Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Un mathématicien affirme que Claude l'a aidé à prouver l'hypothèse de Riemann : la vérification du code atteint 99 %

Levent Alpöge, mathématicien chez Anthropic, affirme avoir prouvé l'hypothèse de Riemann avec l'aide de Claude. Ce problème sur les nombres premiers date de 1859. La preuve est écrite en Lean, une sorte de compilateur pour les mathématiques : il n'accepte que les raisonnements sans faille. La vérification publique, qui porte sur 175 000 fichiers, a atteint 99 % sans erreur, mais le verdict n'est pas encore rendu. Pour un développeur, la leçon est simple : la réponse d'un modèle est plus fiable quand une machine stricte la contrôle.

Traité par IA depuis Habr AI ; édité par Hamidun News
Un mathématicien affirme que Claude l'a aidé à prouver l'hypothèse de Riemann : la vérification du code atteint 99 %
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1La vérification a été lancée par un passionné : serveur de 128 cœurs et 244 Go de mémoire
Chiffre clé #2Le build comprend 14 archives, 228 Mo de code et plus de 26 000 tâches de compilation
Chiffre clé #3Alpöge estime que l'approche pourrait aussi s'appliquer à l'hypothèse de Riemann généralisée

Levent Alpöge, mathématicien chez Anthropic, affirme avoir trouvé avec Claude une preuve de l'hypothèse de Riemann, l'un des problèmes non résolus les plus célèbres des mathématiques. Pour l'instant, il s'agit bien d'une affirmation, pas d'un fait établi. Mais ce qui mérite l'attention n'est pas le coup d'éclat : c'est la méthode de vérification. La preuve n'est pas rédigée sous forme de texte convaincant, mais sous forme de code en Lean, que l'ordinateur vérifie lui-même. C'est le principe sur lequel repose tout travail fiable avec l'IA en développement : le modèle propose, un système externe strict accepte ou rejette.

Ce qui est affirmé exactement, et pourquoi c'est important

L'hypothèse a été formulée en 1859 par le mathématicien allemand Bernhard Riemann. En 167 ans, les meilleurs mathématiciens de la planète n'ont pas réussi à la démontrer. Elle figure parmi les sept problèmes du millénaire : l'Institut de mathématiques Clay promet un million de dollars pour la résolution de chacun d'eux.

Pour faire simple, l'hypothèse concerne la répartition des nombres premiers, ceux qui ne sont divisibles que par un et par eux-mêmes. Dans la suite des entiers naturels, ils semblent dispersés au hasard, mais l'hypothèse de Riemann décrit une régularité stricte derrière ce chaos. Beaucoup de choses en dépendent : un grand nombre de résultats en théorie des nombres sont démontrés sous la réserve « si l'hypothèse de Riemann est vraie ». Une preuve authentique permettrait de lever cette réserve pour de nombreux théorèmes à la fois.

En un quart de siècle d'existence du prix, une seule des sept énigmes a été résolue : en 2002–2003, Grigori Perelman a démontré la conjecture de Poincaré. En 2010, on lui a décerné le million de dollars, mais il a refusé l'argent, comme il avait refusé auparavant la médaille Fields.

Ce qui distingue Lean d'un « beau texte »

Imaginez deux façons de vérifier le code de quelqu'un d'autre. Dans la première, vous le lisez et décidez que tout paraît raisonnable. Dans la seconde, vous lancez le compilateur et les tests : ils passent, ou ils échouent. Lean est cette seconde méthode appliquée aux mathématiques. Chaque étape du raisonnement est écrite comme du code, et l'ordinateur la vérifie séquentiellement. Un modèle peut écrire avec aplomb n'importe quelle absurdité, mais dans Lean, une étape non vérifiée ne compile tout simplement pas.

