L'IA a appris à prouver l'impossibilité : AWM de Tsinghua bat GPT-6 Astra et Claude Opus 5.5 là où ils abandonnent

Que fait une IA lorsqu’une tâche n’a pas de solution ? Habituellement, il est écrit « Je n’ai pas pu le faire » – ce qui est impossible à distinguer de « Je ne l’ai pas trouvé ». Une équipe de l'Université de Tsinghua et de l'Université du Zhejiang dirigée par Andrew Yao, lauréat du prix Turing, a introduit le Algebraic World Model (AWM), un système qui prouve littéralement l'impossibilité : il construit un modèle mathématique d'un environnement inconnu, le formalise en Lean 4 et produit une preuve vérifiable qu'aucune séquence gagnante n'existe. Au ARC-AGI-3, l'approche franchit les 183 niveaux et élève le score du Claude Opus 5 de 40,7 à 99,9.

Pourquoi « ça n'a pas marché » est une mauvaise réponse

ARC-AGI-3 est un ensemble de 25 jeux publics où l'agent n'obtient ni règles ni objectif. Il faut travailler sur la mécanique puis terminer le niveau. Ces tâches testent si un modèle peut raisonner sur un monde inconnu plutôt que de rappeler des exemples similaires issus de la formation.

C’est exactement là que les produits phares trébuchent. Dans une expérience sur deux niveaux scellés – niveaux dont le budget d'action est une unité en dessous du gain le moins cher possible – ni Claude Opus 5.5 ni GPT-6 Astra, tous deux équipés d'outils de codage, n'ont produit une seule preuve. Sur 12 essais, ils ont déclaré que la tâche était impossible à cinq reprises seulement, et dans quatre de ces cas, ils ont indiqué un coût minimum erroné. Au niveau sc25 avec un budget de 18 actions (le gain le moins cher coûte 19), GPT-6 Astra a trouvé un itinéraire coûtant 22 coups et a conclu qu'il n'existait rien de moins cher — sans preuve.

Comment AWM transforme un jeu en théorème

Le travail se déroule en trois étapes. Tout d’abord, l’exploration : l’agent joue, enregistre des observations et écrit des hypothèses sous forme de code exécutable Python. Chaque hypothèse est testée par rapport à toutes les transitions observées et réécrite si même une transition la contredit.

Vient ensuite la structure : les hypothèses deviennent des objets typés et des règles partagées, tandis que les transformations inspirées de la théorie des catégories suppriment la redondance. Dans le jeu lp85, onze concepts distincts concernant quatre types de boutons ont été regroupés en une seule règle, press_permutes. Enfin, le modèle est traduit en Lean 4, le langage utilisé par les mathématiciens pour les preuves vérifiables par machine. Cela AWM prouve deux types d'affirmations : qu'une route spécifique atteint l'objectif, et qu'avec un budget donné, aucune route gagnante n'existe.

La phrase clé est « du tout ». Un modèle normal dit "Je ne l'ai pas trouvé". AWM présente une preuve qui peut être vérifiée ligne par ligne et qui exclut toute séquence d'actions légales, pas seulement celles que l'agent a essayé de tenter.

Six preuves contre zéro

Sur les deux niveaux scellés AWM a produit une preuve fermée Lean que gagner dans les limites du budget est impossible dans les six séries sur six. GPT-6 Astra et Claude Opus 5.5 n'ont produit aucune preuve de ce type sur douze exécutions. Les estimations du coût minimum sont encore plus révélatrices : quatre des six limites initiales de AWM étaient correctes, Claude Opus 5.5 en avait une sur six et GPT-6 Astra n'en avait aucune. Après avoir appris qu'il existait un gain moins cher, AWM a révisé ses règles et atteint six limites correctes sur six.

183 niveaux, 99,9 points et 43% des actions d'un humain

Vient ensuite l’ensemble complet ARC-AGI-3. À travers les 25 jeux publics, les modèles de AWM permettent à Lean de rejouer les trajectoires gagnantes des 183 niveaux. Sur des tracés inédits, les règles gelées prédisaient les 4 160 transitions ; après un changement mécanique, le modèle a rejeté 4 031 transitions, ce qui signifie que le modèle a remarqué que le monde avait changé au lieu de continuer avec les anciennes instructions.

