Anthropic contre-attaque : Alpöge affirme avoir prouvé l'hypothèse de Riemann avec Claude, Buckmaster publie un blowup Navier-Stokes sans force externe
🔎 Deux bombes mathématiques, un labo, vingt-quatre heures
OpenAI avait pris Navier-Stokes. Anthropic vient de répondre — deux fois, le même jour. Ce vendredi 20 novembre 2026, Levent Alpöge, mathématicien recruté par Anthropic, publie une note de 4 pages affirmant que Claude l'a aidé à prouver l'hypothèse de Riemann généralisée, avec une formalisation Lean 4 présentée comme machine-vérifiable. Quelques heures plus tard, Tristan Buckmaster (NYU) et Alpöge déposent un papier de 79 pages revendiquant un blowup en temps fini des équations de Navier-Stokes 3D — sans force externe — adossé à 600 000 lignes de Lean 4 (AI Weekly, Scientific American, AI Weekly).
Deux des problèmes les plus durs de toutes les mathématiques. Un seul laboratoire. Le même jour. Après les 88 heures et les 10 000 agents d'OpenAI sur Navier-Stokes, la guerre des labs de maths IA vient de changer d'échelle.
Un conseil avant tout : restez froids. Aucun certificat indépendant, aucune revue par les pairs à ce stade. Ce sont des claims, pas des théorèmes. Cet article fait le tri entre ce qui est affirmé, ce qui est vérifiable, et ce qui relève de la communication de guerre.
L'essentiel
- Claim n°1 — Riemann généralisée : une note de 4 pages d'Alpöge (Anthropic) affirme que Claude a aidé à prouver l'hypothèse de Riemann généralisée, formalisée en Lean 4. Aucune vérification indépendante à ce jour.
- Claim n°2 — Navier-Stokes : Buckmaster (NYU) et Alpöge revendiquent un blowup en temps fini des équations 3D sans force externe, dans un papier de 79 pages accompagné de 600 000 lignes de Lean 4. Non vérifié non plus.
- Statut : pas de certificat, pas de revue. On traite les deux comme des claims, point final.
- Enjeu : le blowup, s'il est confirmé, coche une des deux issues du problème du Millennium (1 M$) ; la GRH restructurerait une partie de la théorie algorithmique des nombres.
- Contexte : réponse directe à OpenAI, qui avait annoncé Navier-Stokes en 88 heures avec 10 000 agents et une preuve Lean publique, puis visé la conjecture de Hodge.
Outils recommandés
| Outil | Usage principal | Prix (novembre 2026) | Idéal pour |
|---|---|---|---|
| Claude | Exploration, rédaction, formalisation assistée | Pro 20 $/mois, Max jusqu'à 200 $/mois (vérifiez sur anthropic.com) | Chercheurs, mathématiciens |
| Lean 4 | Assistant de preuve, vérification machine | Gratuit, open source | Formaliser et auditer des preuves |
| mathlib | Bibliothèque mathématique standard de Lean | Gratuit | Réutiliser plus d'un million de lignes de maths vérifiées |
| Zulip Lean | Suivi communautaire des vérifications | Gratuit | Auditer les claims en temps réel |
Ce qu'Anthropic affirme exactement
Réponse directe : deux documents distincts, publiés le même jour, revendiquant deux résultats majeurs avec l'IA comme moteur — et, pour l'instant, aucune preuve vérifiable par un tiers.
Le premier document est une note de 4 pages signée Levent Alpöge. Elle affirme que l'hypothèse de Riemann généralisée est démontrée, avec l'aide de Claude, et que la preuve a été formalisée en Lean 4. Scientific American qualifie Riemann de « problème le plus célèbre de toutes les mathématiques » — et la version généralisée en est une forme plus forte encore, donc un claim plus lourd.
Le deuxième est un papier de 79 pages cosigné avec Tristan Buckmaster, spécialiste des fluides à NYU. Il revendique un blowup en temps fini des équations de Navier-Stokes 3D sans force externe, avec 600 000 lignes de Lean 4 en accompagnement (AI Weekly).
