BIBLIOTHÈQUE SCIENTIFIQUE

Mathématiques
et m stères
Jean-PaulDe~haye

Belin =POUR LA SCIENCE

8. rue Férou - 75278 Paris cedex 06
www.editions-be6n.com - www.pourlascience.com
Les mathématiques aux éditions Belin - Pour la Science
· Jean-Paul Delahaye, Inventions mathématiques, 2014.
· Jean-Paul Delahaye, Merveilleux nombres premiers, nouvelle édition, 2013.

• David Acheson, Mathémagic - De Pi au chaos : pourquoi les maths sont réjouissantes !, 2013 .

· Georg Glaeser, Konrad Polthier, Surprenantes images des mathématiques, 2013.

· Jean-Paul Delahaye, La logique, un aiguillon pour la pensée, 2012.

· Arno Van den Essen, Les carrés magiques, du Lo Shu au Sudoku, 2011.
· Fabio Toscano, La formule secrète - le duel mathématique qui enflamma l'Italie de la Renaissance, 2011.
· Jean-Paul Delahaye, Mathématiques pour le plaisir, 2010.

• Ian Stewart et al., , Les mathématiciens de ['Antiquité au XXI• siècle, nouvelle édition, 2010 .

· Rossana Tazzioli, Riemann, le géomètre de la nature, 2010 .

· Jean-Michel Kantor, Loren Graham, Au nom de l'infini Une histoire vraie de mysticisme religieux
et de création mathématique, 2010 .
· Jean-Paul Delahaye, Les inattendus mathématiques, 2004.

· Jean-Paul Delahaye, L'intelligence et le calcul, 2002 .

· Jean-Paul Delahaye, feux mathématiques et mathématiques des jeux, 1998.
· Jean-Paul Delahaye, Le fascinant nombre Pi, 1997.
· Jean-Paul Delahaye, Logique, informatique et paradoxes, 1995 .

Retrouvez nos ouvrages sur le site des éditions Belin

www.editions-belin.com

Tenez-vous informé de nos parutions en vous abonnant

à la lettre semestrielle et gratuite des « Fous de sciences » :

tousdesciences@editions-belin.fr

Le code de la propriété intellectuelle n'autorise que «les copies ou reproductions strictement réservées à l'usage privé du copiste et non destinées à une utilisation collective»
[article L. 122-5]; il autorise également les courtes citations effectuées dans un but d'exemple ou d'illustration. En revanche «toute représentation ou reproduction intégrale ou
partielle. sans le consentement de l'auteur ou de ses ayants droit ou ayants cause, est illicite» [article L. 122-4].
La loi 95-4 du 3 janvier 1994 a confié au C.F.C. (Centre français de l'exploitation du droit de copie. 20. rue des Grands-Augustins. 75006 Paris). l'exclusivité de la gestion du droit
de reprographie. Toute photocopie d'œuvres protégées, exécutée sans son accord préalable. constitue une contrefaçon sanctionnée par les articles 425 et suivants du Code pénal.

IO Éditions Belin 2016 ISSN 0224-5159 ISBN 978-2-410-00236-2

 Sommaire-
1ntrod uction ............................................................................................................................... 4

La cryptographie, science du secret ............. 6

Persuader de son savoir sans le transmettre ...... .. ... 8

Déléguer un calcul sans divulguer ses données ..................... .. ... 16
Bitcoin, la cryptomonnaie ........................ .. ...... 24
Les preuves de travai l .. . 32
Les blockchains, clefs d'un nouveau monde ... .... 40

Mystères et étrangetés des nombres .... .... ................ 48

Les entiers ne naissent pas égaux .......................... .. .......................................... 50
La maîtrise des nombres premiers ......... . .. .................... .................... 58
Être normal, pas si faci le ! ............................ . .. ............ 66
De nouvel les décimales den ..... . ......... 74
Le calculateur amnésique . .. .. 82

La logique et ses paradoxes ........... ....... ... ................... 88

La logique de la perfection ...... 90
L'impossible hasard .... .......... 98
Équations résolubles ou non ? ...... .106
L'embarrassant paradoxe de Simpson . ............. 114
Indécidables utiles et inutiles . ... 122
Les limites logiques et mathématiques .. 130

Conjectures et spéculations risquées ...................... 135

La conjecture du carré inscrit ... ............ 138
Cosmos; l'art de spéculer sérieusement .................... . .. 146
La beauté mise en formu les .. ..... 154
Le hasard géométrique n'existe pas .162
Une seu le intelligence? . ....................... 170
L'autoréplication maîtrisée ? . ......... 178

Bibliographie ........................................................................................................................ 186

« De la connaissance naissent des mystères toujours plus grands
et admirables, nous incitant à comprendre plus profondément.
Il ne faut jamais craindre que les réponses se révèlent décevantes .
Au contraire pleins de joie et de confiance , nous continuerons
à retourner chaque pierre à la recherche d'étrangetés toujours
plus merveilleuses, qui nous conduiront aux questions
et aux mystères les plus fantast iques . Une grande aventure . »

Richard Feynman (1918-1988) ,

What Da Yau [are What Other People Think?
The Value af Science (p . 2Li3). W.W. Norton & Company,
Inc. New York, New York, USA, 1988 .
_ _ _ _ _ _ _ _ _ Introduction _ __

es mathématiques sont une double source de mystères. D'une part, elles

L posent et se posent de nombreuses questions qu'elles ne réussissent
pas à résoudre ou qu'elles résolvent de manière partielle: ce sont les
énigmes résistantes à toutes les attaques (parmi elles, les conjectures), les
objets ou situations aux propriétés bizarres, les paradoxes. D'autre part,
les mathématiques créent de l'inconnu car elles inventent et étudient des
méthodes engendrant à la demande des « mystères parfaits » : ce sont les
codes secrets, et plus généralement les merveilles de la cryptographie
mathématique moderne.
Les chercheurs mathématiciens explorent tous ces sujets déconcertants et
passionnants pour l'amusement et le plaisir de se confronter à la magie
des choses formelles et logiques. Cependant c'est aussi parce que ces
étrangetés sont utiles et créent de la valeur. Les monnaies cryptographiques,
le Bitcoin et ses variantes, sont l'exemple d'une invention mathématique
extraordinairement abstraite à l'origine qui, à partir de rien, engendre une
monnaie numérique réelle qui vaut aujourd'hui l'équivalent de plusieurs
milliards d'euros. Le mathématicien aime aussi parfois se faire philosophe.
Il s'interroge par exemple sur l'idée d'omniscience: est-elle logiquement
possible? Les questions se bousculent. Peut-on calculer sans mémoire?
Qu 'est-ce que le hasard? Qu'est-ce qu'une équation impossible? etc.
L'étude des nombres entiers - les plus simples du bestiaire des nombres -
est aussi l'occasion de rencontrer des questions difficiles et mal résolues.
Le simple problème de poser une probabilité sur ces entiers ouvre des
perspectives troublantes, et les nombres premiers n 'ont pas fini de livrer
leurs mystères.
Chaque chapitre de ce livre vous fera découvrir une facette de cette aventure
jamais interrompue des mathématiques. Ils proviennent des articles de la
rubrique « Logique et calcul » qui paraît chaque mois dans la revue Pour la
science, et y explore les nouveautés mathématiques amusantes ou sérieuses.
Ces articles ont été mis à jour et complétés. Chaque chapitre est une unité
indépendante, ce qui permet donc une lecture dans le désordre de ce petit
panorama des secrets et des mystères mathématiques.

