Un amateur résout un problème d'Erdős vieux de 60 ans avec ChatGPT

Un exploit mathématique inattendu : quand l'IA rencontre un problème légendaire

Il existe, dans le monde des mathématiques, une catégorie de problèmes particulièrement fascinante : ceux que les plus grands esprits de la discipline ont posés sans jamais parvenir à les résoudre. Paul Erdős, mathématicien hongrois du XXe siècle et figure tutélaire des mathématiques combinatoires, était passé maître dans l'art de formuler de tels défis. Prolifique, excentrique et génial, il a semé derrière lui des centaines de problèmes ouverts, dont certains demeurent sans réponse des décennies après sa mort en 1996. C'est l'un de ces problèmes, vieux de plus de 60 ans, qu'un amateur vient de résoudre - non pas dans le silence feutré d'un laboratoire universitaire, mais en dialoguant avec ChatGPT.

L'histoire, relayée par Scientific American, a de quoi surprendre même les esprits les plus ouverts. Un non-expert, sans formation mathématique avancée, a utilisé l'intelligence artificielle générative comme un véritable co-pilote intellectuel pour naviguer dans des territoires abstraits que la plupart des professionnels n'osent pas aborder. Le résultat est une preuve mathématique valide, soumise et reconnue par la communauté scientifique.

Ce qui rend cet événement encore plus remarquable, c'est le contexte dans lequel il s'inscrit. Nous assistons depuis quelques années à l'émergence du "vibe coding", cette pratique où des non-développeurs utilisent des modèles de langage pour écrire du code informatique sans en maîtriser les fondements techniques. Par analogie directe, Scientific American parle désormais de "vibe maths" : une approche intuitive et conversationnelle des mathématiques, rendue possible par les grands modèles de langage. L'amateur en question n'a pas triché, n'a pas simplement demandé la réponse à une machine - il a engagé un dialogue, posé des questions, testé des hypothèses, reformulé des intuitions, et guidé l'IA vers une solution que ni lui ni elle n'auraient pu atteindre seuls.

Ce récit soulève des questions profondes sur la nature même de la découverte mathématique, sur ce que signifie "comprendre" un problème, et sur le rôle que l'intelligence artificielle est appelée à jouer dans la production du savoir scientifique. Il ne s'agit pas d'un anecdote isolée, mais d'un signal fort d'une transformation en cours.

Le "vibe maths" : une nouvelle façon d'explorer les mathématiques

Pour comprendre ce que représente le "vibe maths", il faut d'abord mesurer l'écart traditionnel qui sépare un amateur d'un mathématicien professionnel. Les mathématiques de haut niveau ne s'improvisent pas : elles supposent des années de formation, une maîtrise des outils formels, une connaissance approfondie de la littérature existante et une capacité à manipuler des abstractions d'une complexité redoutable. Les problèmes d'Erdős, en particulier, appartiennent souvent à des domaines comme la théorie des graphes, la combinatoire ou la théorie des nombres, où l'intuition seule ne suffit pas.

Et pourtant, c'est précisément cette intuition - couplée à la puissance de traitement et à la vaste base de connaissances d'un modèle comme ChatGPT - qui semble avoir permis cette percée. Le processus décrit ressemble moins à une démonstration formelle classique qu'à une exploration collaborative : l'amateur apportait des intuitions, des reformulations, des angles d'attaque inédits, tandis que l'IA fournissait des connaissances mathématiques structurées, suggérait des pistes, vérifiait la cohérence des raisonnements et aidait à formaliser les idées.

Ce mode de travail présente plusieurs caractéristiques distinctives qui le différencient fondamentalement de la recherche mathématique traditionnelle :

• L'itération rapide : là où un mathématicien peut passer des semaines sur une approche infructueuse, le dialogue avec une IA permet de tester et d'abandonner des pistes en quelques minutes.
• La reformulation permanente : l'IA encourage naturellement à reformuler les problèmes sous différents angles, ce qui est souvent la clé des grandes découvertes mathématiques.
• L'absence de biais disciplinaires : un non-expert n'est pas enfermé dans les paradigmes dominants d'un domaine. Il peut poser des questions "naïves" qui s'avèrent, parfois, être les plus pertinentes.
• L'accessibilité du langage : ChatGPT peut expliquer des concepts complexes en langage naturel, permettant à quelqu'un sans formation formelle de comprendre suffisamment pour progresser.
• La mémoire de la conversation : le contexte accumulé au fil du dialogue permet de construire progressivement une compréhension partagée du problème.

Il serait cependant réducteur de présenter cette approche comme une simple "facilitation". Le "vibe maths" implique une forme d'intelligence humaine spécifique : la capacité à poser les bonnes questions, à reconnaître une piste prometteuse, à persévérer face à l'échec et à maintenir une vision d'ensemble du problème. L'IA, aussi puissante soit-elle, ne remplace pas cette dimension créative et stratégique. Elle l'amplifie, la complète, la rend opérationnelle pour des personnes qui, sans elle, n'auraient jamais pu franchir les barrières techniques de la discipline.

C'est en ce sens que cet épisode est véritablement révolutionnaire : il ne s'agit pas de l'IA qui résout un problème à la place d'un humain, mais d'une synergie inédite entre curiosité humaine et puissance computationnelle.

Ce que cela révèle sur la démocratisation de la recherche scientifique

L'exploit de cet amateur n'est pas seulement une belle histoire individuelle. Il est le symptôme d'une transformation structurelle profonde dans la façon dont le savoir scientifique est produit, diffusé et accessible. Pendant des siècles, la recherche de haut niveau a été l'apanage d'une élite formée dans des institutions spécialisées, disposant de ressources considérables - bibliothèques, laboratoires, réseaux de pairs. L'IA générative est en train de redistribuer radicalement les cartes.