Détail qui compte : Alpöge signe les deux. Côté Anthropic pour Riemann, côté académique pour Navier-Stokes. Il est le pont entre le labo et l'université — et la figure centrale de cette contre-attaque.
Deux claims, un tableau
| Élément | Note GRH (Alpöge) | Papier NS (Buckmaster–Alpöge) |
|---|---|---|
| Longueur du document | 4 pages | 79 pages |
| Rôle revendiqué de l'IA | Claude « a aidé » | IA-aidé |
| Formalisation Lean 4 | Annoncée | 600 000 lignes |
| Certificat indépendant | Non | Non |
| Revue par les pairs | Non | Non |
| Enjeu si vrai | GRH démontrée | Prix Clay (1 M$) |
La distinction claim/preuve est le seul prisme qui compte ici. Un claim peut être génial ou vide ; seule la machine — ou une communauté d'experts — peut trancher. À l'heure où j'écris ces lignes : ni l'un, ni l'autre.
Riemann généralisée : un claim de 4 pages qui pèse 167 ans d'échecs
Réponse directe : si c'est vrai, c'est le plus grand résultat de l'histoire des mathématiques assistées par IA — parce que 167 ans d'attaques n'ont jamais produit qu'une fraction des zéros sur la ligne critique.
Rappel utile. L'hypothèse de Riemann (1859) affirme que tous les zéros non triviaux de la fonction zêta ont pour partie réelle 1/2. La version généralisée (GRH) étend l'énoncé aux fonctions L de Dirichlet — et c'est elle qui porte l'essentiel des conséquences algorithmiques.
L'état de l'art, lui, est d'une modestie désarmante : un tiers des zéros prouvés sur la ligne (Levinson, 1974), 40 % (Conrey, 1989), environ 41,7 % au meilleur taux publié (2020). Personne n'a jamais approché les 100 %. Un mur de résultats partiels — et d'un coup, une note de 4 pages.
Le format surprend, mais il a une logique interne : la note courte expose la stratégie, la machine vérifie les détails. C'est le modèle de l'expérience Liquid Tensor Experiment de Scholze, dont le théorème clé a été certifié en Lean entre 2021 et 2022. Sauf qu'il y a un hic de taille : mathlib, la bibliothèque standard de Lean (plus d'un million de lignes en 2023), couvre mal la théorie analytique des nombres avancée — régions sans zéro, formules explicites, majorations de densité. Formaliser une GRH complète exigerait des mois de formalisation inédite. La question n°1 des sceptiques tient donc en une phrase : où est le dépôt, et que contient-il vraiment ?
Ce que « Claude a aidé » veut dire — et ne veut pas dire
La note reste floue sur le rôle exact du modèle. Trois scénarios, trois significations radicalement différentes : Claude comme outil d'exploration et de brainstorming ; Claude comme générateur de candidats de preuve que l'humain trie ; Claude comme co-auteur effectif des étapes clés, jusqu'à la formalisation.
Aucune précision publique pour l'instant. Et c'est là que le bât blesse : « aidé » est le mot le plus flexible du vocabulaire marketing de l'IA. La vérité sera dans le dépôt Git, pas dans la note.
Navier-Stokes sans force externe : la version honnête du prix Clay
Réponse directe : c'est exactement la formulation du problème du Millennium — et donc, si la preuve tient, un Million Dollar Problem tombe, par le côté contre-exemple.
Le problème, posé par le Clay Mathematics Institute en 2000 : les solutions lisses des équations de Navier-Stokes 3D, sans force externe, restent-elles lisses pour tout temps, ou peuvent-elles exploser en temps fini ? Prouver la régularité ou construire un blowup : 1 000 000 $ à la clé. Sur les sept problèmes Millennium, un seul a été résolu — Poincaré, par Perelman (2002-2003).
Ce qui existait déjà, et c'est important : des solutions faibles globales dont l'unicité reste ouverte (Leray, 1934) ; la non-unicité des solutions faibles via convex integration (Buckmaster–Vicol, Annals of Mathematics, 2019) ; un blowup pour une version moyennée des équations, donc un problème cousin (Tao, 2014, détaillé sur son blog) ; et des explosions pour Euler en régularité basse (Elgindi, 2021). Rien, jamais, pour Navier-Stokes 3D lisse, sans forçage.
