accepté.

Il convient ici de distinguer deux niveaux de confiance. Le premier consiste à établir que les étapes de la preuve encodée sont cohérentes selon les règles appliquées par Lean. Le second consiste à vérifier que ces étapes, même cohérentes, portent bien sur la bonne hypothèse et dans la formulation voulue. Réussir le premier contrôle est essentiel, mais ne dispense pas du second. D’où la nécessité d’un examen indépendant de l’énoncé mathématique lui-même et de la manière dont le code le traite.

Une vérification indépendante renforce la confiance

Alpöge n’a pas limité la vérification à sa propre exécution de la preuve. Des chercheurs indépendants ont eux aussi examiné le travail, parmi lesquels Andrew Sutherland, mathématicien au Massachusetts Institute of Technology. Ils ont réussi à compiler la preuve Lean de leur côté, sans rencontrer de problème à ce stade. Cette étape compte, car le résultat ne repose plus uniquement sur l’environnement de la personne qui a écrit le code ni sur sa propre expérience de l’exécution.

Sutherland a précisé que la preuve avait passé le contrôle du noyau de Lean, la partie chargée de vérifier la validité des raisonnements formels, et que la vérification ne s’appuyait que sur trois axiomes standard. Dans ce cadre, les axiomes sont des points de départ admis ; il ne s’agit pas de résultats que le programme aurait ajoutés de lui-même. Selon son évaluation, la probabilité qu’il y ait quelque chose de suspect à ce stade semble extrêmement proche de zéro.

Cette appréciation doit toutefois être comprise à la lumière de ce qui a effectivement été testé. La recompilation indépendante indique fortement que la preuve, telle qu’elle est écrite en Lean, passe le contrôle du noyau dans les conditions utilisées et que le résultat ne dépend pas d’une seule exécution réalisée par son auteur. Elle ne signifie pas automatiquement que toutes les questions concernant la formulation du théorème ou la définition des symboles sont réglées : les chercheurs poursuivent une comparaison plus approfondie.

Cette vérification ne remplace pas non plus entièrement le jugement des mathématiciens. Le système peut appliquer des règles formelles à la formulation qu’on lui fournit, mais il revient aux spécialistes de s’assurer que cette formulation correspond bien au problème visé. La démarche associe ainsi la capacité de la machine à contrôler un grand nombre d’étapes précises à l’expertise des mathématiciens, qui interprètent le contenu du théorème et déterminent si la preuve le traite réellement.

Le contrôle qui reste à effectuer

L’étape attendue par les personnes qui suivent l’affaire est appelée « vérification comparative » (« comparator run »). Elle consiste à refaire les vérifications en se concentrant sur un risque particulier : un écart entre le sens annoncé de l’hypothèse et ce que le code met effectivement en œuvre. Ce contrôle doit notamment permettre de voir si le programme a modifié ou redéfini le sens d’un symbole dans l’énoncé du théorème, au point de changer la proposition démontrée.

Lorsqu’elle est menée avec des précautions renforcées, cette procédure vise aussi à s’assurer que le code fonctionne avec plusieurs noyaux indépendants, et pas seulement avec le noyau officiel de Lean. Faire intervenir plusieurs outils de vérification aide à écarter la possibilité que la preuve réussisse grâce à un défaut inconnu du moteur officiel exploité par le code, plutôt qu’en raison de la validité de la démonstration. Selon Buzzard, un seul contrôle ne suffit pas non plus à exclure ce type d’éventualité.

Cela ne signifie pas que les chercheurs ont déjà découvert une faille ou une astuce dans la preuve. Les informations disponibles ne font état d’aucun problème mis au jour ; elles indiquent simplement qu’un contrôle supplémentaire reste à effectuer. La différence est importante entre dire que la preuve a échoué et constater que la chaîne de vérification n’est pas encore terminée. À ce stade, plusieurs contrôles indépendants ont donné des résultats positifs, mais toutes les questions techniques soulevées par les spécialistes ne sont pas encore tranchées.

