Les modèles d'IA d'OpenAI réfutent l'hypothèse du temps exponentiel

OpenAI a dévoilé trois avancées scientifiques significatives générées par ses modèles de pointe internes, marquant un moment potentiellement transformateur pour l'informatique théorique et les mathématiques. Le résultat le plus marquant est la réfutation de l'hypothèse du temps exponentiel (ETH), une conjecture de longue date sur la vitesse à laquelle certains problèmes de satisfiabilité booléenne peuvent être résolus - un problème étroitement lié à la fameuse question P versus NP.

L'ETH constitue depuis des décennies un fondement de la théorie de la complexité computationnelle, apparaissant dans des centaines d'articles évalués par les pairs où les chercheurs l'utilisaient pour dériver des résultats de difficulté conditionnelle en théorie des graphes, en biologie computationnelle, dans les bases de données et en géométrie algorithmique. Le système d'OpenAI a produit une réfutation en langage naturel le 16 octobre 2026, qui a ensuite été formellement vérifiée dans l'assistant de preuve Lean le 17 octobre. L'entreprise affirme avoir trouvé un algorithme en temps sous-exponentiel pour des problèmes que l'on pensait nécessiter un temps exponentiel - un résultat qui, s'il est validé, bouleverserait fondamentalement les hypothèses sur les limites computationnelles.

Outre le résultat sur l'ETH, OpenAI a annoncé deux découvertes complémentaires : une preuve de la conjecture de lissage local pour l'équation des ondes en toute dimension (qui résout simultanément les conjectures de Kakeya et de restriction de Stein), et une preuve d'existence mathématiquement rigoureuse pour la chromodynamique quantique intégrant la théorie de Yang–Mills. L'entreprise a publié les preuves rédigées par l'IA et leurs formalisations Lean dans un dépôt GitHub public, décrivant les manuscrits comme des données de recherche brutes.

Point crucial : aucun de ces résultats n'a encore fait l'objet d'une vérification indépendante par des experts. OpenAI a souligné son engagement en faveur de la transparence en organisant des groupes d'experts externes chargés d'examiner chaque résultat et de l'expliquer à la communauté de recherche au sens large. L'entreprise a noté que si la réfutation de l'ETH « rouvre des questions sur la vitesse à laquelle ces tâches pourraient être accomplies », transformer de telles avancées théoriques en améliorations algorithmiques pratiques « nécessitera des recherches supplémentaires considérables ». L'annonce allie une véritable ambition scientifique à une prudence notable - OpenAI invite explicitement à l'examen critique plutôt que de revendiquer une preuve définitive.