D'où l'importance du mot « sans force externe ». Avec un forçage, on peut injecter de l'énergie et fabriquer des explosions dans des cadres proches. Sans forçage, on attaque l'équation physique elle-même — celle qui décrit réellement les fluides. C'est la version honnête du problème, et la plus difficile. C'est aussi ce qui distingue ce claim des annonces précédentes sur le sujet.
Les 600 000 lignes de Lean 4 donnent la mesure de l'ampleur : mathlib tout entier a dépassé le million de lignes en 2023, après une décennie de travail communautaire. Un papier de PDE formalisé de bout en bout serait, à lui seul, l'un des plus gros chantiers de formalisation jamais bouclés. Ironie du calendrier : si le fichier est propre, la vérification mécanique elle-même prendra des heures — pas des mois.
Lean 4 : l'arbitre machine, ses garanties et ses angles morts
Réponse directe : Lean transforme « croyez-vous ce mathématicien ? » en « ce fichier compile-t-il ? » — mais uniquement si l'énoncé du théorème est le bon, et c'est là que tout se joue.
Le principe : Lean 4 est un assistant de preuve où chaque étape doit être justifiée jusqu'aux axiomes de base. Un fichier qui compile démontre son énoncé, point. Un « gap » à la Mochizuki est structurellement impossible dans un artefact machine : le gap, s'il existe, empêche la compilation. C'est toute la différence avec une preuve sur papier.
Mais trois angles morts subsistent, et ils sont précisément là où un claim peut se dissoudre :
- Le
sorry: en Lean, un trou de preuve se marquesorry. Un fichier truffé desorrycompile, mais ne prouve rien. Premier réflexe de tout auditeur : chercher le mot. - Les axiomes :
#print axioms nom_du_theoremeliste les dépendances. Lean repose sur trois axiomes standard (propext, Classical.choice, Quot.sound). Tout axiome ajouté « à la main » — par exemple un énoncé équivalent à la GRH admis comme hypothèse — ruine la prétention. - L'énoncé lui-même : le piège favori. Un blowup pour des données peu régulières n'est pas un blowup pour des données lisses. La GRH pour une sous-famille de fonctions L n'est pas la GRH. Un théorème formel peut être formellement vrai et mathématiquement décevant.
C'est pour ça que les experts liront d'abord l'énoncé, pas la preuve. Une demi-page de theorem vaut mille lignes de vérification mécanique.
Et l'IA dans tout ça ? La formalisation est, littéralement, du code. Les modèles qui dominent le code — Claude Opus 4.7 (Adaptive), GPT-5.5, Gemini 3.1 Pro — sont structurellement les mêmes que ceux capables d'écrire du Lean à grande échelle. Si vous voulez vous faire une idée de leurs forces respectives, notre guide des meilleurs LLM pour coder détaille ce que chacun sait faire. Et rappelons que l'IA formelle n'est pas sortie de nulle part : AlphaProof décrochait l'argent à l'IMO 2024, et le chantier de formalisation du théorème de Fermat a été lancé en 2025.
La checklist de vérification, point par point
- Le dépôt compile-t-il ? Toolchain épinglée, build reproductible. Sans dépôt public, tout le reste est du vent.
- Zéro
sorry, axiomes standard ?#print axiomssur le théorème final, pas sur un lemme intermédiaire soigneusement choisi. - L'énoncé correspond-il au claim ? GRH complète ? Blowup pour données lisses, sans force externe, en temps fini ?
- Qui re-vérifie ? Une re-formalisation indépendante, même partielle, reste l'or standard.
OpenAI vs Anthropic : la guerre des labs de maths IA
Réponse directe : ces deux annonces ne sont pas une coïncidence calendaire, c'est une contre-attaque chronométrée.
