Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
SortieAnalyse · Sur le radarHabr AI→ original

Un chercheur indépendant a passé un an et demi à tenter de prouver l'hypothèse de Riemann avec Claude et Lean, sans succès

Le chercheur indépendant Vladimir Radkevitch a passé un an et demi à tenter de prouver l'hypothèse de Riemann avec Claude et Lean, mais un facteur croissant absorbait tous les gains, un peu comme accélérer une opération dans un code dont la préparation des données ralentit d'autant. Selon lui, le 20 novembre 2026, Levent Alpöge a prouvé l'hypothèse, également avec Claude ; Lean et Mathlib ont confirmé la vérification. La leçon : une chaîne d'IA a besoin d'un vérificateur strict, faute de quoi elle produit des calculs convaincants sans résultat.

Traité par IA depuis Habr AI ; édité par Hamidun News
Un chercheur indépendant a passé un an et demi à tenter de prouver l'hypothèse de Riemann avec Claude et Lean, sans succès
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Lean n'accepte une preuve que si elle est valable pour toutes les entrées
Chiffre clé #2La bibliothèque d'Alpöge en Lean compte environ 17 millions de lignes de code
Chiffre clé #3La bibliothèque d'un tiers a été vérifiée par la communauté Lean et par des vérificateurs indépendants

Il arrive qu'on passe une semaine à optimiser du code, que chaque modification semble raisonnable, que les tests passent au vert, et que le temps d'exécution ne bouge pas. Quelque chose grignote discrètement tout le gain. C'est à peu près ce qui s'est passé pendant un an et demi de travail pour le chercheur indépendant Vladimir Radkevitch, qui a tenté de prouver l'hypothèse de Riemann avec les modèles Claude et Codex et le système de vérification Lean.

Il n'y est pas parvenu. Il a toutefois publié sur Habr une analyse détaillée de ce à quoi ressemble une idée « presque fonctionnelle », et de la facilité avec laquelle on peut se laisser tromper, humain comme IA, par ses propres calculs.

Précision d'emblée : tout ce qui suit repose sur le récit de l'auteur, que nous n'avons pas recoupé. Le texte original sur Habr est le premier volet d'une série de trois, et notre article n'en reprend que la partie disponible ; pour les deuxième et troisième volets, on ne peut s'appuyer que sur l'annonce faite par l'auteur.

Où disparaissait le gain

L'auteur décrit une panne typique. Pour faire tendre une erreur vers zéro, il élargissait la fenêtre de calcul, en pensant que plus elle est large, plus l'estimation est précise. Les calculs étaient corrects, les inégalités auxiliaires aussi, et une partie était même vérifiée sur ordinateur. Puis il est apparu que le facteur multiplicatif croissait avec la fenêtre et absorbait exactement ce qui avait été gagné. Plusieurs pages de calculs convaincants pour finir par une progression nulle.

Le développeur reconnaîtra la situation : on accélère une opération, mais la préparation des données qui la alimente ralentit d'autant. Le gain local est réel, le gain global est nul. L'auteur conseille donc de poser d'emblée à toute nouvelle idée une question désagréable : où se cache son coût, et ce coût ne va-t-il pas égaler le gain ?

Comment une hypothèse devient un problème « presque ML »

L'hypothèse de Riemann affirme que tous les zéros non triviaux de la fonction zêta se trouvent sur une même droite verticale au milieu de la bande critique. Les ordinateurs en ont vérifié des billions, et tous sont sur cette droite. Mais un grand nombre d'exemples ne remplace pas le mot « tous » : le zéro suivant pourrait être le premier contre-exemple.

Le projet de Radkevitch s'appelle NymanBeurling, d'après le critère de Nyman–Beurling. Il transforme la question des zéros en une question d'approximation. On construit une famille de fonctions « dentelées » sur l'intervalle de 0 à 1 à partir des parties fractionnaires des nombres.

Imaginez-les comme de courtes ondes sonores : on peut régler le volume de chacune et en inverser le signe. Le but est de les additionner pour obtenir une ligne parfaitement plate, la constante 1, de sorte que l'erreur au sens des moindres carrés tende vers zéro. Dans la version renforcée de Báez-Duarte, le critère s'énonce ainsi : l'hypothèse est vraie si et seulement si cette erreur tend vers zéro.

