Kakeya, ETH, Yang-Mills : OpenAI annonce trois percées, la communauté prend le temps de goûter

Le 26 octobre 2026, OpenAI a publié « Working with academic communities to build scientific understanding » : trois résultats que les spécialistes attendaient depuis des décennies, en analyse harmonique, en complexité algorithmique et en théorie quantique des champs¹. Au 27 octobre, aucun n'a été validé par un expert indépendant, et les chercheurs chargés de les examiner refusent d'en être les garants. Vingt jours après la livraison de 722 manuscrits, l'entreprise change de méthode : elle confie ses résultats à des « shepherds », des bergers académiques.

Le premier épisode est raconté dans notre article sur les 722 preuves du 6 octobre. Celui-ci porte sur les trois nouveaux résultats et sur la méthode.

Ce qu'OpenAI annonce, expliqué simplement

Les ondes qui se concentrent, et l'aiguille qu'on fait tourner

En 1991, Christopher Sogge a proposé la conjecture de « local smoothing », qui porte sur les ondes qui se focalisent². Pensez à une loupe qui concentre la lumière du soleil en un point brûlant : la conjecture dit que ce pic ne dure qu'un instant. À un moment pris au hasard, la concentration reste bien plus faible que dans le pire des cas. OpenAI résume l'idée ainsi : le pire cas est plus extrême que ce qu'on observe en moyenne¹.

La conjecture en entraîne deux autres. Celle de Kakeya demande combien de place il faut pour faire pivoter une aiguille afin qu'elle pointe dans toutes les directions. Celle de restriction de Stein porte sur la façon dont les fréquences d'un signal se recombinent. En 2019, Larry Guth, Hong Wang et Ruixiang Zhang ont prouvé le local smoothing en deux dimensions d'espace³. En février 2025, Hong Wang et Joshua Zahl ont publié une preuve de Kakeya en dimension 3⁴, que Quanta Magazine a qualifiée de preuve « Once in a Century »⁵ et où Terence Tao a salué sur son blog un progrès spectaculaire en théorie géométrique de la mesure⁶.

OpenAI affirme que son modèle a prouvé le local smoothing en toute dimension, à l'aide d'une équation aux dérivées partielles auxiliaire nouvelle, et en déduit Kakeya et la restriction de Stein en toute dimension¹. Le résumé du manuscrit est plus précis : tout ensemble de Kakeya euclidien a une dimension de Hausdorff pleine, et les estimations de restriction sont obtenues à l'intérieur de la zone conjecturée, pas à ses extrémités⁷. Selon OpenAI, la sortie du modèle date du 18 octobre et sa formalisation en Lean du lendemain. Après avis d'un expert, non nommé, le texte et la preuve Lean ont été publiés tels quels sur le dépôt GitHub openai/math, comme le 6 octobre¹. Ce dépôt contenait déjà, depuis cette première livraison, un manuscrit sur le local smoothing critique en dimension 3⁷.

L'interrupteur et la force brute : l'ETH tomberait

Imaginez une formule logique avec n interrupteurs, chacun sur vrai ou faux. Existe-t-il une combinaison qui rend la formule vraie ? C'est le problème 3-SAT. Essayer toutes les combinaisons coûte 2^n opérations. L'Exponential Time Hypothesis, formulée par Russell Impagliazzo et Ramamohan Paturi à la fin des années 1990 et consolidée avec Francis Zane, affirme qu'on ne peut pas faire fondamentalement mieux qu'une croissance exponentielle⁸. Selon OpenAI, l'hypothèse a servi dans des centaines d'articles pour établir la difficulté de problèmes de graphes, de bio-informatique, de bases de données ou de géométrie algorithmique¹.

Le manuscrit, intitulé « The Exponential Time Hypothesis is False », décrit un algorithme déterministe qui compte exactement les solutions d'une formule k-CNF en temps sous-exponentiel et en espace polynomial, pour tout k fixé. Il revendique la réfutation de l'ETH, mais aussi de la Strong ETH, de Gap-ETH et de NSETH⁸. Ryan Williams (MIT) résume sur X : 3-SAT à n variables se résoudrait en un temps de l'ordre de exp(n/(log n)^{1/2+o(1)})⁹.

Trois précisions. L'algorithme reste superpolynomial : P contre NP n'est pas tranché. Le résultat est asymptotique : pour des tailles réalistes, les meilleurs algorithmes exponentiels connus, autour de 1,307^n pour 3-SAT depuis le biased-PPSZ de 2019, restent très probablement plus rapides⁸, et OpenAI écrit elle-même que des gains pratiques demanderont une recherche importante¹. Enfin, OpenAI date la découverte du 16 octobre et la formalisation Lean du 17.