Avec Claude Opus 5 comme modèle de base, AWM obtient un score de 99,9 ; le même Claude Opus 5 sans AWM obtient 40,7. Les trajectoires gagnantes certifiées utilisent 43 % des actions dépensées par une base humaine. En d’autres termes, le système ne se contente pas de terminer le jeu ; il l'élimine de manière plus économique qu'un humain moyen.

Où est le piège

Les preuves de AWM sont des preuves sur un modèle appris, pas sur le jeu lui-même. La transformation des écrans en états se produit en Python, en dehors du Lean. Le modèle peut finir par être plus strict que le jeu ; alors une preuve de « impossible » serait vraie pour le modèle et fausse pour la réalité. Les auteurs sont explicites sur ce que les preuves établissent : les règles s'accordent avec chaque transition enregistrée, l'itinéraire certifié franchit réellement le niveau selon ces règles, et sur les niveaux scellés, aucun itinéraire gagnant n'existe dans le cadre du budget.

Le lien avec le jeu réel s'établit de l'extérieur : les règles figées prédisent 4 160 transitions sur des tracés inédits, et une recherche exhaustive du moteur de jeu confirme les seuils scellés. Mais si l’exploration était incomplète et que l’agent avait omis une règle importante, le résultat serait une vérité locale et non une description du monde entier. Les auteurs décrivent une boucle : observation, hypothèse, expérience, abstraction, preuve et encore observation. Le papier est sur arXiv (soumis le 29 octobre 2026, révisé le 30 octobre), et les enregistrements d'exécution ainsi qu'une démo sont sur le site du projet.

Pourquoi c'est important au-delà des jeux

Les agents planifient déjà leurs déplacements, écrivent du code et gèrent les tâches. Dans le monde réel, cependant, ils devront dire non seulement « voici la solution », mais « il n’y a pas de solution, et voici pourquoi ». La différence est énorme. «Je ne l'ai pas trouvé» signifie essayer une autre approche ou attendre. « J’ai prouvé que c’était impossible » libère des ressources, modifie le plan et arrête une boucle sans fin.

Pour une plate-forme construite sur des modèles génératifs, la question est la même : plus les tâches sont automatisées, plus la vérifiabilité devient importante – et non la confiance dans une réponse. Une preuve formelle est la forme la plus extrême et la plus stricte de cette vérifiabilité. Dans les jeux, cela fonctionne déjà. En matière de planification, de budgétisation et de révision du code, l'étape suivante consiste à apprendre à créer des preuves tout aussi courtes et lisibles pour des problèmes sans règles claires.

Ce que cela signifie pour les utilisateurs

Les deux modèles du journal — Claude Opus 5.5 et GPT-6 Astra — sont disponibles en NeuralSpace Discuter. AWM est un projet de recherche sans accès public, mais vous pouvez déjà voir comment les modèles modernes raisonnent sur vos propres tâches. Pour les agents de construction et vos propres projets, il existe le Code section.

Et quelques vraies statistiques. Selon les données de production anonymisées du NeuralSpace au cours des 30 derniers jours (fenêtre du 03.10 au 02.11.2026), le chat a traité 1 513 messages d'utilisateurs sur 516 sessions. Quatre modèles représentaient 69 % des réponses, avec GPT-5.4 Mini en tête avec 580 réponses. Les produits phares lourds sont sélectionnés de manière sélective : dans le travail quotidien, la vitesse et le prix l'emportent généralement, tandis que les problèmes difficiles sont une autre histoire.

FAQ

Qu'est-ce que le Algebraic World Model ?

Un système qui explore un environnement inconnu, en construit un modèle mathématique et prouve formellement les déclarations sur ce modèle en Lean 4 — par exemple, qu'un objectif est inaccessible dans le cadre d'un budget d'action donné.

En quoi AWM est-il différent d'un modèle de langage classique ?

Un modèle de langage propose une réponse et peut se tromper sans la montrer. AWM construit d'abord des règles explicites du monde, puis les vérifie et en déduit des conséquences comme preuve qu'un programme indépendant peut vérifier. Une erreur dans une règle est visible au lieu d'être cachée dans les poids.

Puis-je essayer AWM ?

Il n'existe pas de version publique ; c'est un projet de recherche. Mais les modèles de base sur lesquels il a fonctionné sont disponibles dans NeuralSpace Chat, et vous pouvez créer vos propres expériences dans la section Code.