À l'oreille, cela ressemble beaucoup à de l'apprentissage automatique : on ajuste les coefficients et on regarde l'erreur diminuer. Pourquoi l'addition de ces ondes en dit-il quelque chose sur les zéros de la fonction zêta ? L'auteur l'explique dans un raisonnement séparé : si un zéro « fautif » existait, il existerait un instrument qui ne voit aucun des blocs de construction mais voit la cible.

Un tel instrument est stable, donc on ne pourrait pas s'en approcher.

Des erreurs simples se sont aussi produites. Par inadvertance, une fonction identiquement nulle a été incluse dans une « base linéairement indépendante », et une ligne nulle est apparue dans la matrice.

Ce que fait Lean et ce qu'il faut en retenir

Dans Lean, un énoncé s'écrit comme un type, et une preuve comme une valeur de ce type. Un noyau spécialisé vérifie que la valeur est construite selon des règles autorisées. Pour un programmeur, c'est la différence entre une interface et son implémentation, à ceci près que l'implémentation doit être un témoignage de vérité et non une fonction qui renvoie true. Si Lean accepte une preuve, elle fonctionne pour tous les objets satisfaisant les conditions : elle ne peut pas être prise en défaut « à l'entrée suivante ».

Mais la vérification a une limite : le sens des définitions et des conditions doit toujours être compris par un humain. L'auteur prévient d'ailleurs qu'ils le vérifieront « à leurs dépens ».

Les rôles étaient répartis ainsi. Radkevitch choisissait les questions, discutait des constructions et tentait de relier les résultats en un tout. Claude et Codex proposaient des arguments, écrivaient du code, se cherchaient mutuellement des erreurs et se trompaient eux aussi. Ils ont commencé en août 2025, la chronique principale se situant entre janvier et octobre 2026.

La fin de l'histoire, selon l'auteur : le 20 novembre 2026, l'hypothèse a été prouvée par une autre personne, Levent Alpöge, également en binôme avec Claude. Il a publié une bibliothèque Lean d'environ 17 millions de lignes, et le 21 novembre, les communautés Lean et Mathlib ont publié une déclaration commune : la preuve et l'énoncé ont été vérifiés. Radkevitch n'a pas lui-même refait la vérification machine et ne prétend pas avoir compris les 17 millions de lignes.

La conclusion pratique pour ceux qui construisent des agents et de longues chaînes de modèles : sans arbitre externe et rigoureux, ces systèmes produisent des pages convaincantes sans résultat. Dans cette histoire, le vérificateur formel a joué le rôle d'un jeu de tests exigeant. Il n'invente pas la solution, mais il montre honnêtement ce qui a réellement été obtenu. Le dépôt du projet reste pour l'instant fermé ; l'auteur en accorde l'accès sur demande.

Dossier

Questions clés sur cet article

Que sait-on sur Où disparaissait le gain ?

L'auteur décrit une panne typique. Pour faire tendre une erreur vers zéro, il élargissait la fenêtre de calcul, en pensant que plus elle est large, plus l'estimation est précise. Les calculs étaient corrects, les inégalités auxiliaires aussi, et une partie était même vérifiée sur ordinateur. Puis il est apparu que le facteur multiplicatif croissait avec la fenêtre et absorbait exactement ce qui avait été gagné. Plusieurs pages de calculs convaincants pour finir par une progression nulle.

Comment une hypothèse devient un problème « presque ML »?

L'hypothèse de Riemann affirme que tous les zéros non triviaux de la fonction zêta se trouvent sur une même droite verticale au milieu de la bande critique. Les ordinateurs en ont vérifié des billions, et tous sont sur cette droite. Mais un grand nombre d'exemples ne remplace pas le mot « tous » : le zéro suivant pourrait être le premier contre-exemple. Le projet de Radkevitch s'appelle NymanBeurling, d'après le critère de Nyman–Beurling. Il transforme la question des zéros en une question d'approximation.

Que sait-on sur Ce que fait Lean et ce qu'il faut en retenir ?

Dans Lean, un énoncé s'écrit comme un type, et une preuve comme une valeur de ce type. Un noyau spécialisé vérifie que la valeur est construite selon des règles autorisées. Pour un programmeur, c'est la différence entre une interface et son implémentation, à ceci près que l'implémentation doit être un témoignage de vérité et non une fonction qui renvoie true. Si Lean accepte une preuve, elle fonctionne pour tous les objets satisfaisant les conditions : elle ne peut pas être prise en défaut « à l'entrée suivante ».

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…