L’essentiel
- Edgar Dobriban, professeur de statistiques à la Wharton School (université de Pennsylvanie), a utilisé GPT-5.6 Sol Pro pour réfuter une conjecture restée sans preuve depuis 1995.
- Le modèle a construit le contre-exemple en près de 90 minutes, là où la génération précédente, GPT-5.5, avait échoué après une vingtaine d’heures et plusieurs agents.
- L’écart mis au jour reste minuscule (0,0104 contre une cible de 0,01) : la portée est théorique, la méthode visée n’est pas invalidée pour autant.
Une certitude installée depuis 1995 chez les statisticiens vient de céder, et l’auteur de la brèche n’est pas humain. GPT-5.6 Sol Pro a construit le contre-exemple en une seule session de travail, là où la génération précédente s’était acharnée des heures durant, sans rien trouver.
Il y a quelques jours, nous racontions comment une IA avait bouclé une démonstration mathématique sans citer une seule source. L’épisode se prolonge, sur un terrain plus sensible encore : cette fois, le modèle ne complète pas une preuve, il en démolit une que la communauté tenait pour acquise sans jamais l’avoir établie.
Un pilier des statistiques modernes pris en défaut
Pour saisir l’enjeu, un ordre de grandeur suffit : l’article publié en 1995 par Yoav Benjamini et Yosef Hochberg dépasse les 130 000 citations. Leur procédure, dite BH, contrôle le taux de fausses découvertes (FDR, la part de résultats déclarés significatifs qui sont en réalité de fausses alertes).
Le problème qu’elle résout est partout. Dès qu’on teste des milliers d’hypothèses en même temps, comme lorsqu’on scanne le génome humain à la recherche de gènes liés à une maladie, les faux positifs s’accumulent mécaniquement. La procédure BH borne ce risque, et elle est devenue un réflexe dans des pans entiers de la science.
Benjamini et Hochberg avaient prouvé qu’elle fonctionne sur des données indépendantes. Or les vraies données le sont rarement : deux variants génétiques voisins sont souvent hérités ensemble, donc corrélés. Pendant des années, les spécialistes ont supposé que la méthode tenait aussi sur des données corrélées et normalement distribuées, avec des tests bilatéraux. Personne ne l’avait démontré. Personne, jusqu’ici, n’avait non plus montré le contraire.
Une faille démontrée, mais d’ampleur minime
Dans son preprint, Dobriban se sert de GPT-5.6 Sol Pro pour construire un modèle statistique où le taux réel de fausses découvertes dépasse, de façon démontrable, le seuil visé. Des simulations confirment le résultat, et le chercheur a publié le code qui l’accompagne.
Mais l’écart est mince : 0,0104 pour une cible fixée à 0,01. La garantie théorique saute, mais de peu. Dobriban le dit lui-même : la conséquence est surtout théorique à ce stade, les effets pratiques restent à étudier, et rien n’indique que la procédure BH devienne inutilisable.
Le nouveau modèle a vu l’assemblage que l’ancien manquait
C’est pourtant là que se joue l’essentiel. GPT-5.6 Sol Pro a trouvé la solution en environ 90 minutes. Quelque temps plus tôt, GPT-5.5 s’y était cassé les dents pendant près de 20 heures, épaulé par plusieurs agents, sans rien produire. « L’amélioration de capacité est bien réelle », résume Dobriban, qui parle d’une époque grisante à vivre.
Cet écart ne mesure pas une machine devenue plus rapide. Il mesure un saut de génération. Le problème résistait non par manque de puissance de calcul, mais parce qu’il fallait relier des méthodes connues d’une façon que personne n’avait vue. Le nouveau modèle a trouvé cet assemblage ; l’ancien, non. Ce que l’IA vient de déplacer, c’est la frontière de la créativité mathématique, bien plus que celle du calcul brut. Le mouvement dépasse d’ailleurs OpenAI : chez Google, l’agent AlphaEvolve, adossé au modèle Gemini, a de son côté trouvé de meilleures solutions à des problèmes mathématiques ouverts restés sans réponse.
Le résultat secoue les intéressés. Will Fithian, statisticien à Berkeley, a qualifié la conjecture réfutée de « problème ouvert le plus intéressant de mon domaine », et y voit « un nouveau marqueur des capacités croissantes de l’IA, dont les conséquences dépasseront de loin les mathématiques ». Il confie aussi son vague à l’âme : un résultat clé, jusqu’ici, c’était un collègue à féliciter, une intuition humaine à admirer.
Une solution qui recombine des outils déjà connus
Un détail tempère l’exploit. Comme dans les cas comparables en mathématiques, la solution combine des approches existantes plutôt qu’elle n’invente du neuf. Dobriban juge la combinaison inhabituelle, mais le résultat « pas vraiment surprenant » : toute la difficulté était de trouver le bon raccord entre des outils déjà là.
Reste la question de fond, que ce nouvel épisode pose sans la trancher : un modèle entraîné sur des données humaines peut-il raisonner jusqu’à une connaissance authentiquement nouvelle, ou ne fait-il « que » recombiner ce qu’il a appris ? La réponse a moins d’importance qu’il n’y paraît. Car si la recombinaison suffit à faire tomber, en une heure et demie, ce que trois décennies d’expertise humaine avaient laissé ouvert, alors la distinction perd de son tranchant pour quiconque travaille avec ces outils.
Mon avis
Je retiens moins les quatre-vingt-dix minutes que la nature de ce qui s’est joué : le modèle n’a pas calculé plus vite, il a vu l’assemblage que trente ans d’expertise n’avaient pas su voir. Tant qu’on jugera ces systèmes à leur seule vitesse, on passera à côté de ce qui bouge vraiment. Et une prédiction, datée : d’ici un an, l’argument « ils ne font que recombiner » aura cessé de rassurer qui que ce soit, parce qu’une recombinaison qui atteint ce qu’aucun humain n’atteignait ressemble déjà, pour le praticien, à une découverte.
