Un professeur de Wharton a utilisé GPT-5.6 Sol Pro pour réfuter en 90 minutes une conjecture ouverte depuis trente ans sur la procédure de Benjamini-Hochberg, un pilier des statistiques appliquées cité plus de 130 000 fois. GPT-5.5 avait échoué sur le même problème après une vingtaine d’heures. Le contre-exemple, le code et les journaux de conversation sont publics.
Pour résumer
- Edgar Dobriban (Wharton) a obtenu de GPT-5.6 Sol Pro un contre-exemple à une conjecture statistique ouverte depuis 1995
- Le taux de fausses découvertes dépasse la cible de 0,1 pour atteindre 0,104 dans le modèle construit par l’IA
- GPT-5.5 avait échoué en une vingtaine d’heures là où Sol Pro a conclu en 90 minutes environ
Faire résumer cet article par une IA
ChatGPTUne conjecture de trente ans tombe en une session de travail
La procédure de Benjamini-Hochberg, publiée en 1995 par Yoav Benjamini et Yosef Hochberg, contrôle le taux de fausses découvertes quand on teste des milliers d’hypothèses en parallèle. Son article fondateur cumule plus de 130 000 citations, et l’arrivée récente du modèle qui vient de la bousculer avait été couverte quand OpenAI a ouvert le déploiement mondial de GPT-5.6.
Restait une hypothèse jamais prouvée : la procédure était supposée rester fiable sur des données corrélées, normalement distribuées, en tests bilatéraux. Trente ans de littérature ont reposé sur cette confiance sans démonstration.
Edgar Dobriban, professeur associé à Wharton (université de Pennsylvanie), a posé le problème à GPT-5.6 Sol Pro avec la seule définition formelle de la procédure. Environ 90 minutes plus tard, le modèle avait construit un contre-exemple : un cas où le taux de fausses découvertes dépasse prouvablement la cible de 0,1 pour atteindre 0,104. L’intégralité du raisonnement est vérifiable, puisque Dobriban a publié le preprint accompagné du code et des journaux complets de conversation avec le modèle.
Le contraste avec la génération précédente donne l’échelle du saut. GPT-5.5, confronté au même problème, avait tourné environ vingt heures sans produire de contre-exemple valide. Le rapport entre les deux durées ne mesure pas une vitesse : il mesure l’accès à une classe de problèmes qui restait fermée il y a quatre mois.
Le statisticien de Berkeley Will Fithian a qualifié la question de problème ouvert le plus intéressant de son domaine. Sa résolution par un modèle commercial en une session de travail fixe une date dans l’histoire courte de l’IA appliquée à la recherche.
Un écart minuscule qui fissure trente ans de confiance
L’écart entre 0,1 et 0,104 semble dérisoire. Dobriban tempère lui-même : le dépassement reste relativement petit et ses implications pratiques demandent encore du travail. La valeur du résultat est ailleurs. Une garantie supposée universelle vient de tomber, et personne ne sait encore jusqu’où elle se dégrade dans des configurations plus défavorables.
La nature du résultat compte autant que son ampleur. Le modèle n’a pas produit une simulation qui suggère un dépassement : il a construit un cadre où le taux excède la cible de façon démontrable. Une preuve se vérifie ligne à ligne et clôt le débat, là où une expérience numérique aurait ouvert des années de contre-vérifications.
La méthode du modèle éclaire aussi ce que ces systèmes savent réellement faire. Sol Pro n’a pas inventé de mathématiques nouvelles : il a combiné des méthodes existantes jusqu’à assembler le contre-exemple. C’est exactement le régime de performance que nous avions mesuré en poussant Sol, Terra et Luna dans notre test de GPT-5.6 : une profondeur de raisonnement qui dépend du budget de calcul accordé.
GPT-5.6 Sol Pro est précisément la déclinaison à calcul étendu de la gamme : plus de tokens de raisonnement par problème, donc des chaînes mathématiques plus longues. La version standard du modèle, elle, est largement disponible depuis le 9 juillet. L’écart entre les deux se paie, et ce résultat en donne la première justification spectaculaire.
Pour les chercheurs et les data scientists, l’implication opérationnelle est directe : les pipelines qui reposent sur Benjamini-Hochberg avec des données corrélées méritent un réexamen. Le contre-exemple donne le gabarit du cas défavorable à chercher dans ses propres données.
Le geste de départ de Dobriban trace aussi une méthode de travail réutilisable : fournir la définition formelle nue, sans indice ni littérature, et laisser le modèle chercher. Ce protocole minimal rend le résultat difficile à contester sur le terrain de la contamination par des travaux existants.
D’autres articles sur Horizon
- Claude Pro devient gratuit pour les profs K-12 américains
- DeepSeek lève 1,5 Md$ et prépare son IPO à 71 Md$
- Siri iOS 27 s’ouvre à tous les iPhone en beta publique
OpenAI tient sa vitrine recherche face à ses rivaux
Pour OpenAI, le timing vaut de l’or. L’entreprise défend depuis des mois l’idée que ses modèles à calcul étendu produisent de la recherche originale, et voilà un résultat mathématique vérifiable, publié, reproductible, obtenu par un client externe sans accès privilégié.
La transparence du dossier renforce l’argument commercial. Journaux de conversation publiés, code ouvert, preprint accessible : chaque étape du raisonnement du modèle peut être auditée par la communauté. Aucune démo scénarisée ne résiste à ce niveau d’exposition, et c’est exactement ce qui donne au résultat sa valeur de référence.
La distribution du modèle reste pourtant sous contrainte politique. Washington filtre les accès entreprise par entreprise, un dispositif que nous avions détaillé quand la Maison Blanche a commencé à trier les clients de GPT-5.6. Un modèle capable de faire tomber des conjectures devient un argument dans cette négociation autant qu’un produit.
Côté concurrence, la barre vient de monter. Anthropic et Google devront montrer leurs propres résultats de recherche attribuables à leurs modèles, sur des problèmes ouverts et vérifiables par des tiers. Les benchmarks synthétiques ne suffiront plus à départager les offres à calcul étendu.
La suite se jouera sur la reproductibilité. Si d’autres équipes académiques obtiennent des contre-exemples ou des preuves sur leurs propres conjectures, le calcul étendu deviendra une ligne budgétaire standard des labos. Si le cas Dobriban reste isolé, il rejoindra la liste des démonstrations brillantes sans lendemain.
Affaire à suivre sur Horizon.