L'ampleur de la vérification impressionne. Un passionné a lancé un build public sur un serveur doté d'un processeur de 128 cœurs et de 244 Go de mémoire vive. Le projet compte 14 archives, 228 Mo de sources, plus de 175 000 fichiers Lean et plus de 26 000 tâches de compilation. À l'étape publiée, la vérification a atteint 99 % sans erreur détectée.

Pourquoi il est trop tôt pour crier victoire

Un build sans erreur à 99 % ne signifie pas que l'hypothèse est démontrée. Deux questions principales se posent.

Première question : le théorème final en Lean correspond-il réellement au problème d'origine ? Une analogie tirée du développement : les tests peuvent être au vert tout en vérifiant autre chose que ce que demandait la spécification. Si l'énoncé en Lean diffère de la véritable hypothèse de Riemann, l'ordinateur confirmera honnêtement un autre théorème.

Seconde question : la preuve repose-t-elle sur des hypothèses inadmissibles, c'est-à-dire sur des affirmations admises sans justification ? Ce point doit être vérifié par des spécialistes indépendants.

Ce qu'il faut en retenir en pratique

Premièrement, si le résultat est confirmé, on disposera d'une occasion rare d'évaluer l'apport de l'IA à une véritable découverte scientifique, et non à un score sur un énième benchmark. Un travail conjoint d'un humain et d'un modèle de langage sur un problème resté ouvert pendant plus d'un siècle et demi, c'est une tout autre échelle que les classements de modèles.

Deuxièmement, le schéma lui-même est utile aux ingénieurs : plus le vérificateur externe est strict (compilateur, tests, spécification formelle), plus il est sûr de confier de longues tâches à un modèle. Il faut faire confiance à la vérification, pas au ton assuré d'une réponse.

Troisièmement, Alpöge affirme que l'approche pourrait aussi fonctionner pour l'hypothèse de Riemann généralisée, un problème mathématique encore plus vaste. Là encore, il ne s'agit pour l'instant que d'une affirmation.

Il est trop tôt pour dire que l'hypothèse de Riemann est résolue. Mais si la preuve résiste à une vérification indépendante, 2026 pourrait entrer dans l'histoire non seulement des mathématiques, mais aussi de l'intelligence artificielle. On peut suivre la vérification publique grâce au lien de la source d'origine : http://106.14.11.164.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui est affirmé exactement, et pourquoi c'est important ?

L'hypothèse a été formulée en 1859 par le mathématicien allemand Bernhard Riemann. En 167 ans, les meilleurs mathématiciens de la planète n'ont pas réussi à la démontrer. Elle figure parmi les sept problèmes du millénaire : l'Institut de mathématiques Clay promet un million de dollars pour la résolution de chacun d'eux. Pour faire simple, l'hypothèse concerne la répartition des nombres premiers, ceux qui ne sont divisibles que par un et par eux-mêmes.

Que sait-on sur Ce qui distingue Lean d'un « beau texte » ?

Imaginez deux façons de vérifier le code de quelqu'un d'autre. Dans la première, vous le lisez et décidez que tout paraît raisonnable. Dans la seconde, vous lancez le compilateur et les tests : ils passent, ou ils échouent. Lean est cette seconde méthode appliquée aux mathématiques. Chaque étape du raisonnement est écrite comme du code, et l'ordinateur la vérifie séquentiellement. Un modèle peut écrire avec aplomb n'importe quelle absurdité, mais dans Lean, une étape non vérifiée ne compile tout simplement pas.

Pourquoi il est trop tôt pour crier victoire?

Un build sans erreur à 99 % ne signifie pas que l'hypothèse est démontrée. Deux questions principales se posent. Première question : le théorème final en Lean correspond-il réellement au problème d'origine ? Une analogie tirée du développement : les tests peuvent être au vert tout en vérifiant autre chose que ce que demandait la spécification. Si l'énoncé en Lean diffère de la véritable hypothèse de Riemann, l'ordinateur confirmera honnêtement un autre théorème.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…