Comment GPT-5.6 Sol a contribué à réfuter la conjecture de Maxwell, vieille de 150 ans

Placez trois charges électriques identiques aux sommets d’un triangle équilatéral : le champ résultant présente quatre points d’équilibre, où toutes les forces se compensent : un au centre et trois légèrement en retrait le long des arêtes. Ajoutez maintenant deux très petites charges juste au-dessus et juste au-dessous de ce centre. Le point d’équilibre central éclate en vingt-et-un, portant la configuration totale à vingt-quatre.

Cette construction a été mise en ligne sur arXiv le 29 juillet comme contre-exemple à la conjecture de Maxwell, une borne supérieure sur le nombre de points d’équilibre électrostatiques remontant au traité de 1873 de Maxwell. Les auteurs précisent aussi que l’idée vient d’un grand modèle de langage. Ci-dessous, je reviens sur l’énoncé initial, le mécanisme du contre-exemple, ce que GPT-5.6 Sol a fait (et n’a pas fait), et pourquoi cette divulgation est sans doute la partie la plus intéressante de l’histoire.

La réponse courte : comment la conjecture de Maxwell est tombée

La conjecture fixait un plafond au nombre de points d’équilibre du champ de n charges ponctuelles : au plus (n−1)^². Pour cinq charges, cela fait 16. Philip Arathoon, Gavin Ball et Matthew Kvalheim ont construit une configuration à cinq charges avec au moins 24 points, un contre-exemple direct. GPT-5.6 Sol a suggéré l’idée géométrique ; les trois auteurs ont mené l’analyse, exécuté l’algèbre formelle et rédigé la preuve.

Avec ce résumé en tête, voyons d’où vient la conjecture et pourquoi elle a tenu si longtemps.

Qu’était la conjecture de Maxwell ?

James Clerk Maxwell a posé la question dans un court passage de son Treatise on Electricity and Magnetism de 1873 : combien de points d’équilibre un système de charges peut-il produire ? Elle est restée une remarque anecdotique pendant près d’un siècle, jusqu’à ce que Marston Morse et Stewart Cairns posent le même problème en 1969, apparemment sans savoir que Maxwell l’avait évoqué avant eux. Un détail qui me plaît sans doute plus qu’il ne le devrait.

L’énoncé précis débattu aujourd’hui date de 2007, quand Andrei Gabrielov, Dmitry Novikov et Boris Shapiro ont relu de près le passage de Maxwell et en ont tiré une conjecture : si les points d’équilibre du potentiel engendré par n charges sont tous non dégénérés, il peut y en avoir au plus (n−1)^². C’est la seule formule à retenir ; si l’algèbre vous crispe, le plus dur est derrière vous. La borne est triviale pour deux charges. Pour trois, personne ne sait si quatre est vraiment le maximum, sauf dans le cas particulier où les trois charges sont égales.

Pour comprendre pourquoi cette borne compte, il faut saisir ce que sont réellement les points d’équilibre.

Comprendre la conjecture de Maxwell par un exemple simple

Chaque charge crée un champ. Placez plusieurs charges dans une pièce et leurs champs se superposent, tirant et poussant dans différentes directions en chaque point de l’espace. En certains endroits, les forces de chaque charge se compensent exactement ; une particule test y subirait une force nette nulle. Ce sont les points d’équilibre, aussi appelés points critiques du potentiel électrostatique.

Les compter n’est pas un simple exercice de dénombrement. Leur nombre et leur disposition contraignent la forme de tout le champ, comme des replats contraignent le dessin d’une chaîne de montagnes. Une borne sur ce nombre revient donc à affirmer jusqu’où un champ électrostatique peut se complexifier, ce qui explique pourquoi une remarque de 1873 a occupé les mathématiciens pendant un siècle et demi.

Maintenant que l’on voit ce que la conjecture protégeait, parcourons la manière dont elle s’est défait.

Comment la conjecture de Maxwell a été réfutée

La construction tient en quatre étapes. À moins de vouloir les calculs de Hessienne, vous pouvez sauter la note arXiv : c’est la structure de l’argument qui importe :

• Placez trois charges unitaires aux sommets d’un triangle équilatéral. Ce champ possède quatre équilibres : un au centre, trois légèrement décalés vers l’intérieur le long des arêtes.
• Ajoutez deux charges bien plus faibles sur l’axe de symétrie, l’une légèrement au-dessus du plan et l’autre légèrement au-dessous, formant une bipyramide triangulaire peu profonde.
• Les trois équilibres près des arêtes survivent à l’ajout. Le central, non. Il se scinde en une famille de 21 équilibres, 10 d’un indice de Morse et 11 de l’autre.
• Trois plus vingt-et-un donnent au moins 24 points critiques non dégénérés pour cinq charges, contre un plafond prédit de 16.

