Passer au contenu
mercredi, novembre 18, 2026Guide gratuit
FR
dailyai
Caractéristiques

Des agents d'IA ont vérifié la plus longue démonstration mathématique, de 15 000 pages, en 24 jours

Axiom affirme que des dizaines d'agents d'IA ont transformé une démonstration mathématique de 15 000-page en 43.1 million de lignes de code vérifié par ordinateur en 24 jours, et ont trouvé 34 erreurs dans le document publié au passage.

· 5 min de lecture
PartagerXen

La plus longue démonstration mathématique connue compte environ 15,000 pages, réparties dans plus de 500 articles rédigés par 100 de mathématiciens. La start-up Axiom affirme que des essaims d'agents d'IA l'ont transformée en 43.1 millions de lignes de code vérifiable par ordinateur en seulement 24 jours. Au cours de ce processus, ils ont découvert 34 incohérences entre les calculs publiés et les résultats annoncés. Si cette démonstration se confirme, elle constituera la preuve la plus convaincante à ce jour que l'IA est capable d'effectuer un travail de grande envergure et vérifiable, et pas seulement de produire des textes plausibles.

Le nombre et sa signification

Axiom a publié le travail sur son blog de recherche, daté du 26 octobre, et insérez le code dans un dépôt GitHub public. C'est site du projet Elle répertorie 43,1 millions de lignes de code et 2,05 millions de définitions et de résultats distincts, tirés de 715 articles et livres.

En clair, l'entreprise affirme avoir repris l'une des plus grandes réalisations des mathématiques du XXe siècle, écrite sur plusieurs décennies par une 100 de personnes, et l'avoir réécrite étape par étape sous une forme qu'un ordinateur peut vérifier sans faire confiance à personne.

Selon Axiom, le projet a débuté le 1er octobre avec un simple canal de discussion et un plan comprenant 108 étapes clés et environ 380 tâches mineures. Les premiers agents ont commencé à travailler le 2 octobre. Cela représente environ quatre semaines entre le début et la fin, pour un ouvrage dont la rédaction a nécessité des décennies de travail humain, suivies de décennies supplémentaires pour sa mise au point.

Ce qui était prouvé

Ce théorème s'appelle la Classification des groupes simples finis. En mathématiques, un groupe est un ensemble de transformations qui décrivent une symétrie. L'exemple donné par Axiom est celui d'un cube : il existe 24 façons de le faire pivoter pour qu'il retrouve exactement sa forme initiale. Les groupes peuvent être décomposés en éléments de base, à l'instar des molécules qui se décomposent en atomes. Les groupes “ simples ” sont ces atomes.

La classification en est une liste exhaustive, une sorte de tableau périodique de symétrie. Elle indique que chaque élément appartient à quelques familles connues ou fait partie des 26 éléments atypiques. Le plus grand de ces groupes, surnommé le Monstre, compte environ 8 éléments suivis de 53 zéros. La difficulté ne réside pas dans l'énumération des groupes, mais dans la démonstration qu'aucun élément ne manque.

Les mathématiciens ont déclaré le travail terminé en 1983. Ce n'était pas le cas. Une lacune subsistait jusqu'à la parution d'un ouvrage de 1 221 pages en 2004, et d'autres corrections ont suivi en 2008. Une seconde version, plus claire, de la démonstration a rempli dix volumes depuis la fin des années 1980 et reste inachevée, selon Axiom. L'un des plus éminents théoriciens des groupes, Michael Aschbacher, écrivait en 2005 qu'“ il est impossible de rédiger un argument très long et complexe sans erreur ”.”

Comment l'IA a procédé

L'outil central est Lean, un langage de programmation dédié aux mathématiques. Une démonstration écrite en Lean est vérifiée ligne par ligne par un petit programme fiable. Si une seule étape est incorrecte, la démonstration ne compile pas. Impossible de se contenter de dire “ c'est évident ”.

Le système d'Axiom, baptisé AxiomProver, répartissait le travail entre des dizaines d'agents d'IA. Les agents principaux décomposaient les raisonnements complexes en éléments plus simples et vérifiaient les résultats de la démonstration. D'autres agents recherchaient des résultats existants ou écrivaient le code Lean. Les agents prenaient en charge les tâches via GitHub, la plateforme de partage de code, et publiaient leur progression sur Slack. L'entreprise indique que les agents utilisaient “ une combinaison évolutive de modèles ” sans les nommer. Des mathématiciens humains traitaient les problèmes les plus difficiles et des ingénieurs assuraient la maintenance du système.

Vous voulez que l'IA vous fasse gagner des heures par semaine ? Notre guide gratuit vous explique comment.Téléchargez le guide gratuit →

Ce travail ne part pas de zéro. Il s'appuie sur Mathlib, une vaste bibliothèque partagée de fonctions mathématiques en Lean, écrite par des centaines de bénévoles, et réutilise environ 1,2 million de lignes de code. un projet ouvert antérieur, Qiuzhen-CFSG, selon Axiom.