Prouver que la physique des particules existe mathématiquement

Depuis cinquante ans, les physiciens calculent avec la chromodynamique quantique (QCD), la théorie des quarks et des gluons, avec un succès expérimental remarquable. Personne n'a démontré, au sens rigoureux des mathématiciens, que cet objet existe. C'est comme rouler tous les jours sur un pont dont personne n'a prouvé que les fondations tiennent.

OpenAI affirme avoir obtenu une preuve d'existence rigoureuse de théories quantiques des champs de jauge avec fermions en quatre dimensions, dont la QCD et une complétion unifiée du Modèle standard, en s'appuyant sur l'approche de Tadeusz Balaban. Le texte inclut l'existence de Yang-Mills pur, qu'OpenAI présente comme une « partie » du problème du millénaire du Clay Mathematics Institute¹. Le mot compte : l'énoncé officiel, rédigé par Arthur Jaffe et Edward Witten, exige aussi un « mass gap »¹⁰, qu'OpenAI ne revendique pas.

OpenAI date la preuve de Yang-Mills du 9 septembre, celle de la QCD du 18 septembre, et la fin de la formalisation Lean de Yang-Mills du 16 octobre. Le groupe mené par David Gross, prix Nobel de physique 2004, avec Michael Douglas, Arthur Jaffe, Igor Klebanov et Nikita Nekrasov, a choisi de ne pas publier les artefacts produits par l'IA et de rédiger lui-même¹. Le dépôt openai/math ne contient aucun fichier sur ce résultat⁷.

Des bergers, trois stratégies, quatre principes

OpenAI présente désormais ses manuscrits comme des données de recherche brutes et a demandé à des experts externes d'organiser la compréhension des résultats. Ils ont recommandé trois stratégies : publication brute pour les mathématiques, groupe de collaborateurs et publication intégrale pour l'informatique, groupe qui décide seul de la diffusion pour la physique. Quatre principes encadrent ces collaborations¹ :

• Transparence : aucun accord de confidentialité, liberté de publier les conclusions.
• Pas de crédit académique pour OpenAI ; inviter un chercheur ne signifie pas qu'il a fait la découverte.
• Reconnaissance du groupe pour les explications et rédactions qu'il produit.
• Indépendance : participation volontaire et non rémunérée.

Pour l'ETH, le groupe a obtenu que toutes les données brutes soient publiques et qu'OpenAI finance une conférence¹. L'ensemble complète la contribution de 5 millions de dollars d'OpenAI à l'initiative lancée le 15 octobre par la Simons Foundation¹¹, qui réunit 15 millions de dollars avec Anthropic et OpenAI, sans détailler la part de chacun ; les candidatures ferment le 1er décembre 2026¹².

OpenAI reconnaît la limite principale : choisir les premiers bergers crée une asymétrie d'information¹. Nous la mettrions en tête de liste. Celui qui lit la preuve en premier a un avantage scientifique réel, même sans être payé.

Ce qu'en dit la communauté

Les réactions les plus solides viennent des bergers. Sur Bluesky, Ryan Williams écrit qu'un modèle interne d'OpenAI a produit une réfutation revendiquée de l'ETH, et que Russell Impagliazzo, Mohan Paturi et lui ont été sollicités pour organiser un examen ouvert et indépendant ; il précise qu'ils n'ont pas accès aux modèles internes et n'ont reçu que le PDF¹³. Dans leur lettre ouverte, les trois chercheurs écrivent : « Our involvement should not be taken as certification of the claim. A result of this significance requires careful, independent scrutiny. » Ils s'inquiètent aussi que la reconnaissance aille d'abord à ceux qui publient en premier ou disposent des outils les plus puissants¹⁴.

Scott Aaronson a réagi en post-scriptum d'un billet consacré à autre chose, en deux phrases : l'ETH serait réfutée avec un temps d'environ exp(n/√log n), et le buffet continue alors qu'on digère encore les plats précédents¹⁵. Sur Hacker News, un commentateur note que le titre du billet d'OpenAI enterre l'information principale, la chute de l'ETH¹⁶.

Côté français, Hugo Duminil-Copin parlait le 8 octobre, sur la RTS, d'un « choc monumental » après la livraison du 6 octobre¹⁷. Il est cosignataire de la lettre « A Severe Misalignment of AI in Mathematics », déposée le 11 septembre 2026 par 25 médaillés Fields, dont Terence Tao, Peter Scholze, Maryna Viazovska et Pierre Deligne ; le site mathandai.org en affiche 28 au 27 octobre¹⁸. La lettre juge que les objectifs des entreprises d'IA et ceux de la communauté mathématique sont gravement désalignés.

