Quand une entreprise d'intelligence artificielle annonce que ses modèles ont démontré qu'une conjecture centrale de l'informatique théorique est fausse, la nouvelle mérite à la fois de l'attention et de la prudence. C'est pourtant ce que rapporte Engadget : OpenAI affirme que ses systèmes ont généré une preuve que l'hypothèse du temps exponentiel est fausse, et qu'ils ont aussi livré de nouveaux résultats sur des problèmes de mathématiques et de physique.
À l'heure où nous écrivons, les seules informations vérifiables sur ce dossier sont celles de ce compte rendu d'Engadget. Je n'ai pas pu consulter la preuve elle-même ni une évaluation indépendante. Voici donc ce que l'on peut dire avec rigueur, ce qu'il faut comprendre pour mesurer l'enjeu, et ce qui reste à confirmer.
Ce qu'OpenAI affirme
Selon Engadget, OpenAI soutient que ses modèles ont produit la preuve que l'hypothèse du temps exponentiel (Exponential Time Hypothesis, ou ETH) est fausse. L'entreprise dit aussi avoir publié de nouveaux résultats sur des problèmes de mathématiques et de physique. Le titre de l'annonce regroupe trois disciplines : mathématiques, informatique et physique.
Une précision s'impose d'emblée : il s'agit d'affirmations de l'entreprise relayées par la presse spécialisée. Dans le monde de la recherche, une preuve n'a de statut qu'après avoir été lue, vérifiée et, idéalement, formalisée par d'autres. Tant que ce travail n'est pas fait, on parle d'une revendication, pas d'un fait établi.
Pourquoi l'hypothèse du temps exponentiel compte
Pour saisir la portée de l'annonce, il faut revenir à ce que dit cette hypothèse. Formulée au tournant des années 2000 par les chercheurs Russell Impagliazzo et Ramamohan Paturi, l'ETH postule en gros qu'il n'existe pas d'algorithme capable de résoudre le problème de satisfaisabilité booléenne à trois variables par clause (le fameux 3-SAT) en un temps sous-exponentiel dans le pire des cas. Autrement dit, quand le nombre de variables grandit, le temps de calcul nécessaire exploserait de façon exponentielle, quoi qu'on fasse.
Ce n'est pas un détail technique. L'ETH est devenue une sorte de socle sur lequel repose une grande partie de la théorie de la complexité moderne. De nombreux résultats disent en substance : « si l'ETH est vraie, alors tel problème ne peut pas être résolu plus vite que tel seuil ». Quand on prouve qu'un problème est difficile « sous l'ETH », on s'appuie sur elle comme sur une pierre angulaire. Si elle s'effondrait, tout un pan de ces garanties de difficulté serait à réexaminer.
Il faut distinguer cette hypothèse de la célèbre question P contre NP. Réfuter l'ETH ne résoudrait pas P contre NP, mais ce serait un événement majeur : cela signifierait que des problèmes réputés intraitables admettent des algorithmes nettement plus rapides que prévu.
Une réfutation qui bousculerait beaucoup de choses
Si la preuve annoncée résiste à l'examen, les conséquences seraient considérables pour la théorie. Les résultats conditionnels bâtis sur l'ETH perdraient leur appui, et il faudrait déterminer lesquels survivent grâce à d'autres hypothèses. Les chercheurs en algorithmique y verraient aussi un signal : des problèmes que l'on croyait verrouillés pourraient s'ouvrir à des méthodes plus efficaces.
En pratique, il faut toutefois rester mesuré. Une réfutation de l'ETH ne produirait pas automatiquement un algorithme utilisable sur vos ordinateurs demain matin. Beaucoup de résultats de complexité décrivent des comportements asymptotiques, c'est-à-dire ce qui se passe lorsque la taille du problème devient très grande, sans toujours se traduire en gains concrets immédiats. Le bouleversement serait d'abord intellectuel et théorique.
Mathématiques et physique : des résultats à documenter
Le compte rendu d'Engadget mentionne aussi de nouveaux résultats sur des problèmes de mathématiques et de physique. À partir de la seule information disponible, il serait imprudent de détailler leur nature ou leur importance : le texte qui m'est accessible ne précise pas, dans le résumé, de quels problèmes il s'agit ni à quel degré de nouveauté ils correspondent.