Jean-Paul Delahaye

INTRODUCTION .>J, 5
 Persuader de son savoir
sans le transmettre
En concevant la démonstration comme une discussion entre deux personnes et
non plus comme un cours magistral, les preuves sans transfert de connaissance
accomplissent des miracles.
u 'est-ce que démontrer en mathé-
Q matiques ? La question paraît élé-
mentaire et l'on imagine que, puisque les
mathématicien s se la posent depuis plus
de deux millénaires, ils doivent savoir ce
que cela signifie. En réalité, ce n 'est pas si
simple et l'on va voir que des perspectives
nouvelles ont été créées par l'informa-
tique théorique et la cryptographie : nous
progressons encore dans notre compré-
h en sion de la variété des démonstrations
mathématiques et dan s l'analyse de leur
capacité.
La logique mathématique a donné une
réponse précise si on limite la question
aux démonstrations écrites qu 'un mathé-
maticien soumet sur une feu ille à un autre
mathématicien qui en contrôle l'exacti-
tude. La notion de système formel mise
au point à la fin du x1x• siècle et au début
du xx• constitue cette réponse universel-
lement admise; c'est la forme aboutie de
la méthode axiomatique dont l'origine se
trouve chez Euclide.
Des règles parfaitement précises de mani-
pulation des formules sont fi xées ainsi
que des axiomes, le tout représentant les
connaissances évidentes et collectivement
acceptées sur le domaine mathématique
auquel on s'intéresse. Tout cela définit un
système formel. Trouver une démonstra-
tion consiste alors à écrire une suite de for-
mules telle que chacune est un axiome ou
le résultat de l'application d'une des règles
8 J M ATHÉ MATIQUES ET M YSTÉ R ES
de manipulation. Vérifier une démonstra-
tion consiste à passe r en revue la suite de
fo rmules en s'assurant que les règles du jeu
formel ont bien été respectées. Trouver une
démonstration est difficile, car les règles
du système formel créent une explosion
combi natoire de possibilités. Vérifier une
démonstration est fac ile, car il s'agit d'un
travail mécanique de contrôle qu'on peut,
en principe, confier à une machine.
• Des preuves
dites interactives
Les mathématiciens n'écrivent pas de
preuves formelles détaillées, car ce serait
long et pénible, mais seulement des
esquisses de preuves formelles. Cela ne
change pas fond amentalement la situation,
car à partir de ce qu'ils écrivent, on peut pro-
duire les preuves formelles complètes. D'ail-
leurs, des programmes informatiques aident
à le faire si l'on y tient absolument. Retenons
que trouver une preuve est un travail diffi-
cile, alors que la vérifier est mécanisable.
Cette conception classique - une propo-
sition, un contrôle - n 'est cependant pas
celle dont le p rofesseur ou le conféren-
cier fa it l'expérience: il interagit avec
ses élèves ou auditeurs. Pour lui, prouve r
un énoncé m athématique, c'est les
convaincre de manière parfaite ou en lais-
sant un doute infinitésimal que l'énoncé
 Le démon de Jean-Jacques Quisquater
et Louis Guillou est inspiré du célèbre
démon de Maxwell et d'une idée de Quis-
quater et Guillou qui illustre ce qu'est
une preuve interactive sans transfert de
connaissance.
Deux pièces A et B sont séparées par
une porte de communication ne pouvant
être franchie que si l'on compose un code
secret. Un clavier de chaque côté de la
porte permet de saisir cette information
et déclenche l'ouverture. Le code secret
pourrait être les deux facteurs premiers
d'un grand nombre entier.
En plus de la porte centrale à secret,
chaque compartiment possède sa propre
porte vers l'extérieur : porte Aet porte B.
Dès qu'une des portes vers l'extérieur est
ouverte, la porte centrale se débloque.
Patrick connaît le code de la porte et veut
en convaincre Vincent, mais il ne veut pas
lui communiquer le secret.
Au départ, les trois portes sont ouvertes [a].
Patrick entre dans la « boîte ». On ferme
les portes Aet B. La boîte est alors tota-
lement opaque et Patrick peut écouter les
injonctions de Vincent à l'extérieur. À cet
instant, la porte centrale entre les deux
compartiments est ouverte [b]. Patrick
se place dans l'un des deux comparti-
ments de son choix. Le mécanisme de
la porte centrale fonctionne et ferme la
porte centrale. Vincent choisit alors, en
tirant éventuellement à pile ou face, une
des portes et demande à Patrick de sortir
par celle-ci (c). Patrick, après quelques
secondes, franchit la porte centrale si c'est
qu 'il leur prése nte est vrai , et plusieurs
échanges de paro les sont parfoi s néces-
saires, échanges qui varient d'un auditoire
à l'autre. Cette idée de preuve interac tive
n'es t pas ce lle de la logique mathématique
modéli sée avec les systèmes form els. Elle
a été introduite en informatique théo-
rique il y a un peu plus d'une vingtaine
d'années par Shafi Goldwasse r, Si lvio
Mi ca li et Charles Rackoff. Ell e y jou e un
nécessaire, puis sort par la porte que lui chance sur 220 (environ un million) de ne
a indiquée Vincent [d). jamais avoir été coincé, car il aurait fallu
Vincent dit : « Oui c'est bien, mais cela que 20 fois de suite tu te places dans le
ne suffit pas à me convaincre, il se peut compartiment que j'ai choisi, avant même
que sans avoir à franchir la porte cen- que je le choisisse. »
trale tu sortes du bon côté parce que, Vincent,à l'issue des 20 succès de Patrick,
par chance, tu étais dans le bon com- est donc certain que celui-ci connaît le
partiment. » Patrick lui répond « Eh secret de la porte centrale. Le protocole
bien, recommençons. » On recommence utilisé est une preuve interactive et Vin-
le petit jeu. Patrick réussit à nouveau à cent, à l'issue des 20 essais, n'a rien appris
sortir par la porte que lui indique Vin- sur le secret de la porte. Si ce secret est la
cent. Ce n'est pas encore assez pour factorisation d'un grand nombre entier N,
Vincent et le jeu est répété 20 fois de il sait juste que Nest composé, mais ne sait
suite. Cette fois, Vincent consent : « Je rien sur les facteurs de N. Il dispose de la
suis maintenant convaincu, tu connais le preuve que N est composé, mais aucune
secret de la porte. Au bout de 20 essais, information sur la preuve que N est com-
si tu procédais au hasard sans connaître posé ne lui a été transmise. Le protocole est
le secret de la porte, tu n'aurais qu'une une preuve sans transfert de connaissance.
rôle de plu s en plus important, en parti-
culi er dans le domaine des applications
cryptograph iques. Noton s que l'article qui
introduit cette notion et qui est considéré
aujourd'hui comme l'un des plus impor-
tants de l'histoire de l'informatique a été
refus é troi s foi s !
Il existe plusieurs vari antes de la notion
de preuve interactive, chacune ayant son
intérêt et nous en donnerons l'idée avec
PERSUADER DE SDN SAVOIR SANS LE TRANSM ETTR E ~ 9
 des exemples. Non seul em ent c'est amu-
sant, mai s cela nou s force à réfl échir avec
un œil neuf à l'idée de démonstration et
aux rôles qu 'y jouent le calcul, le hasard et
l'interaction. De plus, c'est utile !
L'idée fond amentale es t que trouver des
preuves sera parfois difficile, mai s que les
vé rifier se ra toujours assez fa cile. Cette
foi s, non seulement une m achine pourra
faire la vérifi cation, m ais elle pourra la
faire rapideme nt. La diffé re nce avec les
systèmes form els de la méthode axio-
m atique class iqu e vient du fait qu 'il y
aura plusieurs échanges, et non un seul
comme dans le cas d'une démonstration
écrite qu 'un m athémati cien soumet à un
confrère. Le « prouveur », celui qui pro-
pose un énoncé mathématique E et veut
persuader de sa justesse, et le «vé rifieur »,
le pe rsonnage qu 'il faut convaincre de la
justesse de E, écha ngent de façon répétée
des informations. À l'i ssue de leur di a-
logue, le vé rifi eur es t certa in que E est
exact avec un ri sque d'erreur négligeable.
Dans le cas des preuves sans transfert de
connai ssa nce (on dit aussi « à divulgation
nulle »), le vérifi eur n 'aura ri en appri s
de plu s que la vérité de E, et e n pa rticu-
lie r, il ne sera pas capable de persuade r
quelqu 'un d 'autre de la justesse de E.
• Un dialogue
prouveur-vérifieur
L'idée est qu e trouver des preuves est plu s
diffi cile qu e les vé rifi er : le prouveur di s-
pose d 'une capac ité de calcul au ss i grande
qu 'il le souhaite, alors que le vérifi eur
ne dis pose que d'une capacité de calcul
limitée. On suppose ra ain si que les ca lcul s
qu e le vérifi eur mène de son cô té sont
d'une taill e majorée par un polynô me en
la vari abl e T qui représente la taille des
données de l'énoncé ma thé matique E.
Nous dirons simplem ent: le vérifieur di s-
pose d'une capacité de calcul polynomi ale.
Le nombre d 'écha nges e ntre le prouveur
et le vé rifi eur es t lui au ss i ma jo ré par un
polynô me dépendant de T : il fa ut qu e la
10 ,Ji MATH É M ATIQ U ES ET M YSTÈ RES
vérification pui sse se fair e global ement
e n un temps raisonn able, sinon le vé ri -
fi eur n 'a aucun intérê t à di aloguer avec le
prouveur.
Derni er point: le hasa rd sera souve nt
utili sé pour organi se r le di alogue, car les
qu estions posées pa r le vérifi eur doivent
être in attendues. Du fa it de l'introduc-
tion de ce hasa rd, la ce rtitude que le vé ri-
fi eur aura de la vérité de E, une foi s les
échanges terminés, ne sera pas absolue.
Cependa nt, le ri sque d 'e rreur (l e véri-
fi eur se laisse conva incre à tort de la jus-
tesse de E) décroît ex ponentiellement
avec la durée des échanges. Cela sig nifi e
que si cinq minutes d'échanges laissent
un ri sque d 'erreur de 1 pour 1000, alors
une durée double (dix minutes ) ne laissera
qu 'un ri sque de 1 pour 1000000 et une
durée triple (un qu art d' heure) ne laissera
qu 'un ri sque de 1 pour 1000000 000 . On
co mprend que cela équivaut en pratique à
une certitude pour le vé rifi eur ; d'a illeurs,
dans les appli ca tions en cryptographie, on
néglige ce ri sque re ndu auss i petit qu 'on
le veut. À propos de ce ri sque probabi-
li ste accepté, n 'oubliez pas qu'un adulte en
France, quel que soit son âge, a une pro-
babilité supérieure à un milliardième de
mourir dans la minute.
Un exemple de protocole à divulgation
nulle est le « Démon de Qui squater et
Guillou » (voir encadré p. 9). Le prou-
veur, ici le démon de l' histoire, au fur et à
mesure que se déroulent les échanges avec
le vé rifi eur, réuss it à pe rsuader ce dernier
de sa capacité à ouvrir une porte secrète.
Après une vingta ine d'échanges, le vé ri-
fi eur n'a plus aucun doute sur la capac ité
du prouveur à ouvrir la porte, m ais ne dis-
pose d'aucune informat ion qui lui permet-
trait de l'ouvrir lui-même.
On peut aussi donner des exemples pure-
ment mathématiques (voir encadrés p. 11
et 12). Ils illustrent la nature de ces preuves
interactives où un vérifieur se convainc d'un
énoncé E, sans avoir rien appris d'autre que
la justesse de E.
L'utilité de ces protocoles de preuve
sans transfert de conna issa nce conce rn e
 ::::= L'identification des graphes
G, G,
Deux graphes sont identiques (ou iso-
morphes) s'ils ont le même nombre de
nœuds et d'arcs, avec la même topologie
(constitués de fils élastiques, on peut
superposer les nœuds, comme pour les
deux graphes G1 et GJ.
On donne ici un protocole où un prouveur
montre à un vérifieur que deux graphes
donnés ne sont pas isomorphes sans lui
détailler les calculs compliqués qu'il a
dû faire pour démontrer leur non-iso-
morphisme. Le problème du non-isomor-
phisme de graphes est dans la classe IP:
un prouveur peut convaincre un vérifieur
en dialoguant avec lui.
Patrick (le prouveur) doit convaincre
Vincent (le vérifieur), qui ne le croit pas
sur parole, que les deux graphes R1 et R2
auxquels ils s'intéressent ne sont pas iso-
morphes. Patrick a pu se convaincre du
non-isomorphisme en faisant autant de
calculs qu'il le souhaite, car aucune limite
aux calculs du prouveur n'est imposée
dans un protocole de preuve interactive.
p rincipa le ment la sécur ité informa-
tiq ue. L'authen ti fi cat ion y trouve là une
méthode sûre et idéa le. Le dé te nteu r d'un
secret E qui attes te de son identité (i l a,
pa r exemp le, créé ce secret) réuss it, grâce
au x preuves inte ractives sa ns transfert
de connai ssa nce, à démon t rer à un inter-
locuteur qu 'il connaî t bien le sec ret sa ns
pour autant le div ulguer, ce qui pe rmet la
réutili sa tion de ce sec ret pour une authe n-
tifi cat io n ultéri eure. Les cartes à puce ban-
ca ires, par exe mple, mettent en œ uvre de
tels protoco les.
Patrick pourrait transmettre à Vincent le risque pour Vincent d'être dupé passe à
les calculs lui ayant permis de savoir que un milliardième. li s'agit d'un protocole qui
R1 et R2 ne sont pas isomorphes, mais répond à nos souhaits : le vérifieur fait peu
Vincent ne veut ni faire de longs calculs de calculs, et se trouve convaincu avec une
ni lire et contrôler de longues preuves. assurance aussi grande qu'il veut que R1
Il veut être convaincu rapidement et de et R2 ne sont pas isomorphes.
façon fiable que les deux graphes ne sont A l'issue des échanges, Vincent n'a rien
pas isomorphes, sans qu'un intrus puisse appris, car la réponse que lui a donnée le
le berner. Voici comment ils s'y prennent. prouveur était connue de lui avant que le
Vincent permute le nom des nœuds de l'un prouveur lui réponde : il s'agit d'un pro-
des graphes, R1 ou R2, sans dire à Patrick tocole interactif de preuve sans transfert
sur quel graphe il a opéré (voir le dessin]. de connaissance.
Il obtient ainsi un graphe Rqu'il transmet
à Patrick en lui demandant si R provient
de R1 ou de R2. Le fait d'avoir changé les
noms des nœuds rend méconnaissable le
graphe transformé. Si Patrick n'est pas un
imposteur et que les deux graphes R1 et R2
ne sont pas isomorphes, il réussit à déter-
miner l'origine de R(avec les nœuds non
changés) et il transmet alors sa réponse
à Vincent (le graphe R vient de R2 par C
exemple), lequel connaît l'origine de Ret
vérifie donc que Patrick ne se trompe pas.
Si cette opération n'est effectuée qu'une
seule fois, il se peut que R1 et R2 soient iso- d
morphes (auquel cas Patrick aune chance
sur deux de donner le bon résultat).
En revanche, si la même série d'opérations
est menée 20 fois de suite, alors la probabi-
lité pour que, par chance, Patrick ou celui
qui répond à sa place ait répondu 20 fois
de suite correctement n'est plus qu'un mil-
lionième. En effectuant l'opération 30 fois,
• Pouvoir des preuves
Il a rri ve qu 'un doma ine ma thé ma ti que
ne puisse pas constituer un « systèm e
fo r mel », car l'ense mble des véri tés mathé-
mat iques associées est trop complexe
pou r q u'o n pu isse les dé mo ntrer toutes
automatiqu ement. D'ap rès le théorè me
d'incomplétude de Gode!, c'est le cas de
l'a rithmétiq ue: la structure de l'e nsemble
des form ul es vra ies d'a ri th métique es t
trop subtile pou r se la isser en ferme r dans
u n systè me form el. Ce la sign ifi e que mê me
PERSUADER DE SON SAVOIR SANS L E TRANSMETTRE ,Il 11
 La 3-coloriabilité