Ce qui reste à vérifier

La fidélité des énoncés Lean. Lean garantit qu'une preuve découle des définitions et axiomes fournis. Il ne garantit pas que ces définitions capturent ce que la communauté entend par « 3-SAT » ou « temps sous-exponentiel ». Détail parlant : la documentation Lean du résultat ETH (fichier 378.md) prouve une borne en 2^{O(n(log log n)^2/√log n)}, plus faible que celle du manuscrit, en 2^{O(n log log n/√log n)}¹⁹. Cela suffit pour réfuter l'ETH si l'énoncé est fidèle, mais texte et formalisation ne disent pas exactement la même chose. Il faudra aussi auditer les axiomes utilisés.

Le précédent du 6 octobre. Sur les 722 manuscrits publiés, trois ont été retirés le 7 octobre pour une erreur de signe ; Retraction Watch rapporte que Dan Roberts, responsable de recherche chez OpenAI, l'a annoncé sur X²⁰. Le journal des modifications du dépôt indique aussi 14 autres manuscrits révisés et un catalogue ramené à 719²¹. La rapidité de la formalisation ne remplace pas la relecture humaine.

Le prix du millénaire. Les règles du Clay Mathematics Institute exigent une publication dans une « Qualifying Outlet », au moins deux ans d'attente et une acceptation générale par la communauté²². La preuve physique n'est pas publique, et le mass gap n'est pas revendiqué. Arthur Jaffe, qu'OpenAI présente comme cofondateur du CMI et coauteur de l'énoncé¹, fait partie des bergers, ce qui pose une question de gouvernance que l'institut devra traiter.

Les conséquences de l'ETH. Si le résultat tient, les bornes inférieures conditionnelles fondées sur l'ETH et ses variantes perdent leur appui. Les problèmes ne deviennent pas faciles pour autant : ils redeviennent ouverts.

OpenAI, DeepMind, Anthropic : trois cultures

La publication du 6 octobre misait sur le volume : 722 manuscrits déposés d'un coup. Celle du 26 octobre mise sur trois résultats et une médiation humaine, après une première vague mal reçue par une partie de la communauté.

Google DeepMind a suivi un autre chemin avec AlphaProof Nexus : une prépublication sur arXiv en mai 2026²³, puis un article revu par les pairs dans Science le 8 octobre, avec neuf problèmes d'Erdős résolus sur 353 et 44 conjectures de l'OEIS prouvées sur 492²⁴. Des résultats plus modestes, évalués par les pairs avant leur parution.

Anthropic avance avec des chercheurs nommés. Josh Alman et Virginia Vassilevska Williams ont publié le 5 octobre un article sur un algorithme découvert par Claude, qui réfute les hypothèses 3SUM, APSP et Exact Triangle. L'article précise qu'Anthropic a partagé l'algorithme avec les auteurs en septembre sous accord de confidentialité, en leur offrant une rémunération²⁵ : l'inverse exact des principes d'OpenAI. Anthropic cofinance aussi l'initiative de la Simons Foundation¹².

Ce que cela change pour les entreprises et les ingénieurs

Dans notre article sur la publication du 6 octobre, nous écrivions que Lean ne dispense pas du goûteur. Nous citions aussi Galois, dont les idées ont attendu quinze ans avant d'être publiées par Liouville : une preuve que personne ne comprend n'a pas encore produit de science.

L'annonce du 26 octobre confirme ce déplacement, et OpenAI l'écrit : convertir des données brutes en compréhension scientifique demande des humains, du temps et de l'argent¹. Pour une DSI ou une équipe d'ingénierie, nous en tirons trois conséquences.

Investir dans la vérification autant que dans la génération. Un agent qui produit du code, une architecture ou une analyse en quelques minutes ne vaut que si quelqu'un sait le vérifier. Tests, spécifications formelles, revues : c'est là que se crée la valeur (voir la revue de code à l'ère de l'IA).

Contrôler l'énoncé, pas seulement la preuve. Le débat sur Lean a un équivalent direct chez nous : des tests verts prouvent que le code respecte la spécification écrite, pas que la spécification correspond au besoin métier. Le développement guidé par les spécifications déplace le travail vers l'écriture de l'énoncé.

Former des goûteurs. La compétence rare devient la capacité à comprendre en profondeur un résultat produit par d'autres, à en voir les failles et à décider. Les seniors l'ont ; les juniors doivent y être formés.

Les trois résultats d'OpenAI sont peut-être vrais. Nous le saurons dans quelques mois, quand les bergers auront fini de goûter.

