Le 26 octobre 2026, OpenAI a déposé sur son dépôt public un manuscrit de 67 pages portant un titre d’une sobriété tranchante : The Exponential Time Hypothesis is False. La mention d’auteur ne comportait qu’un seul nom : « OpenAI ». Ce document était accompagné de l’intégralité des scripts de preuve formelle vérifiés par machine sous l’assistant Lean.
L’hypothèse centrale qui sous-tendait depuis 27 ans des centaines d’articles sur les bornes inférieures en informatique théorique vient d’être ébranlée par un algorithme déterministe. Pourtant, OpenAI n’a pas cherché à proclamer une victoire technologique solitaire. Le laboratoire a choisi d’inviter les concepteurs mêmes de la conjecture à prendre la tête d’un réseau indépendant d’évaluation. Aux frontières de la recherche fondamentale, la communauté scientifique humaine reprend son rôle irremplaçable : comprendre, interpréter et trancher.
Un algorithme déterministe comprime la complexité de 3-SAT dans le sous-exponentiel
Formulée en 1999 par Russell Impagliazzo et Ramamohan Paturi, l’hypothèse du temps exponentiel (ETH) pose que la résolution du problème 3-SAT requiert, dans le pire des cas, un temps de calcul de $2^{\Omega(n)}$. Pendant près de trois décennies, la théorie de la complexité a érigé sur ce postulat un vaste édifice de bornes inférieures conditionnelles. L’impossibilité de trouver un algorithme sous-exponentiel pour de nombreux problèmes NP-complets reposait entièrement sur cette frontière théorique.
Le théorème 1.1 présenté par OpenAI bouleverse cette architecture. Il démontre l’existence d’un algorithme déterministe permettant de dénombrer exactement les solutions satisfaisantes pour toute formule $k$-CNF avec $k \ge 2$ fixé. Le temps d’exécution est borné par $(n+m)^{O_k(1)} \cdot 2^{O_k(\sqrt{n \log \log n / \log n})}$. Lorsque la densité de clauses vérifie $m \le Dn$, cette borne se resserre encore pour atteindre $2^{O_{k,D}(\sqrt{n/\log n})}$.
Figure : Première page du manuscrit affichant l’unique signature d’OpenAI et le résumé qui revendique les bornes sous-exponentielles réfutant l’hypothèse du temps exponentiel. Source : GitHub (dépôt openai/math)
La complexité temporelle s’établit rigoureusement à $2^{o(n)}$, ce qui brise mathématiquement le verrou exponentiel postulé par l’ETH. Fait déterminant : l’algorithme ne se limite pas à décider de la satisfaisabilité, il effectue un dénombrement exact des solutions dans un espace polynomial. En exploitant la structure algébrique pour résoudre des contraintes booléennes, cette approche contourne les limites combinatoires de la recherche classique.
L’architecture repose sur l’articulation entre comptage exact, tests de parité creux et interpolation polynomiale. Le cœur de la construction mobilise des « esquisses linéaires partagées » combinées à des substitutions par des polynômes de bas degré. Les répercussions théoriques sont immédiates : le problème Max-$k$-SAT peut désormais être approché à $OPT(F) - \varepsilon m$ en temps sous-exponentiel.
Les bornes de difficulté s’effondrent également en théorie des graphes. Le comptage des ensembles indépendants et la coloration de graphes avec un nombre fixé de couleurs s’abaissent à un temps de $2^{o(v)}$, tandis que le dénombrement des couplages parfaits descend de manière déterministe à $2^{o(v+e)}$. C’est toute une constellation de bornes de difficulté conditionnelles fondées sur l’ETH qui se délite, contraignant la communauté scientifique à réévaluer les frontières réelles de la complexité fine.
Délimitation théorique : l’algorithme ne franchit pas les réductions polynomiales
Tout vacillement des hypothèses de complexité engendre inévitablement des malentendus. Dès la mise en ligne du texte, les discussions en ligne ont immédiatement spéculé sur une résolution implicite de $P=NP$. Cette confusion procède d’une mauvaise appréciation de la transférabilité des bornes sous-exponentielles. Face à cette effervescence, les auteurs ont tenu à apporter une mise au point rigoureuse en page 2.
Figure : Page 2 présentant le théorème principal et précisant expressément que la borne sous-exponentielle ne se propage pas à l’ensemble de la classe NP par réduction polynomiale standard. Source : GitHub (dépôt openai/math)
Le manuscrit rappelle avec netteté qu’une borne en $2^{o(n)}$ ne se transmet pas à travers les réductions polynomiales usuelles. Étendre ce résultat à l’ensemble des problèmes NP exigerait une borne beaucoup plus contraignante de la forme $2^{n^{o(1)}}$. Les conclusions présentées sont donc sans lien avec la conjecture P contre NP, et OpenAI ne revendique aucunement $P=NP$.
L’équipe qualifie ce texte de « données brutes de recherche » (raw research data). Si le dépôt Lean fournit une preuve formelle intégralement vérifiable par la machine, la vérifiabilité des symboles formels ne saurait être confondue avec l’assimilation mathématique par l’esprit humain. Il revient aux chercheurs d’extraire de ce formalisme brut un modèle conceptuel compréhensible pour la communauté.
Les assistants de preuve garantissent l’absence de failles logiques dans les déductions élémentaires. En revanche, ils sont incapables d’expliquer pourquoi tel choix d’interpolation s’avère fécond. Si la machine écarte les erreurs formelles, elle ne produit pas d’intuition profonde sur les mécanismes à l’œuvre. Le travail intellectuel des mathématiciens demeure donc indispensable.