A B C D

Dans l'exemple considéré ici, Patrick pré-
tend qu'un certain graphe G est 3-colo-
riable, c'est-à-dire qu'on peut en colorier
les nœuds avec trois couleurs (rouge, bleu,
jaune) de telle façon que deux nœuds
reliés par un arc du graphe soient toujours
de couleur différente [dessin A). Nous
dironsqu'un tel coloriage est correct.
Au hasard, Patrick associe des numéros
aux troiscouleurs, par exemple 1 =rouge,
2 = jaune, 3 = bleu [dessin B). li inscrit
sur les nœuds du graphe les numéros
correspondant au coloriage correct qu'il
connaît et recouvre les numéros de petits
jetons qui masquent les numéros inscrits
[dessinC). Ensuite, Patrick ne touche plus
au graphe ni aux jetons. Cela constitue de
sa part un engagement.
Vincent choisit alorsun arc du graphe et
soulèveles deux jetons des extrémités de
l'arc choisi (dessin D). S'ils sont de même
couleur (même numéro), il en déduit que
Patrick triche en prétendant connaître un
coloriage correct à trois couleurs. Sinon,

s'il existe des moye ns class iques pour
écrire des démonstrations d'arithmétique
(et les transmettre à un vérifieur) , aucun
de ces moyens ne vaut pour l'ensemble
des vérités arithmétiques : tout système
formel poss ible pour l'arithmétique en
laisse échapper. Le pouvoir des preuves
classiques est limité et c'est le sens pro-
fond des résultats d'incomplétude.
De la même faço n, n'importe quel domaine
mathématiqu e n'est pas su sceptible de
donner lieu à un protocole de preuve inte-
rac tive ou à un protocole de preuve sa ns
transfe rt de connaissance. L'identification
précise des do maines mathém atiques per-
m ettant ces types de démonstrations a
bien sûr été l'obj ectif des chercheurs. Ce
qu 'ils ont découve rt les a étonnés, car un
grand nombre de dom aines mathém a-
tiques sont concernés, et bien plus qu'on
ne l'imaginait au départ. Nous all ons pré-
senter cet état de l'a rt auquel les cher-
cheurs sont arrivés en 201 6. Même si cela
semblera parfois un peu abstrait, il nou s
faut parler en termes de classes de com-
plexité et utili ser quelques sigles ésoté-
riques : P, NP, PSPACE, IP, ZK. C'est le prix
de la précision.
Le para mètre important sera toujours la
taille T de l'énoncé mathématique E que le
prouveur tente de fa ire accepter au véri-
fi eur. Quand on parle de temps de calcul ou
d'espace nécessa ire pour le calcul, on le fait
toujours en se référant à cette taille T des
énoncés E. Quand on dit par exemple qu'un
algorithme A réali se un ca lcul en espace
polynomial, cela signifie qu'il existe un poly-
nôme P(I). par exemple P(T) = T3 + 2T + 9,
tel que A uti lise moins de P(T) mémoires
(mesurées en bits ou en octets) pour traite r
un énoncé E dont la taille, mesurée en
nombre de symboles, est T.
Envisageons successive ment di ve rs
domaines mathématiques et les protocoles
de preuves associés, ainsi que les cl asses de
complexité qui correspondent.

