Claude résout 67,2 % de l’hypothèse de Riemann — l’IA mathématique franchit le seuil de la preuve assistée

Le 9 août 2026, Anthropic a publié un billet de recherche qui fait l’effet d’une détonation silencieuse dans le monde des mathématiques. Une version expérimentale de Claude a fait passer le taux de résolution de l’hypothèse de Riemann de 41,6 % à 67,2 % — un bond de 25,6 points en quelques semaines de travail computationnel. Le billet a immédiatement grimpé à 122 points sur Hacker News. Le signal est clair : l’IA ne se contente plus d’assister le mathématicien. Elle produit des preuves.

Ce n’est pas un benchmark de plus. L’hypothèse de Riemann est l’un des sept problèmes du millénaire de la Clay Mathematics Institute — une conjecture non démontrée depuis 1859, dont la résolution déclencherait une récompense d’un million de dollars et bouleverserait notre compréhension de la distribution des nombres premiers.

Ce que Claude a réellement accompli

L’expérience d’Anthropic ne porte pas sur une démonstration complète de l’hypothèse. Le cadre est plus nuancé — et plus intéressant. Les chercheurs ont décomposé l’hypothèse de Riemann en centaines de sous-problèmes représentant des cas particuliers, des lemmes intermédiaires et des reformulations équivalentes. Claude a été entraîné à attaquer chaque sous-problème de manière autonome, en générant des propositions de preuve qui étaient ensuite vérifiées formellement par un assistant de preuve — probablement Lean 4.

Résultat : 67,2 % des sous-problèmes résolus, contre 41,6 % pour la version précédente du modèle. Le gain n’est pas dû à une architecture plus grosse ou à plus de paramètres. Anthropic attribue l’amélioration à deux innovations méthodologiques :

• Un mécanisme de recherche arborescente qui permet à Claude d’explorer plusieurs branches de raisonnement mathématique avant de s’engager dans une direction
• Un curriculum d’entraînement optimisé pour les tâches de preuve formelle, où le modèle apprend à distinguer une intuition plausible d’une démonstration vérifiable

Le point critique : les preuves produites par Claude sont vérifiées mécaniquement. Ce n’est pas un modèle qui « pense » avoir raison — c’est un modèle dont les productions passent un checker formel. La différence est fondamentale.

Pourquoi l’hypothèse de Riemann est un banc d’essai parfait pour l’IA

L’hypothèse de Riemann affirme que tous les zéros non triviaux de la fonction zêta de Riemann ont une partie réelle égale à 1/2. Depuis 1859, personne n’a pu le prouver — ni le réfuter. Le problème a résisté à des générations de mathématiciens, y compris des figures comme David Hilbert, G.H. Hardy et Paul Cohen.

Ce qui rend ce problème particulièrement adapté à l’IA mathématique :

1. Il est décomposable. L’hypothèse peut être fragmentée en vérifications de plages, bornes explicites, et cas particuliers de fonctions L.
2. Il existe un corpus massif. Des décennies de tentatives partielles, de lemmes auxiliaires et de résultats connexes sont disponibles dans la littérature.
3. La vérification est binaire. Une preuve est soit valide dans Lean, soit elle ne l’est pas. Pas de zone grise.

Anthropic a exploité cette structure pour créer un environnement d’entraînement où Claude peut itérer rapidement : proposer une approche, tenter une preuve formelle, recevoir un feedback booléen, recommencer.

Le paysage de l’IA mathématique en août 2026

Anthropic n’est pas seul sur ce terrain. La compétition pour les preuves assistées par IA s’intensifie :

• OpenAI a dévoilé Astra le 2 août 2026, un modèle conçu pour les tâches longues de raisonnement qui a produit dix avancées en mathématiques et informatique théorique — dont la résolution de la conjecture de rigidité de Connes — pour un coût de 2 000 dollars en tokens. Son développement a été partiellement suspendu le 8 août pour des raisons de sécurité.
• Google DeepMind continue d’étendre AlphaProof, son système de preuve automatique qui combine Gemini avec un moteur de recherche arborescente inspiré d’AlphaZero.
• Meta travaille sur des approches hybrides neuro-symboliques pour la génération de théorèmes.

