L'IA Claude d'Anthropic réalise une percée sur l'Hypothèse de Riemann

Publié le 12 août 2026 à 18:20 par Christian D.

C'est une histoire presque absurde. Celle d'une machine à qui l'on demande de s'attaquer à l'Everest des mathématiques, et qui, en échouant, découvre une nouvelle voie prometteuse à mi-pente.

Une version non publiée du modèle de langage Claude, développé par la société Anthropic, a réussi là où des générations de mathématiciens avançaient à pas de fourmi.

L'origine de cette avancée est tout aussi surprenante que le résultat lui-même : un employé d'Anthropic, sans formation poussée en mathématiques, a simplement demandé à l'IA de « tenter sérieusement sa chance » pour prouver la fameuse Hypothèse de Riemann.

La machine a échoué à résoudre l'énigme principale mais a produit un résultat collatéral d'une importance majeure, validé par des mathématiciens de l'entreprise et examiné par des experts externes.

Comment une IA a-t-elle progressé sur un problème mathématique centenaire ?

Claude a fait passer la proportion démontrée de zéros de la fonction zêta de Riemann sur la ligne critique de 41,6 % à 67,2 %. Pour simplifier, l'Hypothèse de Riemann prédit que tous les zéros « non-triviaux » d'une certaine fonction sont alignés.

Jusqu'à présent, les mathématiciens avaient prouvé que c'était le cas pour au moins 41,6 % d'entre eux. L'IA a donc réalisé un saut de plus de 25 points de pourcentage.

L'IA n'a pas inventé une nouvelle branche des mathématiques. Elle a plutôt agi comme un synthétiseur surpuissant en combinant des travaux existants. Elle a pioché dans les recherches de mathématiciens comme Enrico Bombieri et Hugh Montgomery et les a connectées à des travaux plus récents pour formuler une nouvelle approche.

Cet exploit en théorie des nombres (l'étude des propriétés des nombres entiers) montre la capacité de l'IA à trouver des ponts entre des idées complexes que les humains n'avaient pas encore envisagés.

Quelle a été la méthode de Claude pour obtenir ce résultat ?

La méthodologie est sans doute la partie la plus fascinante de cette histoire car l'IA n'a pas été guidée par un expert. Suite à une simple instruction, Claude a d'abord généré 650 pistes de recherche, toutes infructueuses.

Puis, pendant un jour et demi, le système a coordonné une armée de 60 sous-agents spécialisés. Ces derniers ont exécuté 2400 commandes, écrit des centaines de scripts Python pour des vérifications numériques et se sont critiqués mutuellement pour débusquer les erreurs.

Cette approche à grande échelle, consommant 31 millions de tokens (unités de texte générées), est un processus de recherche inhumain par son ampleur. Après avoir identifié le nouveau résultat, Claude a lancé une phase d'auto-vérification drastique.

Des agents ont cherché des contre-exemples, d'autres ont téléchargé 54 articles scientifiques pertinents sur la base de données arXiv pour s'assurer que la découverte était bien nouvelle et un agent a même été chargé de redémontrer le résultat à partir de zéro.

Le système a ensuite produit une preuve formelle en utilisant l'assistant de preuve Lean, un langage informatique qui garantit la rigueur logique d'un raisonnement mathématique.

Cette avancée de Claude signe-t-elle la fin des mathématiciens humains ?

Au contraire, cela redéfinit leur rôle et ouvre des perspectives vertigineuses. Le modèle d'intelligence artificielle n'a pas fait preuve d'une intuition « humaine » mais d'une capacité de calcul et de synthèse phénoménale.

Il a agi comme un assistant de recherche capable d'explorer des centaines de pistes simultanément. Cela déplace le curseur du travail du mathématicien : de la recherche exhaustive d'idées à la formulation des bonnes questions et à la validation de la pertinence des réponses de la machine.

Cette percée soulève des questions profondes sur la nature de la découverte scientifique. Si une IA peut générer des preuves, à qui en revient le crédit ? Comme le souligne le médaillé Fields Timothy Gowers, cité par TechCrunch, nous entrons peut-être dans un monde où les théorèmes ne seront plus systématiquement associés à des noms humains.

L'IA devient moins un simple outil de calcul et plus un collaborateur à part entière capable de défricher des territoires mathématiques vastes et complexes pour laisser aux humains le soin de l'interprétation, de la vision et du sens conceptuel.

Journaliste GNT spécialisé en mobilité / Ante-Geek des profondeurs du Web et d'ailleurs

Cette page peut contenir des liens affiliés. Si vous achetez un produit depuis ces liens, le site marchand nous reversera une commission sans que cela n'impacte en rien le montant de votre achat. En savoir plus.