Considérons ce que ChatGPT a réellement apporté dans cette aventure. Le modèle dispose d'une connaissance encyclopédique des mathématiques, accumulée à partir de millions de textes académiques, de manuels, d'articles de recherche et de discussions en ligne. Il peut mobiliser cette connaissance de façon contextuelle, en réponse à des questions formulées en langage naturel. Pour un amateur, c'est l'équivalent d'avoir accès à un tuteur omniscient, disponible à toute heure, infiniment patient et capable d'adapter son niveau d'explication à son interlocuteur.

Mais la démocratisation que cet épisode annonce va bien au-delà des mathématiques. Elle concerne l'ensemble des disciplines scientifiques et intellectuelles. On peut imaginer des implications concrètes et significatives dans de nombreux domaines :

Domaine	Barrière traditionnelle	Ce que l'IA peut changer
Mathématiques	Formation formelle de haut niveau	Exploration intuitive guidée par l'IA
Biologie	Accès aux bases de données et à la littérature	Synthèse et analyse accessibles à tous
Droit	Maîtrise de corpus juridiques complexes	Navigation assistée dans la jurisprudence
Économie	Modélisation et statistiques avancées	Interprétation et simulation simplifiées
Philosophie	Connaissance de la tradition académique	Dialogue socratique augmenté par l'IA

Cette démocratisation soulève néanmoins des questions légitimes. La communauté mathématique a-t-elle bien vérifié la preuve produite ? La validation par les pairs reste-t-elle le standard incontournable, même quand la découverte vient d'un amateur assisté par une IA ? La réponse est oui, et c'est précisément ce qui rend cet exploit crédible : la preuve a été soumise aux processus habituels de vérification, et elle a tenu la route. L'IA n'a pas contourné la rigueur mathématique - elle a aidé à y accéder.

Il faut aussi noter les limites de cette démocratisation. Tous les problèmes ouverts ne sont pas accessibles à cette approche. Certains requièrent des années d'immersion dans un domaine, une intuition profonde que seule l'expérience peut forger. Le "vibe maths" n'est pas une baguette magique qui transforme n'importe quel curieux en mathématicien de génie. Mais il ouvre une fenêtre nouvelle, et cette fenêtre est déjà en train de changer le paysage de la recherche.

Implications pour l'avenir de la science et de l'éducation

Si un amateur peut résoudre un problème d'Erdős avec ChatGPT, que cela signifie-t-il pour l'avenir de la recherche scientifique et de l'enseignement des mathématiques ? Les implications sont à la fois enthousiasmantes et déstabilisantes, selon la perspective depuis laquelle on les examine.

Du côté de la recherche, cet épisode invite à repenser la notion même d'expertise. Pendant longtemps, la légitimité d'une contribution scientifique était indissociable du parcours institutionnel de son auteur : diplômes, affiliations, publications antérieures. L'IA brouille ces repères. Ce qui compte désormais, c'est la qualité du résultat - la validité de la preuve, la pertinence de la découverte - et non le statut de celui qui l'a produite. C'est une évolution potentiellement saine pour la science, qui a toujours été, en théorie, une entreprise fondée sur les idées plutôt que sur les titres.

Pour les institutions académiques, le défi est considérable. Comment intégrer ces nouvelles pratiques dans les cursus ? Comment évaluer des étudiants qui peuvent désormais s'appuyer sur des assistants IA pour résoudre des problèmes complexes ? La réponse ne peut pas être simplement d'interdire ces outils - ce serait aussi absurde que d'interdire les calculatrices dans les années 1980. Il faut au contraire repenser ce que l'on cherche à enseigner et à évaluer.

"L'IA ne remplace pas la pensée mathématique - elle la rend accessible à ceux qui n'ont jamais eu la chance de la développer dans un cadre formel. C'est une révolution pédagogique autant que scientifique."

Les compétences qui deviennent précieuses dans ce nouveau contexte ne sont plus seulement techniques. Elles sont davantage liées à ce que l'on pourrait appeler l'intelligence de la question : la capacité à formuler un problème de façon pertinente, à identifier les bonnes pistes, à évaluer la qualité d'une réponse, à persévérer dans une direction prometteuse. Ces compétences sont transversales, moins dépendantes d'une formation disciplinaire spécialisée, et potentiellement plus équitablement distribuées dans la population.

Pour les chercheurs professionnels, l'IA générative représente également une opportunité considérable. Si un amateur peut accomplir de tels exploits, imaginez ce que des mathématiciens expérimentés, disposant d'une intuition disciplinaire profonde et d'une maîtrise des outils formels, peuvent accomplir en s'appuyant sur ces mêmes technologies. Les prochaines années pourraient voir une accélération spectaculaire du rythme des découvertes scientifiques, dans des domaines aussi variés que la théorie des nombres, la biologie computationnelle, la physique théorique ou la chimie.

L'histoire de cet amateur et de son problème d'Erdős est, en définitive, une métaphore puissante de notre époque. Elle nous rappelle que les frontières entre expert et novice, entre professionnel et amateur, entre possible et impossible, sont moins rigides qu'on ne le croyait. Et que parfois, la curiosité d'un non-expert, armée des bons outils, peut là où des décennies d'expertise n'ont pas suffi. C'est une leçon d'humilité pour la science institutionnelle, et une invitation pour tous ceux qui ont toujours voulu explorer des territoires intellectuels qui leur semblaient inaccessibles.