Des laboratoires d'intelligence artificielle, dont OpenAI et Anthropic, ont récemment annoncé avoir développé des algorithmes capables de résoudre des problèmes mathématiques complexes en un temps « sous-exponentiel ». Cette percée remet en question l'hypothèse du temps exponentiel (ETH), un pilier de l'informatique théorique qui définit les limites de ce qu'un ordinateur peut calculer efficacement.
Une remise en cause des fondements computationnels
L'ETH est une hypothèse centrale dans le débat sur la classe de problèmes « P contre NP ». En substance, elle postule que certains problèmes logiques deviennent exponentiellement plus difficiles à résoudre à mesure que le nombre de variables augmente. Si les modèles d'IA ont effectivement réussi à contourner cette limite, cela suggère que des problèmes jusqu'ici jugés insolubles pourraient être traités beaucoup plus rapidement que prévu. Le professeur Ryan Williams du MIT souligne que cette découverte force la communauté scientifique à réévaluer ses intuitions sur la complexité computationnelle et la tractabilité des problèmes complexes.
Vers une nouvelle gouvernance de la recherche
La méthode de diffusion de ces résultats par OpenAI a suscité des tensions au sein de la communauté académique. Face aux critiques sur la manière dont ces preuves sont rendues publiques, les laboratoires ont dû adapter leur approche. Des groupes de travail ont été formés, impliquant des chercheurs de renom comme Russell Impagliazzo et Ramamohan Paturi, co-auteurs de l'ETH en 1999. L'objectif est désormais d'instaurer un cadre collaboratif pour valider ces preuves, organiser des conférences dédiées et définir de nouvelles normes pour l'intégration de l'IA dans la recherche fondamentale.
Sécurité numérique et avenir de la discipline
Au-delà de la théorie, cette avancée soulève des questions immédiates sur la cybersécurité. La solidité de nombreux systèmes cryptographiques repose sur la difficulté supposée de résoudre certains problèmes mathématiques. Bien que les premiers échanges entre les chercheurs et les laboratoires d'IA indiquent qu'aucune faille critique n'a été identifiée pour le moment, la communauté reste vigilante. Pour les chercheurs, l'enjeu est double : il s'agit à la fois de réviser des décennies de travaux scientifiques basés sur l'ETH et de repenser la formation des futurs scientifiques dans un monde où l'IA peut automatiser une partie du travail analytique.