Qu'est-ce que l'hypothèse de Riemann, et à quel point l'IA est-elle proche de la résoudre ?

Depuis plus de 150 ans, une seule conjecture sur la répartition des nombres premiers demeure l'un des problèmes ouverts les plus célèbres des mathématiques, résistant aux efforts de générations de mathématiciens. Un modèle d'intelligence artificielle non publié, développé par Anthropic, aurait désormais réalisé des progrès significatifs sur l'hypothèse de Riemann — sans parvenir à une preuve complète, mais en allant plus loin que ce que beaucoup dans le domaine attendaient d'un système d'IA.

Formulée pour la première fois par le mathématicien allemand Bernhard Riemann en 1859, l'hypothèse énonce une affirmation précise à propos d'un objet mathématique appelé la fonction zêta de Riemann, qui encode des informations profondes sur la répartition des nombres premiers parmi tous les nombres entiers. Riemann a postulé que chaque zéro « non trivial » de cette fonction — un ensemble particulier de points où la valeur de la fonction est égale à zéro — se situe sur une seule droite du plan complexe, celle où la partie réelle du nombre vaut toujours un demi. Cela paraît abstrait, mais cette unique affirmation précise a d'immenses conséquences en cascade sur la façon dont les mathématiciens comprennent la répartition en apparence aléatoire des nombres premiers le long de la droite des nombres.

L'hypothèse est célèbre bien au-delà des départements de mathématiques, en partie à cause de la récompense qui y est associée : le Clay Mathematics Institute l'a désignée en 2000 comme l'un des sept problèmes du prix du millénaire, offrant un million de dollars à quiconque en produirait une preuve rigoureuse. Un seul des sept problèmes a été résolu depuis, ce qui souligne à quel point ce type de question est difficile — et l'importance que revêtirait la chute de l'hypothèse de Riemann.

Il importe d'être précis sur ce que signifie « progrès » ici, car cela ne correspond pas à une solution. Les mathématiciens distinguent nettement les preuves computationnelles — montrer qu'une conjecture se vérifie pour un nombre considérable de cas testés, ce qui a déjà été fait pour des milliers de milliards de zéros de la fonction zêta — d'une preuve rigoureuse établissant que l'affirmation est vraie pour chaque cas, sans exception, pour toujours. Ce que le modèle non publié d'Anthropic aurait produit relève d'une catégorie intermédiaire : des avancées théoriques significatives sur des techniques pertinentes pour le problème, et non une preuve achevée que la communauté mathématique au sens large aurait vérifiée.

Cette approche reflète une évolution plus large dans la façon dont les systèmes d'IA sont appliqués aux mathématiques avancées. Plutôt que de simplement mémoriser des résultats connus, les modèles d'IA modernes peuvent explorer d'immenses espaces de stratégies de preuve possibles, reconnaître des motifs à travers de vastes corpus de littérature mathématique existante et, de plus en plus, travailler aux côtés de logiciels de vérification formelle de preuves capables de vérifier mécaniquement si chaque étape logique d'un raisonnement est réellement valide — réduisant, sans l'éliminer, le risque qu'une erreur subtile passe inaperçue.

Cette question de vérification compte énormément ici, car l'histoire de l'hypothèse de Riemann est jonchée de preuves annoncées qui n'ont pas résisté à l'examen. Les mathématiciens ont tendance à traiter toute annonce de progrès sur un problème aussi célèbre avec une prudence considérable, jusqu'à ce que le travail sous-jacent ait été vérifié de manière indépendante, ligne par ligne, par d'autres experts du domaine — un processus qui, pour un résultat de cette importance, prendrait probablement des mois, voire des années, plutôt que des jours.

Le travail d'Anthropic s'inscrit dans une tendance plus large et en croissance rapide de recherche mathématique assistée par l'IA. D'autres laboratoires d'IA ont ces dernières années rapporté des systèmes ayant généré de nouvelles preuves pour des problèmes d'olympiades de géométrie, découvert de nouvelles constructions mathématiques, et aidé des mathématiciens humains à explorer des conjectures qui, sans cela, demanderaient toute une carrière à étudier manuellement. L'hypothèse de Riemann, compte tenu de sa notoriété et de sa difficulté, est devenue une sorte de référence informelle pour mesurer les progrès de ce type de raisonnement mathématique assisté par l'IA.

Le modèle à l'origine des progrès rapportés n'a pas été rendu public, et Anthropic s'est montrée mesurée dans la façon de caractériser le résultat — le décrivant comme un progrès significatif plutôt que comme une percée ou une solution. Cette formulation compte dans un domaine où des affirmations exagérées ont par le passé conduit à des rétractations embarrassantes, et où la confiance de la communauté mathématique dépend largement d'un langage précis et non exagéré sur ce qui a été réellement démontré ou non.

Une preuve complète de l'hypothèse de Riemann, si elle finit par être trouvée, aurait des répercussions bien au-delà d'une seule équation. Elle affinerait la compréhension qu'ont les mathématiciens de l'irrégularité ou de la régularité réelle de la répartition des nombres premiers, avec des effets en cascade dans la théorie des nombres et les domaines connexes. Elle ne représenterait toutefois pas une menace immédiate pour les systèmes de chiffrement modernes, qui reposent sur la difficulté pratique de factoriser de grands nombres plutôt que directement sur la véracité de l'hypothèse de Riemann elle-même — une distinction parfois brouillée dans la couverture médiatique grand public du sujet.

Pour l'heure, l'hypothèse de Riemann demeure non résolue, et les mathématiciens estiment qu'elle devrait le rester encore un certain temps. Mais le fait qu'un système d'IA — même pas encore rendu public — ait pu produire des progrès réels, quoique partiels, sur un problème qui résiste aux meilleurs mathématiciens du monde depuis un siècle et demi, constitue en soi un indicateur de la rapidité avec laquelle progressent les mathématiques assistées par l'IA, et un signe que ces outils pourraient de plus en plus devenir des collaborateurs, plutôt que de simples calculatrices, dans la quête de certaines des plus anciennes questions ouvertes du domaine.