Anthropic : une IA progresse sur l'hypothèse de Riemann

Un modèle non publié d'Anthropic a récemment marqué des progrès significatifs sur l'hypothèse de Riemann, un problème mathématique majeur non résolu depuis plus de 150 ans. Cette avancée, annoncée lundi, a permis d'augmenter considérablement la borne inférieure des solutions vérifiées, ravivant le débat sur la capacité de l'intelligence artificielle à produire de nouvelles découvertes scientifiques. L'expérience s'est déroulée de manière inattendue. Un collaborateur d'Anthropic, sans expertise mathématique poussée, a simplement invité le modèle à s'attaquer sérieusement à la démonstration. Après un jour et demi d'exécution autonome, le système avait évalué 650 approches différentes en coordonnant 60 agents spécialisés, pour un coût total de 31 millions. Le travail s'est réparti ainsi : deux agents ont formulé les idées clés, treize les ont développées, trente ont tenté en vain de nouvelles pistes, treize ont validé les raisonnements et deux ont rédigé le manuscrit. Les résultats ont ensuite été confirmés par des mathématiciens internes et formalisés avec l'assistant de preuve open source Lean. Cette percée s'inscrit dans un mouvement plus vaste. Ces derniers mois, les grands modèles de langage ont multiplié les succès en mathématiques. OpenAI a récemment publié dix démonstrations majeures issues de son modèle interne Astra, tandis qu'une autre initiative d'Anthropic avait précédemment réfuté la conjecture de Jacobien. Ces résultats suscitent des réactions contrastées. En juin, une tribune signée par plusieurs mathématiciens de renom a alerté sur les risques pour l'éthique scientifique, rappelant que les preuves doivent rester attribuables à des auteurs responsables de leur exactitude. Face à ces préoccupations, le milieu académique reste divisé. Le prix Fields Timothy Gowers a ainsi nuancé le discours alarmiste, estimant que détacher un théorème de son auteur humain ne serait pas plus problématique que de nommer les étoiles. Il suggère que l'IA pourrait enrichir la discipline plutôt que la menacer. À mesure que ces outils gagnent en autonomie, la communauté scientifique doit désormais définir comment intégrer ces puissants assistants de recherche tout en préservant les standards de rigueur et de transparence du savoir mathématique.