Ce que révèle une IA qui comprime des années de travail expert en 11 jours
Claude a achevé en 11 jours une démonstration mathématique que les experts estimaient à plusieurs années — et la leçon pour les métiers de la connaissance dépasse largement les maths.
- 11 days
- pour réaliser ce que les experts estimaient à plusieurs années
- 13 million
- lignes de code Lean vérifiées par ordinateur
- 29,500
- théorèmes intermédiaires prouvés en chemin
- 350 years
- depuis que Fermat a posé le problème en 1637
La semaine dernière, le modèle IA Claude d'Anthropic a accompli l'une des tâches les plus difficiles des mathématiques. L'objectif était de formaliser la démonstration du dernier théorème de Fermat — un problème resté ouvert 350 ans après que Pierre de Fermat l'eut écrit dans la marge d'un livre en 1637. Le mathématicien Andrew Wiles l'avait finalement résolu en 1995, en 129 pages denses issues de plusieurs années de travail. Claude a achevé sa version en 11 jours.
Pour être précis : Claude n'a pas résolu le théorème de zéro — Wiles l'avait déjà fait. La tâche était de "formaliser" la démonstration : traduire les mathématiques humaines en code informatique qu'une machine vérifie étape par étape, sans aucune marge d'erreur. Des experts estimaient que ce travail prendrait plusieurs années à une équipe de spécialistes. Claude a lancé des dizaines d'agents en parallèle et produit 13 millions de lignes de code vérifié — cinq fois plus grand que n'importe quelle bibliothèque mathématique avant.
En chemin, les agents ont prouvé 29 500 théorèmes intermédiaires et consommé environ 6 milliards de tokens — les petites unités de texte que traite une IA. Une expérience séparée a formalisé un autre théorème célèbre en seulement trois jours, avec des plans grand public accessibles à tous aujourd'hui.
La vraie histoire ici n'est pas une histoire de mathématiques — c'est une histoire de temps. Si l'IA peut comprimer un projet d'experts de plusieurs années en 11 jours, le même schéma pourrait s'appliquer à la révision de documents juridiques, à la vérification de la littérature scientifique, à l'analyse de conformité ou à l'audit de code. Tout travail à enjeux élevés et long à vérifier est désormais candidat à ce schéma : des mois de travail expert comprimés en quelques jours.
Une note honnête : cela a fonctionné parce que l'infrastructure adéquate était déjà en place — des bibliothèques mathématiques construites par la communauté, une plateforme open source et des humains fixant la direction aux moments clés. L'IA n'a pas remplacé les experts ; elle a travaillé vite à leurs côtés. La question pratique pour chaque équipe : où, dans votre travail, une vérification lente et experte freine-t-elle tout le reste ?