GPT-5.6 Sol Ultra a produit une démonstration rigoureuse d’une conjecture mathématique restée ouverte pendant cinquante ans. Un mathématicien a vérifié la preuve et l’a trouvée correcte.

C’est l’énième résultat du genre en quelques jours. Le 12 juillet le modèle avait fermé la Cycle Double Cover Conjecture en utilisant 64 sous-agents en parallèle. Le 18 juillet il avait résolu un problème d’optimisation convexe, avec un benchmark montrant comment l’architecture des agents comptait autant que la puissance brute du modèle. Maintenant une autre conjecture, une autre vérification humaine.

Pourquoi cela te concerne. La répétition est le point clé. Une démonstration heureuse peut s’appeler coïncidence. Plusieurs résultats vérifiés sur des problèmes différents disent que quelque chose a changé dans la façon dont les modèles frontier construisent un raisonnement nouveau sur un territoire inexploré. Si tu utilises l’IA pour des analyses ou des décisions où il n’existe pas de réponse écrite quelque part, c’est le signal que la capacité à raisonner au-delà du connu est devenue reproductible.

Cela ne signifie pas que chaque output est correct. Un paper publié le même jour sur arXiv montre que les modèles violent encore des propriétés basiques de cohérence statistique quand on les fragmente en sous-populations : ils savent des choses qu’ils ne propagent pas de façon fiable dans les estimations agrégées. La distance entre « peut démontrer un théorème » et « peut faire une analyse sans erreurs » reste grande. Le premier est un domaine où la correction se vérifie de façon binaire. Le second, non.

En détail

La série de résultats mathématiques de GPT-5.6 Sol Ultra suit un pattern qui vaut la peine de comprendre pour qui utilise l’IA dans son travail.

Le premier résultat (12 juillet). La Cycle Double Cover Conjecture est un problème de théorie des graphes ouvert depuis les années soixante-dix : chaque graphe sans ponts admet une couverture cyclique de ses arêtes dans laquelle chaque arête apparaît exactement deux fois. GPT-5.6 Sol Ultra l’a attaqué avec 64 sous-agents en parallèle, chacun explorant une branche de la démonstration. Le mathématicien qui a vérifié le résultat l’a décrite comme élémentaire et correcte, deux mots qui en mathématique valent plus que mille adjectifs.

Le second (18 juillet). Un problème d’optimisation convexe, avec une différence importante par rapport au premier : un benchmark indépendant a montré que l’architecture agent comptait autant que le modèle lui-même. La boucle de contrôle, la délégation aux sous-agents et la vérification croisée faisaient la différence entre une réponse plausible et une démonstration qui tient.

Ce résultat (16 juillet). Une nouvelle conjecture ouverte depuis cinquante ans, toujours avec vérification humaine. Nous ne connaissons pas encore les détails de la démonstration ni le nom spécifique de la conjecture, mais le fait qu’un mathématicien l’ait vérifiée et confirmée est le point central.

Pourquoi les mathématiques sont un cas particulier. Les théorèmes ont une structure formelle qu’un modèle peut explorer de façon systématique, avec un feedback immédiat : un pas est correct ou ne l’est pas, et un expert peut le vérifier. C’est différent de dire que l’IA raisonne en général. C’est plus précis : dans les domaines où la correction est vérifiable de façon binaire, les modèles frontier peuvent construire des chemins démonstratifs originaux que personne n’avait écrits avant.

Le revers de la médaille. Le paper de Wolf et ses collègues sur arXiv (16 juillet) documente l’autre facette. Les chercheurs ont testé si les modèles satisfont la loi de la probabilité totale : si tu demandes à un modèle d’estimer une probabilité sur une population, et ensuite tu lui demandes d’estimer la même chose sur des sous-groupes et d’agréger, les résultats devraient coïncider. Ils ne coïncident pas. Les modèles possèdent la connaissance des sous-populations mais ne la propagent pas de façon fiable dans les estimations agrégées. Les chercheurs appellent ce phénomène macro fallacy : les estimations reconstruites à partir des sous-groupes sont souvent plus alignées aux données humaines que celles directes, mais le modèle ne sait pas qu’il a cette information et ne l’utilise pas quand tu lui demandes une estimation générale.

Pour qui utilise l’IA dans son travail, la conséquence est concrète. La capacité à construire un raisonnement rigoureux existe, mais elle est fragmentaire. Le même modèle qui démontre un théorème peut se tromper sur une agrégation statistique basique. Si ta tâche a une vérification formelle possible (mathématiques, code, logique), l’IA peut te surprendre. Si la vérification est nuancée (estimations, analyses qualitatives, jugements), il faut plus de prudence et plus de vérifications croisées.

Ce qui reste à vérifier. Nous n’avons pas le texte complet de la démonstration, ni ne savons quelle conjecture a été fermée. La vérification vient d’un mathématicien professionnel, mais nous ne connaissons pas les détails du processus de révision. Les sources collectées fournissent du contexte théorique (le lien entre compression et intelligence discuté par Karpathy, les incohérences statistiques documentées dans le paper de Wolf) mais ne confirment pas directement l’événement. Comme toujours avec les résultats frontier, il vaut mieux attendre la publication formelle avant de tirer des conclusions définitives sur les implications générales.