L'IA résout les problèmes d'Erdős : pourquoi les grands classiques des mathématiques cèdent face aux réseaux de neurones

C'est sur les problèmes de Paul Erdős que les réseaux de neurones ont enregistré leurs plus grands succès en mathématiques. Ce mathématicien hongrois iconoclaste du milieu du XXe siècle a laissé derrière lui des centaines de problèmes non résolus. Selon Quanta Magazine (numéro du 3 août 2026), les chercheurs examinent aujourd'hui en détail ce qui rend les problèmes d'Erdős si attrayants pour l'IA, afin de comprendre comment les réseaux de neurones transformeront le reste des mathématiques.

Qui était Erdős et pourquoi ses problèmes sont-ils célèbres

Paul Erdős (1913–1996) est l'un des mathématiciens les plus prolifiques de l'histoire : plus de 1500 articles scientifiques cosignés avec plus de 500 collègues, et des milliers de problèmes ouverts formulés. Erdős menait une vie nomade, passant d'université en université, et offrait une récompense en argent pour chaque solution, de $10 à $10 000 selon la difficulté. Beaucoup de ces problèmes n'ont été résolus qu'au XXIe siècle.

Les problèmes d'Erdős présentent plusieurs caractéristiques :

• Énoncé concis : la plupart se formulent en 2 à 3 phrases
• Nature combinatoire : ils relèvent surtout de la théorie des nombres et de la théorie des graphes
• Réponse concrète et vérifiable : une construction existe, ou elle n'existe pas
• « Difficulté élégante » : un énoncé simple cache une démonstration profonde

C'est précisément cette combinaison qui, selon les mathématiciens interrogés par Quanta Magazine, rend les problèmes d'Erdős adaptés à l'IA actuelle.

Pourquoi les problèmes d'Erdős se prêtent-ils aux réseaux de neurones ?

La raison principale tient à la structure de ces problèmes, qui correspond bien au fonctionnement des systèmes de preuve formelle. Des vérificateurs comme Lean et Coq permettent à l'IA d'avancer une hypothèse, puis de contrôler la validité de chaque énoncé, étape par étape. Sans un tel mécanisme, les réseaux de neurones peuvent produire des démonstrations convaincantes en apparence mais mathématiquement fausses, ce qui a longtemps limité l'usage de l'IA dans la recherche.

Les problèmes combinatoires dotés d'un critère clair « oui/non » sont particulièrement favorables : le modèle explore des stratégies, bâtit des constructions et cherche des contre-exemples sans risquer d'accumuler des erreurs dans les étapes intermédiaires. En 2024, le système AlphaProof de Google DeepMind a résolu quatre problèmes sur six aux Olympiades internationales de mathématiques (IMO 2024) ; plusieurs d'entre eux relevaient du type combinatoire propre à la tradition d'Erdős.

Qu'est-ce que cela changera en mathématiques ?

Selon les chercheurs cités par Quanta Magazine, les problèmes d'Erdős sont devenus un test décisif pour l'ensemble des mathématiques. Une fois compris pourquoi cette classe précise de problèmes cède face aux réseaux de neurones, les scientifiques pourront dresser une cartographie : où l'IA aidera les mathématiciens dans les années à venir, et où l'intuition humaine restera irremplaçable.

Selon l'analyse de

Quanta Magazine, en étudiant les problèmes d'Erdős, les mathématiciens cherchent en réalité la réponse à une question plus générale : quelles propriétés rendent un problème mathématique résoluble par une machine, par principe.

Une question reste ouverte : la même approche fonctionne-t-elle dans des domaines moins formalisés, comme la géométrie algébrique, la topologie, ou les problèmes qui exigent de créer des concepts fondamentalement nouveaux ? Dans ces domaines, l'intuition du chercheur reste pour l'instant irremplaçable, soulignent les mathématiciens.

Ce que cela signifie

Les succès de l'IA sur les problèmes d'Erdős signalent un changement qualitatif en mathématiques : les réseaux de neurones passent de l'aide au calcul à la résolution de problèmes restés ouverts pendant des décennies. Déterminer où se situe exactement la frontière des capacités de l'IA en science sera l'un des grands chantiers de recherche des années à venir.