12 .;, MATH ÉMATIQUES ET MYSTÈRES

il dispose d'un indice que Patrick connaît
peut-être un coloriage correct. En effet,
si Patrick n'en connaissait pas, au moins
l'un des arcs sur le graphe qu'il a engagé
serait incorrect et Vincent aurait pu tom-
ber dessus. La probabilité pour qu'un
imposteur se fasse repérer par Vincent
est supérieure à 1/K, où K est le nombre
d'arcs du graphe.
En répétant un certain nombre de fois le
protocole (numérotation des couleurs,
numérotation des nœuds du graphe, enga-
gement du graphe par Patrick, choix d'un
arc par Vincent), Vincent rend la probabi·
lité que Patrick soit un imposteur aussi
petite qu'il le souhaite, puisque (1-1/K)"
tend vers Oquand n tend vers l'infini.
Un instant de réflexion montre que lors
du déroulement de ce protocole, Vincent
n'apprend strictement rien concernant le
coloriage du graphe que Patrick connaît.
Il s'agit d'un protocole sans transfert de
connaissance.
Bien sûr, l'opération de masquage des
nœuds par les jetons doit être réalisée
numériquement dans les protocoles
informatiques. Cela est rendu possible
par les fonctions à sens unique, fonc-
tions telles qu'on calcule facilement f(x)
quand on connaît x, mais qu'il est très
coûteux d'inverser : calculer x quand
on connaît f(x) demande un temps non
polynomial.
Le procédé numérique de masquage des
nœuds se fait de la manière suivante :
- Patrick associe à chaque nœud un
nombre x dont la valeur modulo 3 du
chiffre des centaines (par exemple) est la
couleur du nœud dans le coloriage correct
en trois couleurs qu'il connaît.
- Patrick indique à Vincent la valeur f(x)
et l'ensemble de ces f(x) constitue l'enga-
gement de graphe par Patrick.
-Vincent ne peut en déduire aucun x donc,
ne peut pas exploiter l'information que
lui transmet Patrick pour reconstituer le
coloriage du graphe que Patrick connaît.
Dit autrement, Vincent ne peut pas sou-
lever les jetons pour voir le coloriage du
graphe.
- Quand Vincent veut contrôler un arc
particulier du graphe, Patrick indique à
Vincent les valeurs x1 et x2 des nombres
qu'il a associés aux deux extrémités de
l'arc choisi. Vincent contrôle que cela cor-
respond à deux couleurs différentes (il
évalue la valeur du chiffre des centaines
de x1 et de x2 modulo 3), et que Patrick
n'a pas triché : il calcule f(xJ et f(xJ et
compare les valeurs obtenues avec ce
que Patrick a indiqué en engageant son
graphe.
Le protocole décrit ici est très puissant
en réalité et, sous réserve qu'il existe
des fonctions à sens unique, il permet
de déduire un protocole sans transfert
de connaissance pour tout problème de
la classe NP (et pas seulement pour le
problème du 3-coloriage d'un graphe).

La classe de complexité P est la classe des
problèmes que le prouveur peut traiter en
temps polynomial. Comme le vérifieur dis-
pose auss i de cette puissance de calcul, tout
échange est inutile: le vé rifieur, face à un
problème de la classe P, fa it le calcul néces-
saire et c'est tout. Déterminer si un nomb re
est premier est un problèm e assez diffic ile
en apparence, mais, grâce à un résultat
de 200 2, on connaît des algorithmes poly-
nomiaux qui le traitent et le problèm e de la
primalité est donc dans P. Si un énoncé dit
« N est un nombre premier », le vé rifieur
fa it seul le calcul nécessaire.
• La coloriabilité
est un exemple
Un graphe étant donné, il est parfois pos-
sible de le colorier avec trois couleurs sans
que deux nœuds reliés par un arc du graphe
soient de la même couleur. Avec quatre
couleurs, c'est toujours possible pour un
graphe dessiné sur un plan d'après un théo-
rème (le « théorème des quatre couleurs », qui
porte sur le problème équivalent du coloriage
des cartes de géographie, énoncé en 1852 et
démontré en 1976). Savoir si un graphe est
3-coloriable est un problème de la classe NP
(Nondeterministic Polynomial). Cela signifie
que trouver (travail du prouveur) un tel colo-
riage, s'il existe, peut demander énormément
de calculs, mais que contrôler (tâche du véri-
fieur) si un coloriage proposé convient (deux
nœ uds reliés sont toujours coloriés différem-
ment) sera facile et rapide (polynomial) .
On ne sait pas démontrer que la classe P
*
est différente de la classe NP (P NP ?). On
pense que NP est bien plus grande que P et
que, par exemple, le problème de la 3-colo-
riabilité est dans NP, mais pas dans P. La
classe NP est la classe des problèmes m athé-
matiques pour lesquels il existe des systèmes
traditionnels de preuve mathématiques avec
vérifi eur polynomial : le prouveur calcule