Le calendrier parle de lui-même. OpenAI annonce Navier-Stokes résolu en 88 heures avec 10 000 agents et une preuve Lean publique — que nous décortiquions ici. OpenAI enchaîne en visant la conjecture de Hodge (notre analyse). Et Anthropic répond avec deux claims le même jour, signés par un mathématicien maison et un spécialiste des fluides de renom.
Anthropic n'arrive pas les mains vides dans ce match : son agent Claude Fable 5.2 avait déjà résolu deux problèmes ouverts de trous noirs — la page de Hawking (2003) et un plafond de bootstrap modulaire exact (notre article).
Deux philosophies s'affrontent, et elles sont lisibles dans les chiffres. OpenAI : la force brute, 10 000 agents en parallèle, 88 heures. Anthropic : un mathématicien de premier plan plus un modèle de pointe, un papier de 79 pages. Mon avis, sans détour : pour un théorème de cette profondeur, la seconde approche est plus crédible — les idées nouvelles ne se parallélisent pas. La première est plus spectaculaire. Les deux, pour l'instant, valent exactement le même prix sur le marché des preuves : zéro, tant que rien n'est vérifié.
Pourquoi les labs s'acharnent-ils sur les maths ? Trois raisons, toutes stratégiques :
- C'est le seul benchmark incassable. Un score de code peut se gonfler par contamination des données d'entraînement ; un théorème du Millennium, non. La vérification machine ferme la porte aux benchmarks truqués.
- C'est un aimant à talents. Les meilleurs mathématiciens veulent les meilleures machines. Alpöge chez Anthropic, c'est un signal adressé à toute une génération de chercheurs.
- C'est du marketing à très haute intensité. « Notre IA a aidé à prouver Riemann » vaut tous les leaderboards du monde — si c'est vrai.
La conséquence collatérale, c'est l'académie. La communauté Lean compte quelques centaines de contributeurs actifs ; auditer 600 000 lignes et un énoncé de GRH mobilisera les meilleurs d'entre eux pendant des semaines. Les universités n'ont ni les moyens de calcul ni les effectifs pour suivre le rythme des labs. La vérification — le maillon qui donne sa valeur à tout le reste — court derrière. Et pendant que les labs s'affrontent sur Riemann, la question qui intéresse la majorité des lecteurs reste plus prosaïque : quel modèle choisir pour son propre travail ? Notre comparatif Claude vs ChatGPT reste la meilleure porte d'entrée.
Riemann = crypto cassée ? Non. Ce que ça changerait vraiment
Réponse directe : non, RSA ne tombe pas, votre clé privée ne bouge pas d'un octet — et c'est le mythe le plus tenace de chaque vague d'annonce sur Riemann.
La GRH ne factorise rien. La sécurité de RSA repose sur la difficulté de factoriser, pas sur l'éventualité que Riemann soit faux. Ce que la GRH changerait, c'est l'algorithmique des nombres : le test de primalité déterministe de Miller (1976), conditionnel à la GRH, passerait du statut « heuristique » à « prouvé » — même si AKS (2002) fournit déjà un test déterministe inconditionnel ; les bornes explicites de Bach (1990) rendraient rigoureux tout un pan des algorithmes sur les groupes et les corps de nombres. Des gains réels, mais des constantes et des garanties — pas une révolution cryptographique.
Côté fluides, un blowup vérifié ne changera rien à votre simulateur CFD demain matin. Les implications — turbulence, singularités, fondements des EDP — se mesureront en décennies. Ce serait surtout un séisme intellectuel : la première résolution, négative, d'un problème du Millennium, construite avec une IA.
Le vrai produit de ces annonces, c'est ailleurs : le workflow. Un mathématicien de premier plan, un modèle de langage, un assistant de preuve, un artefact vérifiable. Si ce pipeline fonctionne, il se généralisera à des pans entiers de la recherche — et paradoxalement, les grands gagnants de cette guerre ne seront peut-être pas les labs, mais les outils de vérification.
❌ Erreurs courantes
Trois raccourcis mentaux reviennent déjà dans toutes les discussions — les trois sont faux.
