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 radarGuardian→ original

Axiom Math : une IA a rédigé en Lean une preuve de 43,1 millions de lignes de code en 24 jours

La classification des groupes finis simples est l'une des plus grandes preuves de l'histoire des mathématiques, à laquelle des scientifiques ont travaillé pendant des décennies. L'équipe d'Axiom Math l'a écrite en Lean en 24 jours avec l'aide de l'IA : cela donne 43,1 millions de lignes de code, où chaque étape est vérifiée par un petit programme noyau. En chemin, elle a trouvé une faille dans la démonstration publiée d'un théorème clé. Conclusion pour les ingénieurs : à côté de l'IA, placez un vérificateur mécanique indépendant.

Traité par IA depuis Guardian ; édité par Hamidun News
Axiom Math : une IA a rédigé en Lean une preuve de 43,1 millions de lignes de code en 24 jours
Source : Guardian. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireGuardian ↗
Rédacteur en chef
Lean accepte ou rejette chaque étapeun raisonnement élégant mais faux ne passera pas
Chiffre clé #2Pour la faille de l'ancienne démonstration, l'équipe a proposé un argument alternatif
Chiffre clé #3L'humain vérifie toujours que la formalisation dit bien ce qui était voulu

Imaginez un projet dans lequel plusieurs générations de mathématiciens ont écrit une seule démonstration gigantesque, qu'il faut maintenant vérifier en entier, jusqu'à la dernière étape. C'est exactement ce qu'a fait l'équipe de la start-up Axiom Math : avec l'aide de l'IA, elle a traduit la preuve de la classification des groupes finis simples en langage Lean. Le résultat compte 43,1 millions de lignes de code, et l'ensemble du travail a pris 24 jours.

Ken Ono, professeur à l'Université de Virginie, actuellement en congé et employé comme mathématicien en chef d'Axiom Math, en a parlé dans une chronique pour The Guardian. Pour les développeurs, l'enjeu n'est pas la philosophie mais une méthode concrète : comment faire confiance à un résultat produit par un réseau de neurones.

Qu'est-ce que Lean et pourquoi 43,1 millions de lignes

La classification des groupes finis simples est l'une des plus grandes preuves de l'histoire des mathématiques. Annoncée en 1983, elle a occupé des chercheurs pendant des décennies, et une lacune importante de la démonstration n'a été comblée qu'en 2004. Relire et revérifier à la main un tel volume est extrêmement difficile.

Lean est un langage dans lequel chaque étape du raisonnement est vérifiée par un petit programme noyau. On ne peut pas le persuader : il accepte l'étape ou la rejette. Une démonstration élégante mais fausse ne passe donc tout simplement pas dans Lean. Selon Ono, Axiom Math utilise l'IA pour formaliser, vérifier et développer des démonstrations. Ce travail peut révéler des lacunes et rend les preuves accessibles à la vérification et à la réutilisation.

L'analogie avec la programmation est simple : le réseau de neurones écrit le code, le compilateur et les tests écartent les erreurs. Ici, le rôle des tests revient à un vérificateur formel, indépendant du modèle.

Ce qui a été trouvé en chemin

L'équipe a publié la première formalisation complète de la classification dans Lean. L'IA a permis d'obtenir ces 43,1 millions de lignes. En cours de route, une faille a été repérée dans la voie publiée vers l'un des théorèmes clés, et les auteurs ont proposé un argument alternatif. La démonstration finale est vérifiée par le noyau de Lean. Ono souligne que les mathématiques elles-mêmes appartiennent aux générations qui les ont créées. Les formalisations déjà disponibles aident à construire et à vérifier de nouveaux résultats.

Pour les praticiens, c'est une leçon utile. La formalisation fonctionne ici comme un audit : elle a trouvé une brèche dans un argument publié depuis longtemps, que la lecture ordinaire n'avait pas repérée. Si une erreur coûte cher dans votre système, par exemple dans des calculs financiers, des algorithmes médicaux ou une infrastructure critique, la seule génération par un modèle ne suffit pas. Il faut un vérificateur mécanique distinct.