P E RSUADER DE SDN SAVOIR SANS LE TRANSM E TTRE _. 13

:·· Quelques classes de complexité
P : Les problèmes de type P sont convaincu de ce que veut lui
résolubles rapidement (en temps prouver le prouveur, par exemple
polynomiaO. Le vérifieur n'a qu'à que deux graphes ne sont pas
calculer pour vérifier l'affirma- isomorphes (voir encadré p. 11).
tion du prouveur.
PSPACE : Problèmes que l'on
NP: Les problèmes NP sont diffi- résout en utilisant une quan-
ciles à résoudre pour le prouveur, tité de mémoire polynomiale
mais il est facile pour le vérifieur en fonction de la taille des don-
de contrôler que la solution pro- nées et sans qu'aucune limite en
posée est correcte. Par exemple temps de calcul ne soit imposée.
le vérifieur contrôle qu'un graphe
est 3-coloriable en vérifiant que ZK : Notée ainsi pour zero-know-
le coloriage transmis par le prou- /edge, ZK est la classe des pro-
veur est correct. blèmes que l'on sait traiter avec
des protocoles sans transfert de
IP : Dans ce type de problèmes, connaissance.
le prouveur, qui dispose d'une
capacité de calcul illimitée, dia- MIP: Même définition que la
logue avec un vérifieur qui ne classe IP, sauf que le vérifieur
dispose que d'une capacité de dialogue ici avec plusieurs prou-
calcul polynomial. À l'issue de veurs, lesquels ne dialoguent
leurs échanges, le vérifieur est pas entre eux.
(parfois longuement), il transmet sa preuve
et le vérifieur la contrôle en temps poly-
nomial. Pour l'instant, aucune interaction
répétée n 'a été nécessaire.
La classe IP est celle des domaines mathéma-
tiques où un protocole d'échange interactif
permet à un prouveur de convaincre le véri-
fieur de la vérité d'une affir mation. Cette fois,
il y aura plusieurs échanges entre le prouveur
et le vérifieur, et des appels au hasard seront
peut-être utiles. Le problème du non-isomor-
phisme de graphes (voir encadré p. 11) est
dans la classe IP, car un tel protocole existe.
Ce problème n 'est pas connu comme appar-
tenant à NP : en effet, il semble impossible
qu 'un algorithme puisse vé rifi er rapide-
m ent que deux graphes ne sont pas iso-
morphes, comme c'est le cas d u vé rifieur
des problèmes NP. Il semble donc que la
classe IP soit plus grande que NP et que
l'interaction répétée offr e la possibi lité de
fa ire des démonstration s que la transmi s-
sion d 'une information sans dialogue ne
permet pas. Lorsque le vérifieur ne dispose
que d'un temps de calcul polynom ial, les
14 ~ MATHÉ MAT IQ U E S ET MYSTÈRE S
preuves traditionnelles des mat hémati ques
seraient moins puissantes que les preuves
interactives. Le professeur ou le conféren-
cier di spose d'un pouvoir de persuasion
supérieur au m athématicien isolé qu i com-
munique par un seu l document écrit.
Qu 'y a-t-il dans la classe IP, apparemment
plus grande que NP ? La question a été
résolue par Adi Shamir en démontrant
que IP = PSPACE (nous allons expliquer
cette égalité), ce qui a constitué un coup
de tonnerre dans le domaine de l'étude des
classes de complexité.
• L'interaction accroît
le pouvoir des preuves
La classe PSPACE est la cl asse des pro-
blèmes que l'on peut résoud re sans qu 'au-
cune limite sur le temps de calcul ne soit
imposée, mais où o n limite la mémoire uti-
li sable pour mener le calcul : la mé moire
doit être polynomiale en fo nction de
la taille des données. Démontrer que
IP = PSPACE fut do nc vraiment la m ise
en év idence que les protocoles interactifs
sont plus puissants que les pro tocoles sans
interaction. Le lien ent re IP et PSPACE est
surprenant, car la classe PS PACE n'avait a
priori pas de raison d 'être identi que à la
classe IP défini e sans menti on de la capa-
cité de m ém orisation. C'est en découvrant
des résultats de ce type que les mathéma-
ticiens ont le sentiment de mettre au jour
des vé rités profondes sur le monde des
nombres et des structures abstraites.
Une autre question était posée, cruciale
pour la cryptographie: que peut-on faire
avec un protocole de preuve sans transfert
de connaissance? On note ZK (pour zero-
knowledge) les problèmes ou domaines
mathématiques qu 'on peut traiter avec
des protocoles sans transfert de connais-
sance. On sait auj ourd'hui que, contraire-
ment à toute attente, ZK = IP = PSPACE:
tout ce qui peut être démont ré par un pro-
tocole de preuve interactive peut l'être par
un protocole de preuve sans tra nsfert de
connaissance !
L'article signé de sept auteurs (M. Ben-Or,
O. Goldreich, S. Goldwasser, J. Hâstad, J. Kilian,
S. Micali, P. Rogaway) qui annonçait ce résultat
porte un titre frappant: Everything provable
is provable in zero-knowledge. Toutefois, le
résultat n'est démontré qu'en supposant
vraie la conjecture selon laquelle il existe des
fonctions à sens unique. Pour ces fonctions
x - j(x) , le passage de x à .f(x) est facile (il ne
demande qu'un calcul polynomial), alors que
retrouver x quand on connaît j(x) demande
un long et difficile calcul.
La conjecture affirmant l'existence de fonc-
tions à sens unique implique la conjecture
*
P NP et il est peu probable qu'elle soit rapi-
dement démontrée. Il existe cependant plu-
sieurs exemples de fonctions dont on pense
qu 'elles sont à sens unique et qu'on utilise
dans les protocoles cryptographiques. La
plus simple est la multiplication : il est facile
de calculer le produit M x N= P à partir des
entiers premiers M et N, mais personne ne
connaît de méthode rapide pour retrouver
Met N à partir de l'entier P (même si nous
savons que M et N sont des nombres pre-
miers et que la décomposition est unique).
Leonid Levin a récemment fait faire un pro-
grès important à cette énigme. Il a proposé
une fonction dont il a démontré qu'elle
était à sens unique sous la seule condition
qu'il existe au moins une fonction à sens
unique. Autrement dit: ou bien la fonction
qu 'il propose est à sens unique, ou bien il
n'existe aucune fonction à sens unique.
Malgré l'utilisation d'une conjecture non
résolue, le résultat ZK = IP est remarquable.
Il ne signifie pas que tout protocole inte-
ractif est sans transfert de connaissance,
mais que s'il existe un protocole interactif,
alors on sait comment en concevoir un qui
soit sans transfert de connaissance.
Peut-on se débarrasser de l' hypothèse sur
des fonctions à sens unique? Une réponse
positive a été donnée à la condition de
prendre en compte un nouveau type de
preuves où deux prouveurs (deux confé-
renciers ) ne pouvant pas communiquer
l'un avec l'autre tentent en dialoguant
chacun de leur côté avec le vérifieur de le
convaincre de la vérité d'un énoncé E.
Ce résultat ne s'appuyant pas sur une conjec-
ture non démontrée s'écrit MIP = NEXP-
TIME : la classe MIP des problèmes dont
une multitude de prouveurs agissant pour
convaincre un vérifieur est la même que
la classe NEXPTIME des problèmes qu'un
vérifieur disposant d'une puissance expo-
nentielle en temps de calcul peut traiter.
Puisque la classe NEXPTIME est vraiment
très grande, cela signifie que la force de
l'interaction se montre redoutable.
Cela nous conduit donc à ajouter un
échelon à l'échelle des classes de com-
plexité, où ç::; est le symbole de l'inclusion
au sens large :
P ç::; NP ç::; PSPACE= IP ç::; MIP= NEXPTIME.
• Inutile de faire appel
à plus de deux témoins
Le fait que deux prouveurs font mieux qu'un
seul a une interprétation assez naturelle,
connue des policiers qui interrogent sépa-
rément les témoins d'une affaire louche. Le
vérifieur (le policier) qui se méfie et ne veut
se laisser.convaincre d'une assertion E que si
elle est vraie compare ce que le prouveur 1
(le témoin 1) et le prouveur2 (le témoin2)
disent. Il s'assure que ce qu'on lui raconte
est bien cohérent et il tend des pièges aux
témoins dont les récits doivent coïncider ou
au moins se compléter sans se contredire.
Chose amusante et à nouveau inattendue,
un vérifieur échangeant des informations
avec deux prouveurs a autant de pouvoir
que s'il échangeait des informations avec
trois prouveurs ou plus. Disposer de plus
de deux témoins n'augmente pas le pou-
voir de l'enquêteur mathématicien!
Il est p assionnant de voir comment la
cryptographie moderne, en envisageant
des protocoles utiles et cruciaux pour
le bon fonctionnement de notre monde
numérique, et en essayant de les com-
prendre mathématiquement, a réussi à
donner un sens précis à des idées natu-
relles mais restées vagues, et a conduit à
renouveler notre conception de la certi-
tude mathématique.
PERSUADER DE SDN SAVOIR SANS LE TR AN SMETTRE ,,j 15
El Déléguer un calcul
sans divulguer ses données
Vous confiez des calculs à un tiers, il les effectue et vous transmet les résultats,
mais sans avoir pu connaître ni les données du calcul ni ses résultats:
un nouveau miracle cryptographique!
i vous êtes prudent, vous chiffrez vos
S données avant de les confier à un ser-
vice de sauvegarde extérieur, dans le
« cloud » par exemple. Comment demander
alors à ce service de prendre les données
d'un fichier et d'en calculer la moyenne,
ou d'en extraire des informations particu-
lières? Pour calculer et manipuler des don-
nées, il semble qu'il faille les connaître.
Eh bien, non ! C'est tout l'enjeu des sys-
tèmes de chiffrement homomorphe: vous
permettez à un tiers de calculer avec vos
données qu'il ne connaît pas, et il produit
un résultat qui lui est illisible, mais que
vous savez déchiffrer.
• Une méthode très simple:
la multiplication
Si les calculs à effectuer sont simples, il
est faci le d'imaginer une solution. Vous
choisissez un nombre C que vous serez le
seul à connaître. Vous multipliez toutes vos
données par C, et ce sont ces données que
vous transmettez à l'opérateur extérieur (!J
chargé de les sauvegarder. Pour connaître
par exemple la moyenne de vos données ou
de certaines d'entre elles, vous demandez
à (!J de calculer la moyenne sur les données
dont il dispose et de vous transmettre le
résultat. Puis vous divisez le résultat par C:
vous avez votre moyenne, car la moyenne
16 ., J M A THÉMATIQUES ET MYSTÉRES
de C d 1, C d2 , ••• , Cd,, est C fois la moyenne
de d 1, d2 , •• •, d,,.
Avec ce procédé, vous pouvez faire exé-
cuter par l'opérateur extérieur d'autres
types de calculs. Pour connaître le nombre
de données qui dépassent un certain
nombre B, vous lui demanderez le nombre
de données qui dépassent C B. Le tri de
vos données par ordre croissant est aussi
faisab le, puisque si C est positif, le tri de
C dl' C d2 , .. . , Cd,, exige les mêmes permuta-
tions que d 1, d2 , •• •, d,,. Toutes les moyennes
pondérées, par exemple la moyenne
(d 1 + 2d 2 + Sd3 + d4 )/9, sont aussi possibles
sans dévoiler C, car le résultat sur les do n-
nées mu ltipliées par C est égal à C fo is le
résultat attendu. Certaines opérations un
peu plus compliquées sont envisageables :
pour le calcul de d 1d2 + d3d4 + d5d6 , il suf-
fira de diviser le résultat que (!J fournit
par C2 .
Cependant, vous ne pourrez pas demander
d 1 + d2d3 et, finalement, ce n'est qu'un
faible sous-ensemble de calculs que vous
saurez faire exécuter à l'extérieur sans avoir
à divulguer vos secrets. En particulier, pas
question de faire opérer des algorithmes
complexes sur vos données, comme l'identi-
fication, parmi les nombres confiés, de ceux
qui sont des nombres premiers. Remar-
quons aussi que le chiffrement de vos don-
nées en les multipliant par une constante C
laisse transparaître certaines informations
que vous ne souhaitez peut-être pas que
 Calcul délocalisé
Avec les chiffrements dits homo-
morphes, un opérateur calcule sur des
données chiffrées dont il n'a pas connais-
sance. Une fois le calcul achevé, il ne peut
pas connaitre le résultat trouvé, que seul
le commanditaire du calcul déchiffre.