Sources

1. OpenAI, « Working with academic communities to build scientific understanding » (trois résultats, dates, trois stratégies, quatre principes, groupes Impagliazzo-Paturi-Williams et Gross, asymétrie d'information, 5 M$ à la Simons Foundation) — openai.com, 26 octobre 2026.
2. Christopher D. Sogge, « Propagation of singularities and maximal functions in the plane », Inventiones mathematicae, 1991 — doi.org.
3. Larry Guth, Hong Wang, Ruixiang Zhang, « A sharp square function estimate for the cone in ℝ³ » — arxiv.org, 24 septembre 2019.
4. Hong Wang, Joshua Zahl, « Volume estimates for unions of convex sets, and the Kakeya set conjecture in three dimensions » — arxiv.org, 24 février 2025.
5. Quanta Magazine, « 'Once in a Century' Proof Settles Math's Kakeya Conjecture » — quantamagazine.org, 14 mars 2025.
6. Terence Tao, « The three-dimensional Kakeya conjecture, after Wang and Zahl » — terrytao.wordpress.com, 25 février 2025.
7. OpenAI, dépôt GitHub openai/math (commit du 26 octobre 2026 : manuscrits Local smoothing for the Euclidean wave equation et The Exponential Time Hypothesis is False, fichiers Lean ; manuscrit de septembre sur le local smoothing critique en dimension 3) — github.com.
8. OpenAI, manuscrit « The Exponential Time Hypothesis is False », 17 octobre 2026, révisé le 25 octobre (§1.1 : historique de l'ETH, IP01 et IPZ01, état de l'art de 3-SAT, réfutation de l'ETH, SETH, Gap-ETH et NSETH) — github.com.
9. Ryan Williams (@rrwilliams), post sur X — x.com, 26 octobre 2026.
10. Clay Mathematics Institute, page « Yang-Mills & the Mass Gap » (énoncé officiel d'Arthur Jaffe et Edward Witten) — claymath.org.
11. OpenAI, « Sharing AI progress in mathematics » (mise à jour du 15 octobre 2026 : contribution de 5 M$ à la Simons Foundation) — openai.com, 6 octobre 2026.
12. Simons Foundation, « Simons Foundation Launches $15M Effort To Help Mathematicians Navigate AI Era » (avec Anthropic et OpenAI ; candidatures jusqu'au 1er décembre 2026) — simonsfoundation.org, 15 octobre 2026.
13. Ryan Williams, fil sur Bluesky (examen ouvert et indépendant, accès au seul PDF) — bsky.app, 26 octobre 2026.
14. Russell Impagliazzo, Ramamohan Paturi, Ryan Williams, lettre ouverte sur la réfutation revendiquée de l'ETH — docs.google.com, 26 octobre 2026.
15. Scott Aaronson, Shtetl-Optimized, post-scriptum du billet « Podcasts about the Topic: Part II » — scottaaronson.blog, 26 octobre 2026.
16. Hacker News, discussion du billet d'OpenAI — news.ycombinator.com, 26 octobre 2026.
17. RTS, « IA et maths : Hugo Duminil-Copin face à un "choc monumental" » — rts.ch, 8 octobre 2026.
18. Lettre « A Severe Misalignment of AI in Mathematics » : dépôt Zenodo du 11 septembre 2026 (25 auteurs) — doi.org ; liste actuelle des signataires (28) — mathandai.org, consulté le 27 octobre 2026.
19. OpenAI, documentation Lean 378.md (borne formalisée et borne du manuscrit) — github.com.
20. Retraction Watch, retrait de trois manuscrits d'OpenAI annoncé par Dan Roberts — retractionwatch.com, 8 octobre 2026.
21. OpenAI, journal des modifications history.md du dépôt openai/math (retraits du 7 octobre, 14 manuscrits révisés, 719 manuscrits ; publication du 26 octobre) — github.com.
22. Clay Mathematics Institute, règles des prix du millénaire — claymath.org.
23. Google DeepMind, « Advancing Mathematics Research with AI-Driven Formal Proof Search » (AlphaProof Nexus), prépublication — arxiv.org, 21 mai 2026.
24. Science, « Advancing mathematics research with AI-driven formal proof search » (9 problèmes d'Erdős sur 353, 44 conjectures OEIS sur 492) — doi.org, 8 octobre 2026.
25. Josh Alman, Virginia Vassilevska Williams, « Truly Subquadratic 3SUM and Truly Subcubic APSP via Triangles in Sparse Lopsided Graphs » (algorithme découvert par Claude, qui réfute les hypothèses 3SUM, APSP et Exact Triangle ; accord de confidentialité et rémunération) — arxiv.org, 5 octobre 2026.