OpenAI remet en cause une théorie clé de l'informatique

Le 26 octobre 2026, OpenAI a annoncé avoir réfuté l'hypothèse du temps exponentiel (ETH), une idée fondamentale de l'informatique théorique. Cette affirmation, formulée par le chercheur en intelligence artificielle Sébastien Bubeck, a été qualifiée de « peut-être la plus grande surprise » de ses vingt années de suivi du domaine, bien qu'elle doive encore être examinée de manière indépendante par des spécialistes.

L'hypothèse du temps exponentiel expliquée

L'hypothèse du temps exponentiel affirme que, pour certains problèmes complexes, même le meilleur algorithme possible exigerait un temps qui croît de façon exponentielle avec le nombre de variables en jeu. OpenAI affirme avoir montré que ces problèmes peuvent être résolus en un temps « sous-exponentiel », c'est-à-dire plus rapidement qu'une croissance exponentielle, mais qui peut tout de même rester très long.

Lien avec le problème P contre NP

L'ETH est étroitement liée au problème P contre NP, l'un des sept problèmes du prix du millénaire. OpenAI ne prétend toutefois pas avoir résolu P contre NP, car un algorithme sous-exponentiel reste trop lent pour un usage pratique. Ainsi, bien que la limite fixée par l'ETH soit dépassée, la question plus générale de P contre NP demeure sans réponse.

Preuve générée par l'IA et vérification formelle

Selon OpenAI, son système d'intelligence artificielle a produit la réfutation le 16 octobre 2026. Le lendemain, le résultat a été formalisé dans l'assistant de preuve Lean, et le manuscrit ainsi que la preuve sont désormais disponibles sur GitHub. Cette étape est importante, mais les experts doivent encore confirmer que la preuve porte bien sur le problème correctement défini.

Examen par des experts et implications futures

Une équipe de chercheurs, dont Russell Impagliazzo et Ramamohan Paturi de l'Université de Californie à San Diego, ainsi que Ryan Williams du MIT, examinera la preuve. Même si elle est confirmée, l'application pratique du résultat reste incertaine, car les avancées théoriques ne se traduisent pas forcément en algorithmes utilisables sans recherches supplémentaires.