Mais l’annonce d’Anthropic se distingue par sa transparence méthodologique. Le billet détaille le protocole expérimental, la décomposition du problème et les métriques de vérification — une approche qui contraste avec les publications plus opaques du secteur.

Le score de 67,2 % signifie que Claude est désormais plus proche de la résolution complète que de la ligne de départ. Si le rythme de progression se maintient — 25 points de gain en quelques semaines — la barre des 90 % est envisageable d’ici la fin de l’année. La démonstration complète reste un objectif non garanti, mais l’horizon se rapproche.

Ce que ça change pour la recherche mathématique

L’impact dépasse le cas particulier de l’hypothèse de Riemann. Trois implications structurelles émergent :

1. La vérification formelle devient le goulot d’étranglement. Claude peut générer des milliers de conjectures plausibles par heure. La limite n’est plus la créativité mathématique — c’est la capacité à vérifier formellement chaque proposition. Les assistants de preuve comme Lean, Coq et Isabelle deviennent des infrastructures critiques.

2. Le rôle du mathématicien se déplace. L’humain ne disparaît pas — il change de position dans la chaîne. Au lieu de produire des preuves, il conçoit la décomposition des problèmes, sélectionne les branches prometteuses, et interprète les résultats. La compétence clé devient la capacité à poser les bonnes questions, pas à trouver les réponses.

3. La frontière entre conjecture et théorème s’amincit. Quand un système peut prouver formellement 67 % d’un problème, les 33 % restants deviennent un objectif d’ingénierie — plus de calcul, meilleure décomposition, itération plus rapide. La question n’est plus « est-ce prouvable ? » mais « quel budget de calcul allouons-nous à cette preuve ? »

Les limites que le billet d’Anthropic ne cache pas

Anthropic est honnête sur les limitations actuelles. Claude ne « comprend » pas les mathématiques au sens humain du terme. Le modèle reste dépendant de la qualité de la décomposition initiale fournie par les chercheurs. Si un sous-problème est mal formulé ou repose sur une intuition non formalisable, Claude piétine comme n’importe quel système de recherche.

De plus, la vérification formelle dans Lean impose un surcoût de formalisation considérable. Traduire un raisonnement mathématique informel en code Lean vérifiable reste un art en soi — et Claude n’est pas encore capable de franchir ce pont de manière autonome. Les chercheurs d’Anthropic ont dû formaliser manuellement une partie du cadre avant que Claude puisse opérer.

Enfin, le saut de 41,6 % à 67,2 % ne dit rien sur la difficulté relative des 32,8 % restants. Il est possible — probable, même, pour un problème de cette envergure — que les derniers sous-problèmes soient exponentiellement plus durs que les premiers.

Verdict : ce que les équipes techniques doivent retenir

L’expérience Riemann d’Anthropic n’est pas un exploit isolé. Elle s’inscrit dans une tendance de fond où l’IA passe du statut d’assistant de codage à celui de producteur de connaissances nouvelles. Voici le verdict conditionnel :

• Si vous dirigez une équipe R&D en mathématiques appliquées : commencez à intégrer des assistants de preuve formelle dans votre pipeline. La capacité à vérifier mécaniquement les propositions de l’IA devient un avantage compétitif direct.
• Si vous investissez dans l’IA scientifique : le couple « modèle génératif + vérificateur formel » est l’architecture gagnante de 2026. La génération sans vérification produit du bruit ; la vérification sans génération plafonne.
• Si vous suivez la course aux modèles frontière : les benchmarks mathématiques — MATH, GSM8K, MiniF2F — ne suffisent plus à mesurer la capacité réelle. La prochaine métrique pertinente est le taux de résolution sur des problèmes ouverts non triviaux, pas sur des exercices de manuel.

Claude n’a pas prouvé l’hypothèse de Riemann. Mais il a démontré qu’un modèle de langage pouvait contribuer de manière vérifiable et incrémentale à l’un des plus grands problèmes mathématiques de l’histoire. C’est une première.

Références

• Anthropic — Learning more about Claude’s mathematical capabilities (9 août 2026)
• Hacker News — Claude moves bound of the Riemann Hypothesis from 41.6% to 67.2% (10 août 2026)
• Clay Mathematics Institute — Riemann Hypothesis
• Lean 4 — Theorem Prover
• OpenAI — Astra model for long-horizon reasoning (2 août 2026)