Les intensités de charge ne sont pas arbitraires. Les auteurs choisissent une valeur spécifique afin que le terme dominant du potentiel des petites charges annule le terme correspondant du triangle, révélant la structure fine qui produit les 21 points. Autre subtilité qu’on peut rater à la première lecture : l’argument ne supprime pas a priori d’éventuels points critiques dégénérés ailleurs dans la configuration, d’où l’usage d’un argument de transversalité après une légère perturbation des intensités, qui les élimine.

Vient ensuite la partie passée sous silence dans les titres. Le même procédé est itérable. Ajoutez une autre paire de petites charges et vous gagnez 20 points critiques de plus pour 2 charges supplémentaires, ce qui donne des configurations de 3 + 2m charges avec au moins 4 + 20m équilibres. Asymptotiquement, cela fait 10 points critiques par charge, contre les 25/7 obtenus par Herbert Edelsbrunner, Christopher Fillmore et Gonçalo Oliveira plus tôt cette année. Le contre-exemple fait le titre ; le ratio est le résultat sur lequel d’autres vont s’appuyer.

La construction clarifiée, voici l’aspect inhabituel de l’histoire : qui, ou quoi, a réellement eu l’idée.

Quel rôle a joué GPT-5.6 Sol ?

La divulgation tient dans une courte section, d’une clarté rafraîchissante : « L’idée à l’origine de cette construction a été suggérée par un LLM (GPT-5.6 Sol d’OpenAI). » Les auteurs ajoutent qu’ils ont eux-mêmes vérifié les mathématiques et rédigé l’argument, et que Mathematica et Maple ont géré les calculs et les figures.

Le modèle a donc apporté une stratégie : perturber une configuration symétrique par de petites charges hors du plan et observer la décomposition d’un point dégénéré, et les auteurs l’ont traduite en développements de polynômes harmoniques, en une classification de 21 points critiques par signature de Hessienne, en trois applications du théorème des fonctions implicites, et en un argument de transversalité. Générer une idée et démontrer un théorème sont deux activités distinctes, avec des modes d’échec différents. Une idée qui ne marche pas vous coûte un après-midi. Une preuve qui ne marche pas vous coûte une rétractation. Le modèle a pointé un endroit improbable sur la carte ; trois mathématiciens ont construit la route.

Il faut toutefois nuancer. « Juste une idée » est réducteur. Tout le monde peut proposer de perturber une configuration symétrique. L’intérêt, c’est de proposer cette perturbation-là, avec de petites charges sur l’axe, sur cette configuration de base, dans un problème où l’espace des essais possibles est pratiquement sans bornes. Le choix de ce qu’il faut tenter pèse lourd dans la recherche mathématique. Que la suggestion vienne d’un modèle plutôt que de la décennie d’intuition d’un spécialiste, c’est l’essentiel de l’histoire.

Pourquoi ce résultat compte

Une question mathématique vieille de 150 ans

La question remonte à la remarque de 1873 de Maxwell, d’où les « 150 ans » dans les titres. Soyons précis : Maxwell a posé une question et fait une observation. Il n’a pas énoncé la conjecture qui vient de tomber.

Une conjecture moderne de longue date s’effondre

Formellement, la conjecture de Maxwell a 19 ans et, pendant l’essentiel de ce temps, elle a structuré le domaine : c’était l’énoncé à prouver, la cible vers laquelle chaque amélioration de borne tendait. Elle semble aujourd’hui fausse. Le contre-exemple tient en un préprint de quatre pages sur arXiv, pas encore évalué par les pairs, et son étape centrale est une classification par Hessienne vérifiée par calcul formel ; donc prudence habituelle. Mais l’argument est court, explicite et facile à contrôler par d’autres.

De nouvelles questions remplacent les anciennes

Savoir que le plafond n’est pas (n−1)^² ne nous dit pas quel il est. La construction itérée des auteurs pousse la borne inférieure connue à environ 10 points critiques par charge, ce qui reste un plancher, pas une réponse. Et nos trois charges d’avant ? On ignore toujours si elles peuvent produire plus de quatre équilibres, fait étonnant pour le plus petit cas non trivial après tout ce temps.

