Une session d'IA de 16 heures a résolu un problème mathématique vieux de 22 ans — la méthode qui a fonctionné

Le 27 juillet 2026, un preprint est paru avec la preuve d'un problème resté ouvert pendant 22 ans. L'auteur n'est pas un mathématicien professionnel : Shanmu Jin est interne en neurochirurgie à l'hôpital du Peking Union Medical College, à Pékin. Il est diplômé en géologie. Les mathématiques au-delà des bases, selon ses propres mots, il les a apprises en autodidacte — il a commencé à étudier en raison d'une recherche sur l'échographie transcrânienne.

L'argument décisif n'est pas issu d'une conversation avec ChatGPT. Il est issu d'une session autonome d'environ 16 heures de GPT-5.6 Sol, que Jin a lancée et n'a jamais interrompue.

Michel Crouzeix, le mathématicien français qui a formulé la conjecture en 2004, a vérifié le manuscrit en profondeur avec Alex Townsend et Anne Greenbaum. Les trois considèrent la preuve correcte.

L'histoire a fait la une pour la raison évidente — « l'IA résout un problème que les humains ne parvenaient pas à résoudre ». Mais ce qui intéresse ceux qui utilisent l'IA pour travailler se trouve ailleurs : dans la conception du processus. Et cette partie-là, on peut la reproduire.

Pourquoi 22 ans

La conjecture de Crouzeix est un problème d'analyse matricielle. En 2007, l'auteur lui-même a prouvé qu'une certaine constante — 11,08 — fonctionne toujours. En 2017, avec Palencia, la borne est descendue à 1 + √2. Prouver que la valeur exacte est 2, ce qu'affirme la conjecture, a résisté à deux décennies de tentatives d'experts travaillant à temps plein.

Retenez ce détail : ce n'était pas un problème obscur en attente d'être regardé. C'était un problème connu, attaqué par des personnes compétentes, sans solution.

Ce qu'il a fait différemment : le prompt

Jin est parti d'un prompt qu'OpenAI avait utilisé pour une autre conjecture, celle du Cycle Double Cover, et l'a adapté. La conception comportait quatre décisions qui expliquent le résultat :

1. Il a coupé l'accès au web. Il a été interdit au système de consulter internet et des contextes externes. Si la réponse ne pouvait pas être recherchée, elle devait être construite.
2. Il a demandé la création de plusieurs sous-agents concurrents, chacun développant une stratégie de preuve différente, de manière indépendante.
3. Il a interdit la convergence précoce. L'instruction était explicite : les sous-agents ne pouvaient pas tous se précipiter vers la même idée séduisante. Dans un problème difficile, la voie évidente a déjà été tentée par tout le monde — et a échoué.
4. Il a exigé un audit contradictoire. Chaque candidat à la preuve était attaqué jusqu'à ce que l'un d'eux survive à la vérification.

Remarquez ce qui ne figure pas dans la liste : rien de tout cela ne concerne l'accès à un meilleur modèle. Il s'agit de ne pas laisser l'IA faire ce qu'elle fait par défaut — c'est-à-dire produire rapidement la réponse la plus plausible et s'arrêter là.

Le dépôt public comprend le prompt utilisé, les manuscrits successifs, une formalisation en Lean et un audit des axiomes. La méthode a été publiée en même temps que le résultat.

Ce que l'IA n'a pas fait

Cette partie disparaît souvent du résumé, et c'est la plus importante pour ceux qui vont essayer de reproduire la recette.

La session autonome a produit un résultat. C'est l'humain qui a dû reconnaître que ce résultat était pertinent, le convertir en une preuve cohérente et y apposer sa signature, en assumant la responsabilité du manuscrit. Une personne sans la base mathématique que Jin a construite seul aurait regardé la même sortie de 16 heures sans savoir qu'il s'y trouvait quelque chose.

Un scepticisme raisonnable s'impose également : le travail reste un preprint non révisé par les pairs. Il a été examiné par des experts de poids, y compris l'auteur original de la conjecture, mais il n'est pas encore passé par le processus formel de la communauté mathématique.

Et il y a un détail qui relativise l'exploit sans le diminuer : huit jours après le preprint de Jin, Emiel Lorist et Felix Schwenninger ont publié une preuve indépendante, de seulement cinq pages et avec un argument différent — également appuyés sur ChatGPT 5.6. Autrement dit, le problème était mûr et l'outil a aidé plus d'un groupe en même temps.

Comment appliquer cela à votre entreprise

Vous n'avez probablement pas de conjecture d'analyse matricielle sur votre table. Mais vous avez des problèmes que personne n'a résolus : un processus qui bloque toujours au même endroit, une proposition qui ne se concrétise pas, un système que personne ne comprend vraiment.

La façon dont presque tout le monde utilise l'IA pour cela consiste à demander la réponse et à accepter la première qui vient. La méthode qui a fonctionné ici est l'opposé :

• Demandez des chemins différents, pas la meilleure réponse. « Donnez-moi quatre approches qui ne se ressemblent pas entre elles » donne de meilleurs résultats que « quelle est la meilleure façon de faire cela ».
• Bloquez le raccourci. Si le problème a une réponse standard qui a déjà échoué dans votre entreprise, dites-le et interdisez à l'IA de la proposer.
• Demandez d'attaquer sa propre réponse. « Maintenant, trouvez les trois raisons pour lesquelles cela va échouer » permet de distinguer une bonne idée d'une belle idée.
• Laissez du temps au processus. Seize heures d'exploration, ce n'est pas la même chose que seize questions. Une session longue et sans interruption est un format d'utilisation différent.
• Gardez quelqu'un qui connaît le sujet au bout de la chaîne. Sans cette personne, vous ne distinguez pas le bon résultat du texte convaincant — et c'est là que la plupart des projets d'IA en entreprise se perdent.

Le résumé honnête

Ce qui s'est passé n'est pas « l'IA est devenue plus intelligente ». Le modèle était disponible pour n'importe quel abonné. Ce qui a changé le résultat, c'est qu'un médecin autodidacte a conçu un processus qui a forcé la machine à être en désaccord avec elle-même pendant 16 heures, et qu'il possédait des connaissances suffisantes pour reconnaître ce qui en est ressorti.

La partie reproductible de cette histoire n'est pas le problème résolu. C'est la méthode — et elle est publiée.

Faits vérifiés à partir de l'essai d'Alex Townsend pour SIAM News, de la couverture du South China Morning Post, de Yicai et de l'actualité technologique d'août 2026. Le manuscrit de Jin demeure un preprint non révisé par les pairs.