Vous chiffrez ws données avec une clef

~
secrète et vous les enwyez à l'opérateur
extérieur (1). !.:opérateur effectue des
calculs avec les données cryptées et vous
envoie les résultats (cryptés) sans avoir
eu connaissance de la clef (2, 3). Vous
déchiffrez les résultats reçus grâce à la clef
Vos données

1Votre ordinateur
1 1

fg]] ___~ ...,__.I.

secrète (4): vous îNeZ ainsi connaissance
des résultats d'un calcul que vous n'îNeZ
pas fait, résultats auxquels l'opérateur n'a
pas pu avoir accès. Pour des séries d'addi-
tions et de soustractions, de tels calculs Résultat du calcul Décryptage des résultats
délocalisés sont possibles, avec la mise au sur les données initiales du calcul sur les données chiffrées
point d'applications réelles telles que les
systèmes de vote.

l'opérateur (Y connaisse : le numéro de la opération *1 et une opération *2 (pas néces-

donnée la plus grande ou la plus petite, les
valeurs égales, les données classées, etc.
Le problème sera résolu si vous disposez
d'une méthode de chiffrement permettant
à la fois de bien masquer toute l'informa-
tion et autorisant l'exécution d'additions et
de multiplications sans rien révéler : avec
ces deux opérations, on reconstitue tout
calcul.
• La solution:
des chiffrements pleinement
homomorphes
Notons aussi qu'il n'est pas essentiel que
l'opération effectuée par (Y soit identique à
celle que vous voulez au fi nal. En effet, sup-
posons que le chiffrement de la donnée d
soit <f5 (d) et que le déchiffrement (que
vous seul savez effectuer) soit l'opération
<f5': <f5'(<:f5 (d)) = d. Pour réussir à faire exé-
cuter toutes sortes de calculs par un opé-
rateur extérieur, il suffirait qu'il existe une
sairement l'addition et la multiplication
habituelles ) vérifiant :
<f6 (d1 + d2) = <f5 (d1) *i 'i5 (d2) (propriété 1)
'i5 (d1 x d2) = <f5 (d1) *2 <f5 (d2) (propriété 2).
En exécutant *1 et *2 à la place de + et x ,
l'opérateur (Y produira à partir des données
chiffrées un résultat qui, après le déchiffre-
ment par <f5 ', sera exactement ce que vous
voulez.
Par exemple, si vous souhaitez connaître
d1 +d2 d3 sans le calculer vous-même (ce
qui est impossible avec la méthode de
multiplication par C), vous enverrez vos
données cryptées 'i5 (d1), <f5 (d2), 'i5 (d3) à
l'opérateur en lui demandant de calculer
'i5 (d1h ('i5 (d2h <f5 (d3)) et de vous ren-
voyer le résultat R. Grâce à l'opération <f5',
vous obtiendrez alors la valeur de d1 + d2 d3,
puisque:
<f5'(R) = <f6'(<f6 (d1) *1 (<f6 (d2) *2 <f6 (d3))) =
<f6'(<f6 (d1)) +<f6'(<f6 (d2h <f6 (d3)) =
d1 +<f5'(<:f5 (d2) X <f5 '(<f5 (d3))) = d J + d2 d3 .
La méthode fonctionnera pour toute expres-
sion, aussi compliquée soit-elle, constituée

DÉ LÉG U ER U N C ALCUL S A NS DI V ULG U ER S ES DO N NÉES .» 17

 Préserver la confidentialité
Imaginons que l'on souhaite établir une
statistique sur un sujet délicat en utili·

...
Chiffrement et envoi
sant Internet et en garantissant à cha·
~ 1 ~
- -o~.
cune des personnes sondées que les ffidOMffi
données individuelles contenues dans
les réponses ne seront pas divulguées.
Jl =e: Clef
publique
La procédure est la suivante: Personne
sondée A
Chaque personne chiffre ses réponses

-
avec la clef publique du collecteur
final et les envoie à un calculateur
extérieur (1). Ce calculateur traite ces •A•
données cryptées et envoie le résultat
au collecteur final (2, 3). Ce dernier
0
Personne
-
•W•

déchiffre le résultat et obtient la sta· sondée B

tistique souhaitée (4). Le calculateur
extérieur ne peut pas accéder aux
informations privées des sujets de
l'enquête car il ne dispose pas de la
clef privée de déchiffrement, et le col-
lecteur final ne peut pas accéder aux
données individuelles car il n'a pas eu
accès aux informations chiffrées indi·
viduelles transmises.
-~
-
Personne
sondéeC
f;h
- _ _ __.,.

d'additions et de multiplications. Puisque En mathématiques, on connaît de nom-

dès qu'on sait mener des additions et des
multiplications de cette façon, on peut
exécuter tout algorithme, le problème des
calculs secrets par un tiers se ramène à celui
de trouver ~, ~ ', *I' *z, vérifiant les pro-
priétés 1 et 2.
Les méthodes de cryptage vérifiant les
propriétés 1 et 2 sont dites « pleinement
homomorphes ». Le terme vient du langage
mathématique où l'on dénomme homo-
morphisme les fonctions qui transforment
une opération en une autre, comme l'in-
dique par exemple la propriété 1.
Ces homomorphismes jouent un rôle
très important en mathématiques et
chacun connaît le logarithme qui vérifie
log(a x b) =log(a) + log(b) et qui transforme
donc des multiplications en additions (ici,
*z est l'addition habituelle) . Avant l'avè-
nement des ordinateurs, c'était le moyen
le plus efficace pour mener à la main des
calculs numériques, et c'est pourquoi on
dressait des tables de logarithmes conte-
nant des millions de données.
breux homomorphismes, mais aucun des
homomorphismes classiques ne peut servir
à concevoir un cryptage ~ homomorphe
car l'opération de décryptage ~, est alors
trop simple; or une bonne méthode crypto-
graphique est une méthode où il est difficile
de trouver ~'. Le problème des systèmes de
chiffrement pleinement homomorphes
n'était donc pas évident au moment où, en
1978, l'idée en a été envisagée par les Amé-
ricains Ran Rivest et Leonard Adleman et
le Grec Michael Dertouzos. On s'est long-
temps demandé si de telles méthodes exis-
taient. Le problème a parfois été qualifié de
graal de la cryptographie.
Une percée décisive a été réalisée en 2009
par Craig Gentry, de l'université Stanford
et aujourd'hui chercheur au centre Thomas
Watson d'IBM à New York. Craig Gentry a
proposé une méthode qui résout théorique-
ment le problème et a pour cela reçu une
bourse de 625 000 dollars de la fondation
MacArthur. La méthode qu'il a initialement
proposée n'est pas applicable, car elle exige