Le rôle grandissant de l’IA dans la découverte mathématique

Quelque chose a changé l’an dernier. Entre octobre 2025 et début 2026, des outils d’IA ont aidé à déplacer environ une centaine de problèmes de la base Erdős vers la colonne « résolus », et Terence Tao a tenu à jour une page récapitulative jusqu’à fin juin 2026. Souvent, il s’agissait de recherche bibliographique : le modèle retrouve l’article de 1974 qui avait déjà tranché la question. Parfois, non. Quelques solutions étaient des arguments originaux en grande partie assemblés par le modèle, et Tao en a signalé au moins une comme un véritable jalon.

Le motif est constant et recoupe l’épisode de la conjecture de Maxwell. Les modèles excellent à proposer des pistes, à balayer une littérature qu’aucun individu ne peut tenir entière en tête, et à explorer un espace de constructions sans se lasser. La vérification reste humaine et s’appuie sur des assistants de preuve comme Lean. Si vous voulez les bases conceptuelles de ces systèmes avant de vous forger une opinion, notre parcours AI Fundamentals est une bonne porte d’entrée.

L’IA pourra-t-elle un jour découvrir des preuves mathématiques ?

La génération de conjectures est déjà routinière. L’assistance à la preuve est suffisamment courante pour ne plus surprendre. La démonstration formelle, où un modèle produit un argument complet, vérifié par machine, pour un problème de recherche sans intervention humaine, marque aujourd’hui la frontière, avec des résultats des deux côtés selon la rigueur de la définition de « niveau recherche ».

La contrainte n’est pas manifestement la créativité. Les modèles actuels hallucinent encore des références, perdent le fil sur de longues chaînes de raisonnement et restent bien meilleurs pour générer des candidats que pour savoir lequel est le bon. Cette asymétrie justifie le rôle essentiel de la vérification humaine. Un modèle capable d’évaluer fiablement sa propre sortie serait d’une autre nature que ce que nous avons, et nul ne peut dire à quel horizon cela se situe.

GPT-5.6 Sol et l’avenir de la recherche scientifique

Les mathématiques sont un cas d’école, car une preuve est vraie ou fausse. Mais la même dynamique — l’IA accélère la génération d’idées tandis que les humains gardent la vérification — se déploie dans toutes les disciplines.

Cela va bien au-delà des maths. Physique, chimie, science des matériaux, ingénierie : partout, le goulot d’étranglement est similaire : générer des hypothèses coûte cher en temps humain, et la plupart échouent. Un chercheur ne peut sérieusement explorer qu’une poignée de pistes en un an. L’espace des candidats est bien plus vaste.

La génération d’idées pourrait s’avérer la capacité de recherche la plus décisive, précisément parce que c’est l’étape où le débit humain est le plus faible et où le coût d’une fausse piste est le plus bas. Un modèle capable de balayer un immense espace et de dire « regardez ici » accélère la découverte sans avoir besoin d’avoir souvent raison. C’est à peu près ce qui s’est passé ici.

Idées reçues courantes sur cette découverte

Avant de tirer des conclusions générales, corrigeons quelques erreurs relevées dans la couverture médiatique.

GPT-5.6 Sol n’a pas démontré le théorème de manière autonome

Le modèle a suggéré la construction géométrique. La preuve — développements, classification hessienne, argument de transversalité — est l’œuvre des auteurs.

Des chercheurs humains ont vérifié chaque étape

Mathematica et Maple ont vérifié les calculs et produit les figures. La vérification mathématique a été réalisée par les trois auteurs, comme ils l’indiquent explicitement.

La conjecture de Maxwell n’était pas un théorème formel de Maxwell

Maxwell a fait une observation en 1873. Gabrielov, Novikov et Shapiro ont formulé la conjecture en 2007 d’après leur lecture de ce passage.

Le problème mathématique n’est pas entièrement résolu

En supposant que le contre-exemple tienne, nous savons que (n−1)^² est faux. Nous ne connaissons pas la borne correcte, et le cas à trois charges reste ouvert.

Conclusion

La conjecture de Maxwell est tombée grâce à une collaboration : une idée géométrique générée par IA et trois mathématiciens qui l’ont transformée en quelque chose de vérifiable. L’article est d’une franchise rare sur la répartition des rôles. Une section de divulgation en trois phrases qui sera sans doute plus citée que le théorème.

Ce qui mérite votre attention, c’est la nature de la contribution plus que sa taille. Un modèle sans intérêt personnel pour le problème a proposé une construction que les personnes les plus investies n’avaient pas testée sur cette configuration, et cela a fonctionné. La question plus large — combien d’équilibres n charges peuvent-elles admettre ? — reste ouverte, tout comme celle de savoir à quoi ressemble la recherche lorsque la génération d’idées cesse d’être la ressource rare. Pour suivre l’application concrète de ces systèmes plutôt que leur discours marketing, nos cours d’IA couvrent tout, des concepts au déploiement.