Erreur 1 : prendre le communiqué pour la preuve
Ce qui ne va pas : l'histoire des maths est un cimetière de claims jamais convertis. La preuve de la conjecture abc par Mochizuki est restée contestée pendant une décennie avant une publication divisive ; la « preuve » de Riemann d'Atiyah (2018) s'est évaporée en quelques semaines. La solution : attendre l'artefact. Pas de dépôt Lean audité = pas de théorème.
Erreur 2 : croire que 600 000 lignes de Lean garantissent le résultat
Ce qui ne va pas : les lignes de Lean prouvent l'énoncé écrit, pas celui qu'on croit lire. Un énoncé affaibli ou un axiome ad hoc suffisent à vider le claim de sa substance. La solution : vérifier l'énoncé du théorème et les axiomes avant de s'extasier sur le volume de code.
Erreur 3 : « Riemann résolu, donc la cryptographie est morte »
Ce qui ne va pas : confusion entre hypothèse de Riemann et factorisation. Rien dans la GRH ne casse RSA ni aucun chiffrement déployé. La solution : suivre les impacts réels — algorithmique des nombres, tests de primalité, bornes explicites — et ignorer les titres alarmistes.
❓ Questions fréquentes
Claude a-t-il prouvé l'hypothèse de Riemann ?
Non. Alpöge affirme que Claude l'a aidé à construire une preuve de la GRH, formalisée en Lean 4. Tant qu'aucun dépôt n'est audité indépendamment — sans sorry ni axiome non standard —, il s'agit d'un claim. L'histoire récente (Atiyah en 2018) invite à la prudence maximale, même quand l'auteur est un mathématicien sérieux.
C'est quoi, exactement, l'hypothèse de Riemann généralisée ?
L'hypothèse de Riemann (1859) dit que tous les zéros non triviaux de la fonction zêta ont une partie réelle égale à 1/2. La version généralisée étend l'énoncé aux fonctions L de Dirichlet. C'est elle qui fournit des bornes effectives en théorie des nombres — d'où son importance algorithmique, bien au-delà du prestige du nom.
Le blowup Navier-Stokes vaut-il le prix Clay ?
Oui, si la preuve est vérifiée. Un blowup en temps fini pour des données lisses, sans force externe, constitue le contre-exemple prévu par l'énoncé du problème. Attention aux règles : le Clay Mathematics Institute exige une publication en revue à comité de lecture et environ deux ans d'acceptation communautaire avant tout chèque de 1 M$.
Quel modèle Claude a été utilisé ?
L'annonce ne le précise pas. La gamme actuelle d'Anthropic va de Claude Sonnet 4.6 à Claude Opus 4.7 (Adaptive), son modèle le plus capable en raisonnement agentique. Sans confirmation publique, toute attribution précise à un modèle donné est de la spéculation — y compris quand elle vient d'un journaliste.
Combien de temps pour vérifier 600 000 lignes de Lean ?
Si le dépôt est public avec une toolchain épinglée : la recompilation prend des heures. L'audit de l'énoncé, quelques jours pour les spécialistes. La digestion communautaire complète, des semaines à des mois — l'expérience Liquid Tensor avait demandé environ 18 mois pour le projet entier, la certification du lemme clé étant tombée dès 2021.
OpenAI n'a-t-il pas déjà fait mieux sur Navier-Stokes ?
Les deux annonces ne sont pas directement comparables : 88 heures et 10 000 agents d'un côté, 79 pages et 600 000 lignes de Lean de l'autre, avec des périmètres de problème possiblement différents. Tant qu'aucune des deux preuves n'est vérifiée, la seule comparaison honnête tient en cinq mots : deux claims, zéro certificat.
✅ Conclusion
Deux claims historiques, zéro preuve vérifiée : la balle est désormais dans le camp de Lean, de la communauté mathématique — et des horloges d'OpenAI et d'Anthropic, qui viennent de rendre la vérification aussi compétitive que l'annonce. Pour suivre la suite, commencez par nos décryptages des annonces OpenAI, et gardez une règle en tête : en maths comme en code, tant que ça n'a pas compilé sous les yeux d'un tiers, ce n'est pas prouvé.