Les meilleures SI aujourd'hui
Publicité : ces boutons sont des liens d'affiliation. En savoir plus
Avancées technologiques · 18 octobre 2026
La conjecture de Grad, posée en 1967 en physique des plasmas, vient d'être contredite par plusieurs familles de contre-exemples, dont deux trouvées avec l'aide de GPT-6 Astra Pro et d'autres avec Gemini 4. Pour la superintelligence, c'est un signe concret : l'IA contribue à des résultats de recherche vérifiables, sous le contrôle de chercheurs humains.
Qu'est-ce que la conjecture de Grad ?
En 1967, le physicien et mathématicien Harold Grad (université de New York) a avancé une idée devenue un obstacle pour la fusion nucléaire : un équilibre de plasma lisse en trois dimensions, avec une pression qui varie, aurait besoin d'une symétrie supplémentaire, comme celle d'un tokamak en forme de beignet.
Or les stellarators, l'autre grande famille de réacteurs de fusion, sont volontairement tordus et n'ont pas cette symétrie. Si Grad avait raison, ils ne pourraient pas avoir d'équilibre parfait. C'est pourquoi la question « stellarator ou tokamak » est liée à ce problème mathématique.
Comment l'IA a aidé à contredire la conjecture
Trois travaux publiés sur arXiv entre fin septembre et début octobre 2026 apportent des contre-exemples :
| Travail | Auteurs | Rôle de l'IA |
|---|---|---|
| « Counterexamples to Grad's conjecture » (21 septembre) | Javier Gómez-Serrano, Lukas Liehr, Mitchell Taylor | Aucun rôle mentionné dans le résumé ; preuve certifiée avec l'assistant de preuve Lean 4 |
| Équilibres 3D analytiques (22 septembre, révisé le 28) | Matt Landreman, université du Maryland | Deux familles de solutions découvertes avec GPT-6 Astra Pro, selon les remerciements du papier rapportés par la presse |
| Extension sans symétrie de stellarator (5 octobre) | Opal Issan, Jonathan Citrin, Matt Landreman, Brendan Tracey | Google indique que Gemini 4 Argon a aidé à identifier une classe plus large de contre-exemples |
Selon le site we0.ai, Matt Landreman a soumis le problème à GPT-6 Astra Pro le 10 septembre ; le modèle a proposé une première famille de solutions après environ 20 minutes de raisonnement, puis une seconde le lendemain. Le chercheur a choisi le problème, fixé les contraintes physiques, interprété les résultats et vérifié toutes les équations à la main. Ses prompts, échanges et scripts de vérification sont publiés.
Ce que ce résultat change pour la recherche scientifique
- Des solutions exactes : les équations décrivent des équilibres lisses, avec des surfaces magnétiques imbriquées, écrits avec des fonctions élémentaires.
- Des outils pour les ingénieurs : ces solutions servent de cas de référence pour tester les logiciels de conception de stellarators, comme VMEC ou DESC.
- Une vérification croisée : une équipe humaine a obtenu, en parallèle, une preuve formelle en Lean ; les travaux assistés par IA ont été revérifiés par les auteurs.
Ce cas s'ajoute à d'autres résultats récents de l'IA pour la recherche scientifique, comme le calcul de physique à neuf boucles réalisé avec Claude ou les articles de mathématiques coécrits avec Muse Spark.
Les limites à garder en tête
- Ces travaux ne disent rien de la date à laquelle un réacteur de fusion fonctionnera. La fusion nucléaire n'est pas « résolue ».
- La question des équilibres non axisymétriques avec une quasi-symétrie exacte reste ouverte, selon l'analyse du site MACCUS.
- Le rôle exact de Gemini 4 Argon n'est pas détaillé publiquement : Google n'a pas publié de compte rendu de son raisonnement, selon Startup Fortune.
- Sur un test voisin, TheoPhysEval (50 problèmes inédits de physique théorique), les auteurs qualifient les problèmes de recherche « de routine », nouvelle mais pas révolutionnaire.
Ce que ça change pour la superintelligence
Une super intelligence artificielle se définirait par sa capacité à dépasser les meilleurs humains, notamment en science. On n'y est pas : ici, l'humain choisit la question et valide la réponse. Mais trois signaux comptent.
- Des résultats publiables : l'IA ne se contente plus de réussir des examens, elle contribue à des papiers de recherche sur une question vieille de près de 60 ans.
- Des domaines vérifiables d'abord : les mathématiques et la physique théorique avancent vite car un résultat se vérifie, à la main ou avec Lean. C'est là que l'on verra en premier si l'IA progresse vers la recherche autonome.
- Une concurrence entre laboratoires : OpenAI et Google revendiquent des résultats sur le même problème, après les annonces sur Gemini 4 Argon. Ces affirmations restent à distinguer des résultats vérifiés par les pairs.
FAQ
La fusion nucléaire est-elle possible grâce à l'IA ?
La fusion est démontrée en laboratoire, mais pas encore comme source d'électricité rentable. Ces travaux aident la conception des stellarators ; ils ne fixent aucune date pour un réacteur.
Quelle différence entre un stellarator et un tokamak ?
Le tokamak est un anneau symétrique où un courant circule dans le plasma. Le stellarator confine le plasma avec des bobines aux formes tordues, sans cette symétrie, ce qui le rend plus complexe à concevoir.
L'IA a-t-elle fait seule cette découverte ?
Non. Le chercheur a posé le problème, fixé les contraintes et vérifié le résultat. Une équipe humaine a aussi trouvé des contre-exemples de son côté, avec une preuve formelle.
Conclusion
La conjecture de Grad montre une IA devenue un vrai assistant de recherche, mais encore pilotée et vérifiée par des humains. Suivez les prochains résultats dans les avancées de la superintelligence et retrouvez les définitions dans notre FAQ.
Sources
- arXiv : Gómez-Serrano, Liehr, Taylor, Counterexamples to Grad's conjecture (21 septembre 2026)
- arXiv : Landreman, Analytic toroidal 3D MHD equilibria (22 septembre 2026, révisé le 28)
- arXiv : Issan, Citrin, Landreman, Tracey, équilibres sans symétrie de stellarator (5 octobre 2026)
- Interesting Engineering : Gemini 4 Argon, quantique et fusion (octobre 2026)
- Startup Fortune : l'IA aide à contredire une conjecture de fusion vieille de 60 ans (17 octobre 2026)
- we0.ai : GPT-6 Astra et la conjecture de Grad (octobre 2026)
- MACCUS : l'IA en physique et la conjecture de fusion (17 octobre 2026)