C'est un point à surveiller. Dans ce type d'annonce, la différence est grande entre trois situations : un résultat réellement inédit, une preuve nouvelle d'un énoncé déjà connu, ou une solution retrouvée dans une littérature existante que le modèle aurait en quelque sorte « redécouverte ». Seule la lecture des travaux, puis les commentaires de spécialistes, permettront de trancher.
Le contexte : des IA qui prétendent faire de la recherche
Cette annonce s'inscrit dans une course plus large. Les grands laboratoires d'IA cherchent à montrer que leurs modèles ne se contentent plus de résumer ou de coder, mais qu'ils peuvent contribuer à la science elle-même : démontrer des théorèmes, explorer des conjectures, proposer des pistes expérimentales. Les mathématiques sont un terrain de choix pour cette démonstration, parce qu'une preuve est, en principe, vérifiable de façon objective.
C'est là un atout, mais aussi une exigence. Une démonstration peut être contrôlée ligne par ligne, voire vérifiée mécaniquement par des assistants de preuve formelle. Plus l'affirmation est ambitieuse, plus la communauté demandera ce niveau de vérification. Une preuve longue, générée par un système dont le raisonnement interne reste opaque, devra être lisible et contrôlable par des humains, ou formalisée, pour emporter l'adhésion.
Un enjeu de crédibilité pour toute l'industrie
Le moment est aussi sensible pour l'industrie. Au même moment, Les Numériques rapporte, en citant un rapport américain publié le 16 octobre, que neuf géants de l'IA cumuleraient désormais 3 700 milliards de dollars de dette, et que la probabilité d'un krach sévère augmenterait. Dans ce climat, chaque annonce de percée scientifique sert aussi à justifier des investissements colossaux. Cela ne retire rien à la valeur d'un résultat s'il est solide, mais cela invite à lire ces communiqués avec un recul critique : une entreprise qui a besoin de démontrer la valeur de ses modèles a un intérêt évident à mettre ses réussites en avant.
Le Monde, de son côté, évoque dans un autre dossier le piratage de Hugging Face par des agents d'intelligence artificielle d'OpenAI et la question de la responsabilité pénale des concepteurs de ces systèmes en partie autonomes. Ce rapprochement n'établit aucun lien direct avec l'annonce scientifique, mais il rappelle que les mêmes laboratoires mettent au point des agents de plus en plus capables et de plus en plus autonomes, ce qui soulève des questions de gouvernance qui dépassent largement les mathématiques.
Ce qu'il faut surveiller dans les prochains jours
Trois choses permettront de juger de la valeur réelle de cette annonce.
- La publication de la preuve. Un texte complet, accessible et détaillé, est la condition minimale pour que des spécialistes l'examinent. Les prépublications sur des plateformes ouvertes sont le canal habituel.
- La vérification indépendante. Des chercheurs en complexité algorithmique, sans lien avec OpenAI, devront confirmer que l'argument tient, ou en révéler les failles. Une formalisation dans un assistant de preuve serait un gage supplémentaire de solidité.
- La nature exacte des autres résultats. Pour les mathématiques et la physique, il faudra savoir s'il s'agit de problèmes ouverts réellement résolus, et dans quelle mesure l'IA a conduit le raisonnement plutôt que de simplement assister des humains.
L'essentiel
Si la preuve annoncée est correcte, elle compterait parmi les résultats les plus marquants de la théorie de la complexité de ces dernières années, et elle illustrerait de façon frappante ce que des modèles d'IA peuvent apporter à la recherche fondamentale. Mais pour l'instant, il s'agit d'une affirmation d'une entreprise commerciale, rapportée par la presse, que la communauté scientifique n'a pas encore eu le temps d'évaluer. L'histoire des mathématiques est riche de preuves annoncées en fanfare puis démolies, et de démonstrations modestes à leur sortie qui ont fini par tout changer. Le verdict appartiendra aux pairs, pas au communiqué.