Contexte et limites assumées

Ono précise la limite principale : le noyau de Lean confirme que la démonstration est correcte, mais il ne garantit pas que l'énoncé du théorème dit bien ce que l'on voulait dire. Cette vérification reste humaine. Dans le développement logiciel, c'est la même chose : un test peut être au vert tout en vérifiant le mauvais comportement.

La chronique commence par un aveu personnel. Ono écrit qu'il a failli abandonner les mathématiques l'an dernier. Il évoque l'annonce selon laquelle, le 20 novembre, Lévent Alpöge, avec Claude, aurait prouvé l'hypothèse de Riemann, un problème vieux de 167 ans sur la répartition des nombres premiers, et que les communautés Lean et Mathlib auraient déjà certifié la preuve formelle. Il ajoute que les humains commencent seulement à comprendre l'argument lui-même. Il s'agit du compte rendu de ces propos par l'auteur de la chronique ; le texte ne contient aucune évaluation indépendante de ces affirmations.

L'auteur mentionne aussi l'annonce d'OpenAI concernant la résolution du problème de Navier-Stokes. Deux jours après cette annonce, une conférence prévue par Ono à Berkeley s'est transformée en réunion d'environ deux heures et demie. Les étudiants ont posé des questions sur la paternité des résultats, la transparence, le recrutement et la manière dont on considère les mathématiciens dont les travaux sont arrivés en premier.

Ono cite la déclaration « A Severe Misalignment of AI in Mathematics », signée par Terence Tao et d'autres médaillés Fields. Elle met en garde contre les annonces hâtives, une attribution floue et la perte de compréhension mathématique. Ono partage ces inquiétudes. Universités, revues, employeurs et fondations doivent, selon lui, décider ce qu'ils soutiennent et récompensent. Les étudiants, ainsi que ceux qui choisissent de travailler sans IA, doivent aussi avoir leur mot à dire. Il résume sa position ainsi : l'espoir n'est pas un plan, et la nostalgie n'est pas un mentorat.

Dans son propre encadrement, Ono demandera à un jeune mathématicien ce qu'il a compris, inventé ou rendu possible. Un accès à un système puissant ne suffit pas pour cela. Et dans les publications auxquelles il participe, le lecteur doit voir ce qui est démontré, ce qui est admis sans preuve et qui a eu les idées.

Il en découle trois conclusions pratiques. Premièrement, les résultats de l'IA dans les domaines exacts seront de plus en plus accompagnés d'un certificat vérifiable par machine. Deuxièmement, la formalisation peut servir d'audit des anciens résultats. Troisièmement, les questions d'attribution et de transparence devront être traitées avec autant de sérieux que les questions techniques. Ono reconnaît qu'il peut se tromper dans ses prévisions et dit qu'il apprend encore à être mathématicien dans ces nouvelles conditions.

Dossier

Questions clés sur cet article

Qu'est-ce que Lean et pourquoi 43,1 millions de lignes?

La classification des groupes finis simples est l'une des plus grandes preuves de l'histoire des mathématiques. Annoncée en 1983, elle a occupé des chercheurs pendant des décennies, et une lacune importante de la démonstration n'a été comblée qu'en 2004. Relire et revérifier à la main un tel volume est extrêmement difficile. Lean est un langage dans lequel chaque étape du raisonnement est vérifiée par un petit programme noyau. On ne peut pas le persuader : il accepte l'étape ou la rejette.

Que sait-on sur Ce qui a été trouvé en chemin ?

L'équipe a publié la première formalisation complète de la classification dans Lean. L'IA a permis d'obtenir ces 43,1 millions de lignes. En cours de route, une faille a été repérée dans la voie publiée vers l'un des théorèmes clés, et les auteurs ont proposé un argument alternatif. La démonstration finale est vérifiée par le noyau de Lean. Ono souligne que les mathématiques elles-mêmes appartiennent aux générations qui les ont créées.

Que sait-on sur Contexte et limites assumées ?

Ono précise la limite principale : le noyau de Lean confirme que la démonstration est correcte, mais il ne garantit pas que l'énoncé du théorème dit bien ce que l'on voulait dire. Cette vérification reste humaine. Dans le développement logiciel, c'est la même chose : un test peut être au vert tout en vérifiant le mauvais comportement. La chronique commence par un aveu personnel. Ono écrit qu'il a failli abandonner les mathématiques l'an dernier.

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…