18 .. MATHÉM ATIQUE S ET M YSTÉRES

des calculs tro p volumineux au moment du
cryptage (la transform ation des données
avant de les envoyer) et du décryptage. De
plus, la taille des do nnées que doit mani-
puler l'opérateur extérieur (1J, et donc la
quantité de calcu ls qu 'il doit mener, est des
mi llions de fo is celle nécessaire quand les
données ne sont pas cryptées.
Depuis 200 9, une multitude de recherches
ont été fa ites pour trouver des schémas
plus économiques. En quelques années, les
progrès ont rendu envisageables certaines
applications, et l'espoir de méthodes encore
plus économiques et fac iles à mettre en
œuvre suscite de nombreux travaux parmi
les spécialistes.
Ava nt de donner des précisions sur les
idées de la percée décisive de Craig Gentry,
reve nons sur les appl ications des cryptages
pleinement homomorphes ou même par-
tiellement homomorphes.
L'algorithme RSA (conçu en 1977 par
Ronald Ri vest, Adi Shamir et Leonard
Ad leman) est une méthode de chiffrement
à clef publique : pour crypter un message,
on utilise la clef publique de son corres-
ponda nt, et lui seul peut déchiffrer le mes-
sage grâce à sa clef secrète. C'est un bon
algorithme, aujourd'hui très utilisé. Il a la
propriété d'être homomorphe pour la mul-
tiplication: en passa nt aux logarithmes,
on en déduit une méthode de chiffrement
homomorphe pour l'addition, comme celle
évoquée au début de l'article, méthode
aya nt cette fo is l'avantage que les données
sont correctement masquées.
• Une application:
les votes secrets
Avec un système additivement homo-
morphe de ce type, on peut opérer des votes
secrets sur le réseau sans se rencontrer.
Décri vo ns un tel procédé.
Il y a troi s typ es d'interve nants: les votants
(au plus N - 1), l'opérateur calculateur, et
l'opérateur de dépoui llement. L'opérateur
de dépoui llement choisit un couple clef
publi que/clef privée et com munique la clef
publique à chaque votant. Chaque votant
choisit alors un nombre entier V de la forme
N k (k entier) s'il veut voter OUI , ou N k+ 1
(k entier) s'il veut voter NON; puis il chiffre
le nombre V choisi avec la clef publique et
transmet le nombre crypté C€ (V) à l'opéra-
teur de calcul. Ce dernier fait la somme S
de tous les nombres qu'il reçoit et commu-
nique S à l'opérateur de dépouillement,
lequel déchiffre le résultat grâce à la clef
privée, qu'il est seul à connaître. Il trouve
ainsi un nombre de la forme M k+ p, où
p est le nomb re de personnes aya nt voté
NON. Le résultat du vote est alors commu-
niqué à tous.
L'opérateur calculateur, qui ne connaît
pas la clef de déchiffrement, ne peut pas
connaître les votes individuels ; l'opérateur
de dépouillement, qui n 'a pas eu connais-
sance des nombres tra nsmis individuelle-
men t, ne peut pas lui non plus con naître
les votes individuels. Les votants peuvent
contrôler le travail de l'opérateur de calcul,
s'ils acceptent de se communiquer les C€ (V),
ce qui ne compromet pas le secret du vote.
Avec un tel système, même si les votants
sont séparés par des milliers de kilomètres
et ne communiquent que par messages,
aucun vote ne circule de man ière lisible, et
personne ne sait comment les autres ont
::::: Craig Gentry, le pionnier
En proposant en 2009 le premier
système de cryptage complète-
ment homomorphe, Craig Gentry,
aujourd'hui chercheur chez IBM,
a révolutionné le domaine. Il a
déclenché une multitude de travaux
qui, petit à petit, ouvrent des voies
pour rendre utilisable son idée, ini-
tialement théorique pour l'essentiel.
Confier de façon massive des calculs
à des opérateurs extérieurs qui ne
peuvent pas accéder aux données (comme pour un vote). Les appli-
n'est pas aujourd'hui envisageable. cations de ces méthodes devraient
En revanche, peu à peu, il est devenu rapidement s'étendre et aider à
possible de résoudre des problèmes accroître la sécurité des réseaux et
particuliers n'exigeant qu'une petite la protection des données... ce dont
quantité de calculs homomorphes on a un grand besoin!
DÉLÉGUER UN CALCUL SANS DIVULGUER SES DONNÉES .,j 19
 Des appels à la prudence ont été émis par
de nombreuses personnalités et mouve-
ments. En France, un rapport du Sénat
datant de 2014 préconisait le maintien
du moratoire sur les machines à voter
décidé en 2007. La CNIL a aussi exprimé
des réserves sur le vote électronique.
Les incidents et problèmes semblent
trop nombreux pour qu'on envisage
aujourd'hui de remplacer au niveau
national le bulletin de vote, l'isoloir et
l'urne fermée à clef par des ordinateurs
s'échangeant des messages et que les
citoyens devraient manipuler pour effec-
tuer leurs devoirs électoraux. homomorphe présenté ici semble une cryptographie (IACR) l'utilise pour
Le site Ordinateurs de vote (www. voie sérieuse : il donne des garanties choisir les membres de son bureau... ce
ordinateurs-de-vote.org/J et le récent convenables concernant la protection du qui est un argument sérieux pour croire
rapport Ethics and e/ectronic voting secret des votes et autorise le contrôle en ses qualités.
de Chantal Enguehard (https://hal. et le recalcul des résultats, tout en per- Il faut se méfier de toutes les solutions
archives-ouvertes.fr/hal-01016256/ mettant à chacun d'être certain que son précipitées en la matière, et il ne faut
document) détaillent les raisons et les bulletin est pris en compte. renoncer à aucune des garanties don-
faits montrant qu'il faut être prudent et Le système Helios de vote par Internet nées par les procédures classiques de
patient. (https://vote.heliosvoting.org/J, fondé vote. Il ne fait cependant pas de doute
Cependant, rien n'interdit de chercher à sur le calcul homomorphe et développé qu'il y aurait des avantages à pouvoir
concevoir des méthodes de vote aussi par l'université Harvard et l'université voter de chez soi, et que si c'était pos·
rigoureuses que possible, permettant catholique de Louvain, est disponible sible de manière sûre, le coût de l'orga-
des contrôles a posteriori tout en garan- gratuitement et librement. L'associa- nisation d'élections en serait, à terme,
tissant l'anonymat des votes. Le calcul tion internationale des chercheurs en considérablement réduit.

voté. On peut encore perfectionner de tels chercheurs en cryptographie (I ACR ) l'utilise

systèmes, comme l'explique un article de
Véronique Cartier et Steve Kremer (voir la
bibliographie en fi n d 'ouvrage) .
Ce type d'applications de la cryptographie
partiellement homomorphe est aujourd'hui
arrivé à maturité et le système de vote
Helios est un logiciel libre développé par
les chercheurs de l'université Harvard et
de l'université catholique de Louvain (voir
encadré ci-dessus). On l'a utilisé pour l'élec-
tion du recteur de l'université catholique
de Louvain et plusieurs fois lors d'élections
étudiantes. L'Association internationale des
pour choisir les membres de son bureau. Il
est fo ndé sur le système de chiffre ment El
Gama/, qui est additivement homomo rphe.
• Une arithmétique
« secrète »
Voici maintenant la description d'une ver-
sion du chiffrement pleinement homo-
morphe de Craig Gentry. Cette ve rsion est
due à Marten van Dijk, Craig Gent ry, Shai
Halevi et Vinod Vaikuntanathan. Les idées

20 .tl M A THÉM ATIQUES E T M Y STÈRES

sont simples et n'impliquent que des calculs
élémentaires effectués avec des entiers.
La méthode utilise le fait que, pour créer un
système de chiffrement pleinement homo-
morphe, il suffit de définir un système qui
chiffre les bits, des O et des 1, et de savoir
faire exécuter par l'opérateur extérieur un
nombre quelconque d'opérations logiques
du type XOR (OU exclusif) et ET entre de
tels bits chiffrés.
La clef secrète du système, que l'utilisa-
teur doit garder pour lui, comme le C de
l'exemple pris au début du chapitre, est ici
un long nombre entier impair p, par exemple
de 500 chiffres binaires. Dans toute la des-
cription de la méthode, la taille des entiers
manipulés est importante ; les opérations
ne sont pas fa isables à la main, mais ce n'est
aujourd'hui pas un problème, puisque n'im-
porte quel téléphone peut manipuler des
nombres de plusieurs millions de chiffres.
Un multiple «approximatif » de p est
un nombre de la forme q p + e, où e est
un nombre d'une vingtaine de chiffres
binaires introduisant une sorte de bruit.
Retrouver p à partir de la donnée d'un ou
plusieurs multiples approximatifs de p
nécessite des calculs si longs qu'ils sont
impossibles à réaliser pratiquement en un
temps raisonnable. C'est sur cette impossi-
bilité pratique que se fond e le chiffrement
pleinement homomorphe que nous décri-
vons. Si q comporte beaucoup de chiffres
(par exemple plusieurs millions de chiffres
binaires), un attaquant ignorant p ne peut
pas fa ire la différence entre q p + e et un
nombre quelconque de même tai lle.
De ce fait, chiffrer un bit b (b = 0 ou 1) par
~ (b) = pq + b + 2r où ra une vingtaine de
chiffres et q plusieurs millions est une bonne
méthode: celui qui connaît p n'a aucun mal
à retrouver q en faisant la division par p. Le
reste de la division est b + 2r, qui est pair
si b = 0 et impair si b = 1. Ainsi, celui qui
connaît p saura sans mal déchiffrer ~ (b). Et
celui qui ne connaît pas p ne voit dans ~ (b)
qu'un nombre quelconque dont il ne tire
rien. Ce système de chiffrement est homo-
morphe pour le XOR et le ET et est donc plei-
nement homomorphe. Le vérifier est une
simple question d'arithmétique. En v01C1
les détails, que vous pouvez passer si vous
trouvez cela fastidieux.
Soient b 1 et b2 deux bits. Chiffrons-les:
~(b 1) = c 1 = q 1p+2r 1+b 1 et ~(bz) = c2
= q2 p+ 2r2 + b2 avec des entiers r 1 et r 2
d'une vingtaine de chiffres, p d'environ
500 chiffres et q 1 et q2 de plusieurs millions
de chiffres. Celui qui connaît p peut cal-
culer le reste de la division par p de:
c1+cz = (q1 +qz)p+2( r1 +rz)+(b1 +bz).
Ce reste est 2(r 1+ r2 ) + (b 1+ b 2 ); puisque
2( r 1+ r 2) est pair, connaître le reste donne la
parité de (b 1+ b2 ) c'est-à-dire le XOR entre b 1
et b2. Additionner ~ (b 1) et ~ (b 2 ) donne
donc, si l'on connaît p, le XOR entre b 1 et b 2
(b 1+ b 2 n'est impair que si l'un ou l'autre est
impair, mais pas les deux, et est pair dans
les deux autres cas). On peut donc faire
calculer à un opérateur extérieur des XOR
sans qu'il connaisse ni les données b 1 et b2,
ni le résultat qu'il calcule. C'est la propriété
d'homomorphisme additif. Notons que le
«bruit » sur c 1+ c2 est passé de r 1 et r2 à
2(r 1 + r 2), il a donc à peu près doublé.
Pour la multiplication, l'opérateur extérieur
calcule : c I c2 =
(q1q2p+ 2qh+q1b2+2q2r1+q2b1) P
+ 2(2rh+ r 1b2+ r2 b 1) + b1b2.
La division par p donne le reste
2(2r 1r 2 +r 1b 2 +r2 b 1)+b 1b 2 et donc la parité
de b 1b2, c'est-à-dire le ET entre b1 et b2
(b 1b2 est impair si b1 et b 2 le sont). C'est
la propriété d'homomorphisme multipli-
catif. Notons cependant que le bruit sur le
résultat est maintenant de l'ordre de 4 r 1r2 .
• Nettoyer périodiquement
le «bruit»
Cette méthode est donc parfaite à un détail
près. Plus on fera de calculs successifs
de XOR et de ET, plus le bruit introduit par
les 2r augmentera en taille et cela en par-
ticulier à cause des ET. Ce n'est pas grave
si l'on n'effectue que quelques opérations,
mais cela devient très ennuyeux si le bruit
atteint la taille de p, car alors on ne peut
plus retrouver (b 1+b 2 ) et b 1b 2.
DÉLÉGUER UN C A LCUL SANS DIV ULGUER SES DONNÉES -.1 21
 ,: . Calcul flou et bootstrapping
Le système de calcul homomorphe initialement Münchhausen qui s'élevait dans les airs en tirant
conçu par Craig Gentry se fonde sur deux idées sur ses bottes. Soigneusement conçu et réalisé,
que l'on retrouve dans tous les systèmes de calcul ce nettoyage périodique des données est réel-
homomorphe inventés et perfectionnés depuis. lement possible et permet alors de mener des
La première idée est que les données doivent être calculs homomorphes sans limitations de com-
chiffrées d'une manière floue, ce flou ne pouvant plexité : dès que le flou devient trop grand, on le
être effacé que par celui qui connaît la clef de réduit par bootstrapping.
déchiffrement. A mesure que les calculs homo-
morphes s'effectuent, le flou s'accroît - comme l'il-
lustration ci-contre le symbolise. Après .-1- 2 _+_3_=-a- - - - - - - - - - - - - - - ,
un certain nombre d'opérations, le flou 5 5+ = b a x b = c c+2=d dx5=
devient si important que même avec
la clef de déchiffrement, il est devenu 2 +3 =
impossible d'accéder aux résultats. 15 + 5 = 1 ° X lù = C c+2 =d d x5 =

