Une rumeur sur un résultat inédit d'OpenAI a changé le calendrier de trois chercheurs du MIT avant que la preuve IA puisse être examinée. Dor Minzer et les doctorants Yumou Fei et Shuo Wang ont appris le 11 septembre qu'un résultat sur Unique Games approchait. Le 14, ils ont publié un manuscrit sommaire de 95 pages sur un théorème apparenté mais différent. OpenAI a annoncé sa collection le 6 octobre, avec une preuve revendiquée de la conjecture.
La percée humaine datait d'avril ; l'équipe préparait encore l'explication. L'annonce attendue a rendu la priorité plus urgente que l'exposition. Les deux théorèmes ne s'annulent pas et aucune prépublication ne remplace une évaluation indépendante.
Deux résultats distincts
Subhash Khot a introduit Unique Games en 2002. Des sommets reliés par des arêtes reçoivent des étiquettes. Chaque arête impose une permutation : connaître l'étiquette d'une extrémité détermine exactement celle acceptable à l'autre. Cette correspondance explique « unique ».
La conjecture concerne la difficulté de l'approximation. Schématiquement, distinguer des instances satisfaisant presque toutes les contraintes d'autres n'en satisfaisant qu'une infime fraction est difficile. Elle ne dit pas qu'aucune solution n'existe, mais borne ce qu'un algorithme général efficace peut décider sur des familles précises.
Cela touche l'optimisation, qui accepte des réponses approchées quand l'optimum exact coûte trop cher. Unique Games relie de nombreuses garanties aux barrières intrinsèques. Le cadre de Raghavendra de 2008 établit conditionnellement l'optimalité d'une stratégie de programmation semi-définie pour de larges classes : résoudre une relaxation géométrique puis arrondir vers des choix discrets.
Le théorème MIT traite la complétude parfaite, où toutes les contraintes initiales sont satisfaisables. Dans un jeu 2-vers-1, une étiquette permet deux choix compatibles de l'autre côté ; le résultat 4-vers-1 en permet quatre. C'est plus faible que le 2-vers-1 original, mais atteint un cadre exact que Unique Games ordinaire ne couvre pas directement.
« Toutes » n'est pas « presque toutes »
Minzer et ses collaborateurs avaient atteint une complétude presque parfaite en 2018. Un petit écart peut empêcher des réductions exigeant un départ entièrement satisfaisable. L'extrémité exacte n'est pas cosmétique.
Fei et Wang ont commencé avec Minzer en 2025. Un nouveau code correcteur promettait un ingrédient, mais son intégration échouait. La percée d'avril a combiné équations quadratiques, couche intermédiaire de vérification et vérificateur interne utilisant un codage de type Grassmann.
Ces techniques de preuves probabilistiquement vérifiables échantillonnent quelques positions d'une longue preuve encodée. Une réduction doit préserver l'écart entre cas acceptables et rejetables. L'interaction des couches, non le seul code, est décisive.
Une conséquence porte sur la coloration. Même en sachant un graphe coloriable en trois couleurs, trouver une coloration valide avec n'importe quel nombre fixé de couleurs reste NP-difficile. Ajouter des couleurs n'assure pas une méthode efficace générale. Le théorème touche aussi les ensembles indépendants de certains hypergraphes, dont une arête peut relier plus de deux sommets.
C'est distinct de la conjecture usuelle revendiquée par OpenAI. Les auteurs protégeaient une voie et ses conséquences, non un doublon.
Le prix d'une publication en trois jours
L'équipe disait les mathématiques terminées, mais pas la présentation souhaitée. Le manuscrit ECCC du 14 septembre faisait 95 pages. Minzer a décrit l'après-section 6 comme presque sans mots de liaison : définitions et preuves intermédiaires étaient présentes, avec peu d'accompagnement.
L'exposition est une infrastructure scientifique. Motivations, transitions, comparaisons et explications permettent audit et réutilisation. Un horodatage rapide laissait cette dette.
L'équipe ignorait argument, modèle, revendication précise et calendrier adverse. Ce n'était pas une course ordinaire entre groupes aux rythmes humains comparables. Une production machine attendue réorientait déjà le travail.
Le volume crée un deuxième problème
OpenAI dit avoir essayé environ 4 000 problèmes et publié 722 manuscrits couvrant 377 questions. Une collection compte 40 preuves d'informatique théorique. Tentatives, manuscrits, questions et preuves sont des unités différentes, pas autant de problèmes résolus interchangeables.
Le calcul moyen aurait représenté trois heures de réflexion ChatGPT Pro par résultat. Ce n'est ni le coût exact de Unique Games ni un budget uniforme. Environ la moitié était formellement vérifiée à l'annonce selon l'entreprise ; formaliser le reste était une perspective.
Le manuscrit revendique une réduction explicite déterministe polynomiale de 3SAT vers des instances non pondérées et fournit des artefacts Lean. Les conséquences pour coupures, couvertures, ordonnancement, suppression, regroupement et contraintes dépendent du nouveau théorème et de réductions antérieures.
OpenAI ne présentait pas une publication évaluée classiquement. Il reconnaissait des besoins de citations et d'explication et promettait d'aider à comprendre les résultats. Une sortie publique peut être une preuve importante sans être une évaluation communautaire achevée.
Lean vérifie un énoncé formel
Lean contrôle que les étapes encodées suivent les hypothèses et règles encodées. C'est plus fort qu'une affirmation du modèle. Les experts doivent néanmoins comparer l'énoncé à la conjecture visée, inspecter les hypothèses importées et relier code et texte.
L'ordre des quantificateurs et la dépendance de la taille d'alphabet aux erreurs sont sensibles. Les modifier peut affaiblir un énoncé ressemblant. Complétude, validité, caractère explicite et temps polynomial doivent correspondre à la revendication standard.
Une dérivation vérifiée n'explique pas automatiquement idée décisive, nouveauté, crédit ou consensus. Vérification et compréhension sont des étapes liées, pas synonymes. Le manuscrit humain précipité exige lui aussi lecture et révision.
La reproductibilité a plusieurs couches. Les artefacts Lean permettent de refaire la vérification si leurs dépendances restent disponibles. Le modèle interne non nommé n'est pas public, et résumés ou statistiques ne donnent pas tous les prompts, choix d'échantillonnage et interventions. Reproduire la découverte est autre chose.
Il faut maintenant une vérification indépendante de l'alignement OpenAI, un texte MIT plus clair et des publications machine examinables. L'épisode a déjà changé priorité et calendrier. Le progrès durable dépendra de la transformation des sorties vérifiées en explications que d'autres peuvent examiner, adapter et comprendre.