← Retour au blog
AiEnviron 9 min de lecture

Une conjecture quantique vieille de 18 ans est tombée en trois jours. La preuve est venue avec un vérificateur.

Publié le 7 nov. 2026
Une conjecture quantique vieille de 18 ans est tombée en trois jours. La preuve est venue avec un vérificateur.

Le 6 novembre, Physical Superintelligence a annoncé que son système de recherche interne avait démontré la conjecture d'Aaronson-Ambainis. L'exécution a pris trois jours pour produire un argument complet. Lean, l'assistant de preuve qui fait vérifier chaque étape par un ordinateur, l'a accepté. Le système s'est ensuite attaqué à des problèmes connexes, a renforcé le résultat à deux reprises, et Lean a également accepté la version finale.

PSI a publié à la fois un article lisible par un humain et une formalisation complète en Lean 4 sous Apache 2.0. Le dépôt indique que le développement ne contient aucun espace réservé de preuve ni axiome ajouté, et que les quatre théorèmes principaux ont été rejoués à travers le noyau de Lean et à travers lean4lean, une implémentation indépendante du même vérificateur de types. Un comparateur utilisant à la fois les noyaux Lean et nanoda a accepté les versions finales. Sur une seconde machine, le même comparateur a accepté une solution jouet correcte et rejeté quatre solutions délibérément fausses.

C'est ce test de contrôle qui me revient sans cesse. C'est ce qui sépare une affirmation d'un reçu.

Ce que dit réellement la conjecture

La plupart des accélérations quantiques célèbres dépendent d'une structure. L'algorithme de factorisation de Shor, en 1994, fonctionne parce que l'entrée cache une période répétitive. Demandez à un ordinateur quantique de répondre par oui ou non à des questions sur des entrées uniformément aléatoires, et cette structure disparaît : c'est là que résidait la question ouverte : une machine quantique peut-elle encore être exponentiellement plus rapide ?

Aaronson et Ambainis ont transformé la question en un énoncé sur les polynômes. Dans le modèle de requêtes, on compte combien de fois un algorithme lit son entrée. Après T requêtes, la probabilité qu'un algorithme quantique réponde oui peut s'écrire comme un polynôme de degré au plus 2T dont les valeurs se situent entre 0 et 1. Pour simuler cet algorithme de manière classique, il faut estimer le polynôme sans lire un nombre exponentiel de bits d'entrée.

La conjecture affirme que tout polynôme borné de bas degré qui n'est pas presque constant possède au moins une coordonnée à forte influence. Retourner ce seul bit doit modifier la valeur du polynôme d'une quantité significative en moyenne. Si cela est vrai, alors une machine classique peut simuler n'importe quel algorithme quantique à T requêtes sur la plupart des entrées en utilisant un nombre polynomial de requêtes en T. Aucune accélération exponentielle sur des entrées non structurées.

La preuve de PSI donne une borne explicite : un certain bit a une influence d'au moins une constante fois v puissance 5/2 sur d puissance six, où v est la variance et d le degré, la constante valant environ 0,0025. Sous une forme plus lâche, au moins (v/d)^7.

La voie suit un plan tracé par Shachar Lovett et Jiapeng Zhang, fondé sur des certificats fractionnaires et des ensembles de niveau. Lovett et Zhang avaient laissé une inégalité non résolue, énoncée sous forme de conjecture. Le système de PSI l'a remplacée par une nouvelle inégalité portant sur toutes les paires, dérivée d'un appariement des réglages d'entrée fondé sur un déterminant, et qui, selon lui, va au-delà du lemme Butterfly antérieur de David Reimer en limitant le nombre de coordonnées qui peuvent s'accorder.

Ce qui a été vérifié par machine, et ce qui ne l'a pas été

C'est ici, à mon avis, que la plupart des couvertures de cette histoire se tromperont. Une preuve Lean est un artefact solide. Ce n'est pas une certification complète du résultat, et PSI le dit elle-même.

Trois choses restent en dehors de la vérification machine. Le noyau de Lean, le compilateur, les définitions de Mathlib et le matériel qui effectue la vérification font tous partie de la base de confiance. L'article en prose n'est pas vérifié par machine ; seuls les énoncés formels le sont. Et un humain doit encore confirmer que l'énoncé formel correspond à la conjecture telle qu'Aaronson et Ambainis l'ont publiée en 2008.

PSI a rendu cette dernière étape aussi simple que possible. Le dépôt isole une seule définition nommée `PrintedConjecture` dans un fichier qui n'importe que Mathlib, afin qu'un lecteur sceptique puisse ouvrir un seul fichier et le comparer à l'article original. C'est un choix réfléchi de conception d'interface pour la vérification, et cela indique aussi que les auteurs savaient où se trouvait le maillon faible.

Des feuilles de papier vierges maintenues à plat par une fine règle en laiton sur un bureau en bois sombre, éclairées par un rayon de lumière d'après-midi.