Le blog fait preuve d'une franchise inhabituelle quant aux problèmes rencontrés. Au début, certaines étapes, en apparence simples, masquaient une quantité considérable de travail préparatoire non validé, que les agents avaient implicitement présumé sans le vérifier. Axiom explique avoir supprimé des dizaines de milliers de lignes de code basées sur ces suppositions et avoir recommencé certaines parties. Le 13 octobre, une seule étape a été franchie en une journée entière ; l'équipe a donc demandé aux agents de restructurer le travail restant en tâches plus petites et précisément définies. Par ailleurs, les agents rédigeaient les preuves plus rapidement que Lean ne pouvait les vérifier ; les ingénieurs ont donc mis en place un système de répartition des vérifications entre les machines.

Ce que les machines ont trouvé

Le résultat le plus intéressant n'est pas la taille, mais les erreurs. La plupart des anomalies relevées par les agents étaient mineures : fautes de frappe, erreurs dans les tableaux ou omissions de l'auteur. Cependant, Axiom a recensé 34 “ écarts notables par rapport à la version publiée ” qui ont dû être corrigés.

Un exemple en est tiré d'un lemme des volumes de 2004 qui affirmait que deux nombres étaient toujours égaux. Les chercheurs ont trouvé un cas, construit à partir d'un petit groupe appelé SL₂(5), où l'un des nombres valait 1 et l'autre 2. Le lemme a dû être affaibli, et les raisonnements ultérieurs qui s'y appuyaient ont dû être remaniés.

Le principal problème résidait dans un argument de 1986 de John Walter concernant une étape clé connue sous le nom de théorème des groupes déséquilibrés. Les agents ont trouvé des contre-exemples à l'une des affirmations sur lesquelles il s'appuyait. Le théorème lui-même subsiste, car d'autres voies d'accès existent. Mais pour rester fidèle à la démonstration originale, Axiom avait besoin d'un nouvel argument. Avec les conseils de Richard Lyons et Ronald Solomon, deux théoriciens des groupes ayant travaillé sur la classification originale, AxiomProver en a élaboré un. L'entreprise l'a décrit dans [référence manquante]. un document séparé et affirme qu'il s'agit d'un nouveau résultat en théorie des groupes.

Qu'est-ce qui n'a pas encore été vérifié ?

Il existe des limites bien réelles, et Axiom en mentionne certaines elle-même. Lean vérifie que chaque étape est respectée. Il ne vérifie pas que l'énoncé final signifie bien ce que les mathématiciens pensent qu'il signifie. Cela nécessite toujours une intervention humaine, et le blog d'Axiom l'indique clairement.

Personne en dehors de l'entreprise n'a encore publié de reconstitution indépendante de l'épreuve. Ce n'est pas une mince affaire. notes de dépôt Axiom aurait eu besoin de modifications non publiées des outils de construction de Lean pour obtenir une vérification complète en moins de 24 heures. La liste détaillée des erreurs dans la littérature n'a pas non plus été publiée intégralement ; Axiom indique qu'elle le fera avec l'appui d'un comité consultatif de théoriciens des groupes. Enfin, l'énoncé principal du théorème n'a pas été rédigé par Axiom, mais repris d'un autre projet open source, TauCeti, une manière plutôt astucieuse d'éviter de s'auto-évaluer.

Pourquoi c'est important au-delà des mathématiques

Pour la plupart des lecteurs, la notion de groupes simples finis ne sera jamais abordée. C'est la méthode qui importe davantage. Les chatbots sont connus pour donner l'impression d'avoir raison tout en se trompant, et DailyAI en est un bon exemple. signalé avant Concernant les modèles de langage qui échouent à résoudre des énigmes logiques simples, ce projet met en évidence une tendance différente. Lorsqu'un programme rigoureux et intransigeant vérifie le travail de l'IA, les erreurs sont détectées au lieu d'être dissimulées, et une part bien plus importante du travail peut être confiée à l'IA en toute sécurité.

Le même principe s'applique aux logiciels, à la conception de puces et aux systèmes financiers, où le code peut être testé selon des règles précises. Les mathématiques et l'informatique sont également des domaines où les laboratoires d'IA annoncent désormais de nouveaux résultats. Plus tôt cette semaine, DailyAI a présenté un article à ce sujet. OpenAI et Anthropic Tous deux ont affirmé que l'IA avait enfreint une règle de longue date en informatique..

Le problème, c'est celui auquel les propres agents d'Axiom se sont heurtés à maintes reprises. Un vérificateur se contente de confirmer que le travail répond à la question posée. Il faut encore s'assurer que la question était pertinente. Pour cet immense théorème, cette tâche incombe désormais aux théoriciens des groupes.