D’après les explications disponibles, ce type de vérification prend habituellement quelques heures. Sa durée généralement courte ne rend pas le contrôle accessoire pour autant : il sert à vérifier des points précis liés à la fidélité de la représentation et à l’indépendance des outils. Tant que le résultat de cette vérification n’est pas connu, la formulation la plus juste est que la preuve a passé des tests importants, mais que la vérification comparative doit encore compléter le tableau.

Ce que le résultat pourrait changer en mathématiques

Si la preuve passe les contrôles restants, elle constituera un exemple marquant d’utilisation de l’intelligence artificielle pour produire un travail mathématique, puis le traduire en une forme formelle que l’on peut vérifier et tester à nouveau. L’intérêt de cette méthode est que l’évaluation ne repose pas uniquement sur la réputation de la personne qui annonce le résultat ni sur la force de persuasion de sa présentation : d’autres chercheurs peuvent exécuter le code et contrôler la validité des étapes à l’aide d’un système formel indépendant.

Pour autant, parler d’une victoire de l’intelligence artificielle ne doit pas faire oublier la nature du travail mathématique. Produire une preuve, la formaliser dans Lean et vérifier que cette formalisation correspond à l’hypothèse sont trois étapes distinctes. Même si le modèle Claude a généré le raisonnement, la validité du résultat ne découle ni de l’identité du modèle ni de sa capacité à écrire. Elle dépend de la réussite de contrôles rigoureux et de la confirmation par la communauté mathématique que l’énoncé démontré est bien celui qui était visé.

L’intérêt de la vérification formelle dépasse d’ailleurs le cas présent. Une preuve que d’autres personnes peuvent réexécuter se prête à un contrôle plus reproductible que la seule lecture d’un humain. Mais cette méthode implique aussi une responsabilité supplémentaire : examiner les définitions du problème, comprendre précisément ce que le système vérifie et tenir compte des limites des outils utilisés. La confiance ne vient pas du seul mot « réussi » ; elle suppose de savoir ce qui a réussi, selon quelles règles et à partir de quelle formulation.

Au vu des informations disponibles, il est prématuré de considérer que l’hypothèse de Riemann a définitivement été résolue. L’annonce est extraordinaire et la preuve Lean a passé un contrôle indépendant en s’appuyant sur trois axiomes standard. Mais l’article signale également que la vérification comparative n’est pas terminée. Cette distinction est essentielle : elle évite de transformer une avancée majeure de la vérification en annonce définitive avant que les spécialistes aient achevé les contrôles qu’ils jugent nécessaires.

Conclusion

La preuve de l’hypothèse de Riemann attribuée au modèle Claude se situe entre enthousiasme et prudence. Levent Alpöge a annoncé avoir trouvé une solution, puis des mathématiciens indépendants, dont Andrew Sutherland, du Massachusetts Institute of Technology, ont compilé le code Lean sans rencontrer d’erreur. Le noyau a validé le raisonnement en s’appuyant sur trois axiomes standard. Ce sont des signes importants de la solidité de la preuve formelle, mais ils ne suffisent pas à établir que l’énoncé encodé correspond exactement à l’hypothèse originale formulée par Riemann en 1859.

Les spécialistes attendent donc le résultat de la vérification comparative, qui examine les définitions des symboles et teste le code avec des noyaux indépendants afin d’écarter tout changement de sens ou toute dépendance à une défaillance d’un outil unique. Tant que cette étape n’est pas achevée, il ne s’agit ni d’une annonce définitive dont tous les détails seraient réglés, ni de la preuve qu’une faille existe : c’est une affirmation étayée par des contrôles importants, qui fait encore l’objet d’un dernier examen. Dans une note éditoriale datée du 20 novembre 2026, l’article était indiqué comme étant en cours et susceptible d’être mis à jour — une indication adaptée à une preuve dont la vérification n’est pas encore complète.