L'audit était interne. Jim Halverson a audité la preuve et Phiala Shanahan a commenté la formalisation ; tous deux sont conseillers de PSI. Il n'y a eu ni évaluation par les pairs ni publication dans une revue. Les quatre chercheurs de Stanford qui ont démontré un cas particulier en août 2026, Guy Blanc, Jordan Docter, Carmen Strassle et Li-Yang Tan, ont lu la preuve complète et envoyé des commentaires, et préparent une présentation plus courte. Leur évaluation citée parle d'un résultat considérable. La correspondance avec des experts intéressés est utile. Ce n'est pas une évaluation.

Les rôles humains sont nommés, ce que j'apprécie. David Turturean, membre du personnel technique qui a étudié la physique et l'IA au MIT, a construit le système de recherche, délimité le problème, exécuté le système, demandé à une instance non publique d'un modèle Anthropic de préparer un premier brouillon, révisé ce brouillon, et est désigné comme responsable de l'exactitude de l'article. Le dépôt divulgue que des modèles d'IA ont produit les énoncés mathématiques, le premier brouillon et la formalisation Lean.

Cette division du travail mérite d'être énoncée clairement, car elle va devenir ordinaire. Une personne choisit le problème et porte la responsabilité. Un modèle produit des arguments candidats. Un vérificateur rejette ceux qui ne se bouclent pas. Le résultat est une affirmation que quiconque disposant d'un ordinateur portable et d'un après-midi peut rejouer.

Pourquoi le vérificateur compte plus que le modèle

Anthropic n'a pas précisé quand ou si le modèle derrière tout cela sera commercialisé. Ce détail est presque une distraction. L'objet intéressant ici est le pipeline, et le pipeline est reproductible d'une manière qu'un score de benchmark ne l'est pas.

Pensez à ce qu'un mathématicien sceptique peut faire avec cette publication. Cloner le dépôt. Lire `PrintedConjecture`. Lancer Lean. Lancer lean4lean. Lancer le comparateur. Vérifier qu'aucun axiome n'a été ajouté. Chacune de ces étapes réussit ou échoue, et les modes d'échec sont précis.

Comparez cela à l'alternative. Un laboratoire publie un graphique, une page produit et un paragraphe sur des améliorations de raisonnement. Soit vous le croyez, soit non.

La vérification formelle n'est pas magique et elle ne tranche pas les mathématiques. Elle tranche une chose plus étroite : si un énoncé formel particulier découle d'axiomes particuliers selon des règles particulières. Tout ce qui concerne la question de savoir si l'énoncé est le bon, si les axiomes sont les bons et si le résultat importe reste du ressort des humains.

PSI est une société à mission d'intérêt public de Cambridge, dans le Massachusetts, qui s'est lancée publiquement en septembre avec un tour d'amorçage de 58 millions de dollars mené par Breakthrough Energy Ventures. Elle se décrit comme un laboratoire de physique natif de l'IA, doté de physiciens virtuels censés raisonner comme des théoriciens et valider comme des physiciens computationnels. Elle affirme avoir résolu cinq problèmes de longue date en théorie de l'information quantique le mois dernier, et il s'agit de sa deuxième annonce majeure en environ deux semaines. Ce rythme est soit impressionnant, soit un avertissement, selon la part qui résistera à l'attention extérieure.

Ce que cela signifie pour l'histoire quantique

Le résultat précise une frontière. Pour les questions à réponse oui ou non portant sur des entrées aléatoires non structurées, les machines quantiques ne peuvent pas économiser un nombre exponentiel de requêtes. Les concepteurs d'algorithmes devraient chercher des problèmes dotés d'une véritable structure, dans les mathématiques ou dans la physique, plutôt que de traquer des accélérations sur des entrées génériques.

Il ne dit pas quelles applications seront rentables. Le modèle de requêtes compte les lectures d'entrée, pas le travail de chargement et de traitement des données ; il n'impose donc aucune limite générale au temps d'exécution total ni à la valeur commerciale d'un ordinateur quantique. Quiconque cite cet article comme preuve que l'informatique quantique est morte cite quelque chose qui ne s'y trouve pas.

L'autre chose qu'il ne fait pas, c'est clore le débat sur l'IA qui fait de la recherche. Un résultat unique, produit par un système interne, audité en interne, sur un problème où la littérature environnante avait déjà réduit l'approche à une seule inégalité non résolue, est un point de données. Lovett et Zhang avaient le plan. Reimer avait un lemme. Le système a comblé une lacune. C'est un vrai travail, et c'est aussi une tranche étroite de ce que représente la recherche mathématique.

L'étape restante est celle que PSI ne peut pas accomplir elle-même. Quelqu'un dans le domaine doit lire l'énoncé formel, convenir qu'il s'agit de la conjecture d'Aaronson et Ambainis et non d'un cousin commode, et le dire publiquement. D'ici là, ce qui existe est une dérivation vérifiée par machine de quelque chose de très proche d'une affirmation célèbre, plus un dépôt conçu pour que le dernier kilomètre soit court.

C'est une meilleure position que celle où la plupart des annonces vous laissent.

Articles associés