Les pères de l’hypothèse invités à mener la revue
Rompu aux effets d’annonce de l’industrie, OpenAI a choisi cette fois de rompre avec les célébrations unilatérales. Dès la publication des travaux, l’entreprise a dévoilé la liste des sommités conviées à coordonner l’expertise externe. Ce collège réunit notamment Russell Impagliazzo, Ramamohan Paturi et Ryan Williams.
Cette composition relève d’une exigence évidente. Impagliazzo et Paturi sont les pères de l’ETH, formulée en 1999 avec Francis Zane. Ryan Williams, quant à lui, avait réussi des années plus tard à faire tomber une version plus stricte de la conjecture grâce à l’étude des circuits booléens. En confiant la validation aux initiateurs de la conjecture et à ses plus fins connaisseurs, le filtre rigoureux des pairs prévaut sur les déclarations institutionnelles.
Pour garantir l’autonomie de ces travaux, OpenAI a doté la Simons Foundation d’un financement dédié de 5 millions de dollars, au sein d’une enveloppe de 15 millions allouée aux sciences théoriques. Ces ressources soutiendront des ateliers de travail et des congés de recherche afin d’examiner chaque lemme dans le détail.
Cette retenue tire les leçons d’un faux pas récent. Le 6 octobre, OpenAI avait mis en ligne sans discernement 722 manuscrits générés par IA, s’attirant de vives critiques de mathématiciens comme Terence Tao. Beaucoup avaient déploré la diffusion de brouillons fragiles submergeant les circuits traditionnels d’évaluation.
Trois découvertes, trois régimes de vérification
Dans sa communication du 26 octobre, OpenAI a dévoilé trois résultats théoriques majeurs. Pour chacun, le laboratoire a retenu un modèle de diffusion adapté à la nature épistémique du domaine :
En informatique théorique, la réfutation de l’ETH s’est appuyée sur un schéma associant code Lean ouvert et gouvernance d’experts externes, exposant immédiatement la démonstration à l’examen mondial.
En analyse harmonique, la preuve de la conjecture du lissage local pour l’équation des ondes euclidienne a été confiée à l’analyse libre de la communauté. Généré le 18 octobre et vérifié par Lean le 19, l’article démontre la conjecture formulée par Christopher Sogge en 1991 pour toutes les dimensions, englobant des questions historiques comme les conjectures de Kakeya et de restriction de Stein.
Figure : Première page de l’article d’analyse harmonique paru simultanément, établissant la démonstration de la conjecture du lissage local dans toutes les dimensions. Source : GitHub (dépôt openai/math)
Alors que l’analyse harmonique ne requérait pas de comité ad hoc, OpenAI a imposé un confinement strict pour ses recherches en physique des hautes énergies. Une démonstration concernant l’existence de théories quantiques des champs en interaction à quatre dimensions — touchant directement le problème du prix du millénaire sur l’existence de Yang-Mills — a été transférée à un panel extérieur mené par le lauréat du prix Nobel 2004 David Gross, accompagné de Michael Douglas et d’Arthur Jaffe. Ce groupe décide souverainement du calendrier et des modalités de publication des données.
Ces trois parcours s’articulent autour de quatre impératifs : transparence totale, renoncement à la co-signature d’auteur pour les modèles fondamentaux, respect du travail des chercheurs extérieurs et indépendance des conclusions collégiales. Ajuster le protocole de vérification aux spécificités de chaque discipline constitue une expérience concrète de gouvernance du savoir produit par les machines.
Le rôle humain : de la déduction au jugement
Entre la rédaction textuelle par le modèle le 16 octobre et la validation complète par le compilateur Lean le 17 octobre, seules quelques dizaines d’heures se sont écoulées. Une barrière conceptuelle consolidée par des générations de chercheurs a cédé en quelques jours de calcul intensif. Cette cadence pulvérise les temporalités de l’édition scientifique et soumet les canaux d’examen à une pression inédite.
Pour autant, la réussite de la compilation formelle atteste uniquement de la cohérence interne des symboles. Elle ne dispense pas les esprits humains de l’effort nécessaire pour en assimiler la substantifique moelle. Il faudra des mois pour reconstituer les intuitions géométriques et combinatoires dissimulées sous le code. La machine sait fabriquer des démonstrations d’une rigueur absolue ; elle ne peut les appréhender à notre place.
C’est ainsi que la hiérarchie du travail scientifique se redéfinit. Dès lors que l’exploration combinatoire et la vérification logique sont prises en charge par les algorithmes, le centre de gravité de la recherche se déplace. Les chercheurs n’ont plus à consacrer l’essentiel de leur énergie à l’assemblage laborieux de déductions mécaniques. La mission fondamentale de la communauté savante se concentre désormais sur l’abstraction conceptuelle, l’évaluation du sens et le jugement souverain.
Que cette démonstration de 67 pages sur l’ETH résiste ou non à l’analyse critique, le modèle séculaire de création du savoir est d’ores et déjà transformé. En confiant l’arbitrage aux auteurs mêmes de la conjecture, OpenAI admet que la puissance algorithmique ne saurait décréter seule la vérité scientifique. Dans la traversée des territoires complexes de la connaissance, la machine franchira peut-être la première la ligne d’arrivée ; mais la légitimité d’en valider la portée demeure, plus que jamais, le privilège de la conscience humaine.
Liens utiles :
- OpenAI Research : Manuscrit The Exponential Time Hypothesis is False et dépôt de formalisation Lean
- OpenAI Research : Manuscrit Local smoothing for the Euclidean wave equation
- Simons Foundation : Annonce de collaboration sur les frontières de l’informatique théorique et des mathématiques
