Un contre-exemple à la conjecture jacobienne attribué à Claude : ce que l’IA change, et ne change pas, en recherche

La conjecture, en deux phrases

Posée sous sa forme moderne en 1939 par le mathématicien Ott-Heinrich Keller — une première version en deux dimensions, non nommée, remonte à Ludwig Kraus en 1884 —, la conjecture jacobienne affirme qu’une application polynomiale dont le déterminant jacobien est une constante non nulle est forcément inversible, avec un inverse lui-même polynomial. Le déterminant jacobien mesure, en chaque point, la façon dont une transformation dilate ou contracte l’espace ; s’il ne s’annule jamais, la transformation est localement réversible partout, et la conjecture prétendait qu’elle l’était alors globalement.

Depuis 1939, la question est restée ouverte malgré de nombreuses tentatives, au point de devenir l’un des problèmes célèbres de l’algèbre. C’est précisément ce passage du « partout localement » au « globalement » qu’un blog de mathématiques résumait le 21 juillet 2026 par la formule : « localement partout n’implique pas partout ».

Ce qui a été montré, et comment le vérifier

Selon la page Wikipédia consacrée à la conjecture et au billet publié le 21 juillet 2026 par John D. Cook, l’application présentée par Levent Alpöge va de l’espace de dimension trois dans lui-même, avec des termes polynomiaux de degré au plus trois. Son déterminant jacobien vaut −2 en tout point, et pourtant deux points distincts ont la même image : elle n’est donc pas injective, donc pas inversible. Le contre-exemple s’étend directement à toute dimension supérieure ou égale à quatre.

Point essentiel : la vérification ne demande aucune confiance. Un logiciel de calcul formel confirme le déterminant constant en quelques secondes, et l’existence de deux points de même image se vérifie par substitution. John D. Cook parle d’un exercice de calcul « fastidieux mais simple ». Plusieurs auteurs ont depuis commenté le résultat et trouvé d’autres contre-exemples. Le cas de deux variables, lui, reste ouvert.

Le rôle de l’IA : prudence sur le récit

Le contre-exemple est attribué à Claude Fable 5 par le mathématicien qui l’a présenté, mais la manière exacte dont il a été obtenu n’a pas été rendue publique. John D. Cook souligne que l’outil d’IA n’a pas résolu la conjecture seul : il a assisté un mathématicien. La nuance compte. Elle ne diminue pas l’événement — un modèle de langage a contribué à trancher une question ouverte depuis 1939 — mais elle rappelle que le résultat tient par sa preuve, pas par la réputation de l’outil.

Ce type de résultat a une propriété précieuse : il est facile à vérifier une fois trouvé, même s’il était extrêmement difficile à trouver. C’est le terrain où l’IA est la plus utile en recherche aujourd’hui : explorer un espace immense de possibilités, et proposer des candidats que l’on peut ensuite contrôler rigoureusement.

Pourquoi un contre-exemple est-il si convaincant ?

Une conjecture comme celle-ci affirme qu’une propriété vaut pour toutes les applications d’un certain type. La démontrer exige un raisonnement général, souvent long et difficile à vérifier. La réfuter demande un seul objet : une application précise qui a la propriété de départ et pas la conclusion. Dès que cet objet est écrit noir sur blanc, n’importe qui peut le vérifier, sans faire confiance à son auteur ni à la façon dont il a été trouvé.

Cette asymétrie entre trouver et vérifier explique pourquoi l’IA progresse vite sur ce type de problème : un système peut explorer un très grand nombre de candidats, et seul celui qui passe la vérification compte. C’est un modèle de collaboration très sain entre l’outil et l’humain : l’outil propose beaucoup, la vérification tranche.

La leçon pour une entreprise : un résultat d’IA vaut par sa vérification

La même règle s’applique, en plus modeste, à tout usage professionnel. Un tableau de chiffres produit par une IA doit pouvoir être recalculé ; un code doit être accompagné de tests qui passent ; une affirmation doit citer une source que l’on peut ouvrir. Privilégiez les tâches où la vérification est simple et systématique, et demandez explicitement à l’IA de fournir le moyen de vérifier ce qu’elle avance.

C’est le rôle du réglage « Preuves demandées » de Prompt OS : selon le niveau choisi, la mission exige des citations de fichiers et de lignes, des sorties de tests réelles, des captures ou des vérifications sur une préproduction, et interdit d’annoncer un résultat non vérifié. Pour un état des lieux de vos contenus ou de votre site, Audit 360 applique la même exigence : chaque constat pointe vers sa preuve.

Conclusion

La semaine du 25 juillet 2026 restera dans l’histoire des mathématiques, et dans celle de l’IA. Sa leçon dépasse la recherche : la valeur d’un résultat produit avec une IA tient à la facilité avec laquelle on peut le vérifier. Les meilleures utilisations de ces outils sont celles où la preuve accompagne la réponse.