La seconde idée est qu'en s'y pre- 2+3=

X )0 = +2 = d d x5=
nant bien (en demandant au système 5+5 = 10
homomorphe d'exécuter l'opération
2 3
de déchiffrement sur ses données, + = X lù = x5=
donc sans en prendre connaissance, 5 + 5 = JO
l================================~
et sans prendre connaissance des 2+3 =
X JO =
résultats), on réussit à effacer le flou F5~+: 5:_:=~1:o.....- -....====..J•iiiii
qui risquait de devenir irrécupérable. ._
2+3 =
C'est le bootstrapping, opération mira- - X JO =
5 + 5 = JO
culeuse analogue à celle du baron de

En effet, si le bruit devien t supérieur à p, le
reste n'est plus comme il fa ut (car le quo-
tien t augmente de 1 ou plus) pour connaître
la somme et le produ it des deux bits codés.
La méthode n'est bon ne qu 'à la cond ition
d 'opérer un nombre li m ité d 'opérations
successives. Pour un calcu l dépendant de
plusieurs d izaines de bits b1, b 2, ... , bk pré-
sents dans une expression complexe ut ili-
san t beaucoup de XOR et de ET, le résultat
obtenu par l'opérateur extérieur risque
d 'être devenu ill isible à celu i qu i lui a confié
le calcu l. La méthode sans le perfectionne-
ment qu i va ve n ir ne fon ction ne qu'avec
des calc uls assez li mités. C'est là qu 'inter-
vient la deu xième idée ma jeure de Craig
Ge n try. Elle consiste à nettoyer péri odiq ue-
ment le bruit pour éviter qu 'il ne devien ne
trop important.
Pour cela, on fa it déchiffre r le rés ul tat
du calcul partiel avan t qu'il ne soit trop
brou illé. Ce nettoyage en lève tout le brui t.
On l'effectue en demandant à l'opérateur
extérieu r d 'appliquer la fon ctio n de déch if-
fr emen t su r le résul tat part iel, c'est-à-d ire de
div iser par p et exam iner la parité du reste
obtenu. Suprême astuce: pu isqu'on ne fa it
pas confiance à l'opérateur extérieur, on ne
lui communique pas la clef de déchiffre-
ment (le nomb re p), m ais on lui demande
de fa ire ce déch iffremen t par un calcu l
homomorp he u til isa nt la méthode qu'on
vien t de décrire! Ce n 'es t possible bien sûr
que si ce calcul homomorphe du déchiffre-
ment n'est pas trop complexe, c'est-à-d ire
n'exige pas, une fo is trad ui t en XO R et en
ET, u ne success ion trop longue de ca lcu ls;
on s'en ass urera.
Cela semble assez fo u et cela ressemble à
l'opération consista nt à s'élever dans les airs
en tirant sur ses bottes ... c'est d 'ailleurs pour-
quoi le nom donné à cette phase du calcul
est bootstrapping (voir encadré ci-dessus).
Pou r que la phase de bootstrapping soit pos-
sible, il faut qu'u n m in imum d 'opérations
soient fai sables sans que le bruit qui s'intro-
duit soit devenu trop grand, et cela oblige à
prendre des nombres entiers très longs pour
p et les q;, mais cela marche, et on dispose
donc d'une méthode de calcul pleinement

22 ,,1 M ATHÉMA T IQUES ET MYSTÈ RE S

homomorphe comme on en rêvait. L'opéra-
tion de bootstrapping, en nettoyant autant de
foi s que nécessaire les calculs partiels, rend
possible des séries d'opérations aussi longues
qu 'on le souhaite de XOR et de ET; et on peut
donc faire exécuter tout calcul par un opéra-
teur extérieur qui ignorera ce qu'il calcule.
Pui sque la taille des bits chiffrés ~ (b) est
nécessairement grande, les calculs effectués
par l'opérateur extérieur sont très lourds,
énormes comparés à ce qu 'il faudr ait faire
si on ne souhaitait rien cacher, mais le but
est atteint : on sa it déléguer des calcul s sans
dévoiler ni les données ni le résultat.
• Encore quelques ordres
de grandeur à gagner
Les travau x très nombreux sur ce suj et
menés depui s 200 9 ont vi sé à réduire les
surcoûts en taille et en lourdeur de calcul
des systèmes ho momorphes. On progresse
et des réalisations logicielles utilisant les
idées mathématiques de ces travaux ten-
tent de rendre les systèmes utilisables en
pratique. La série d'opérations nécessaires
au chiffrement de données par l'algori thme
A ES (Advanced Encryption Standard) , très
largement utili sé dans le monde entier,
sert de repère pour mesurer les progrès
des différents programmes de chiffrement
homomorphe. On est ainsi passé, pour
l'exécution de ce calcul test par un système
homomo rphe, de plusieurs heures (sur une
machine courante) à quelques secondes.
C'est remarquable, mais pour que réelle-
ment on puisse envi sager de confi er mass i-
vement les calculs qu 'on veut fa ire sur des
données confidentielles à des opérateurs
extérieurs qui les exécuteraient sans rien
y voir, il faud ra encore attendre un long
moment, que le surcoût ait diminué de plu-
sieurs ordres de grandeur.
Certains experts tels que ['Américain Bruce
Schneier restent réservés tant les surcoûts
sont encore élevés. Aujourd'hui, la formi-
dable idée de la cryptographie homomorphe
est utile, par exemple pour la conception de
systèmes de vote. Cependant, malgré une
série d'idées inté ressantes qui ont prouvé
qu 'elle était possible dans sa form e la plus
générale, sa mi se en œ uvre pour tou s, per-
mettant plus de sécurité et une meilleure
confidentialité sur les réseaux, devra encore
attendre un peu.
DÉLÉGUER UN CALCUL S ANS DIVULGUER SES DONNÉES .,J; 23
 Bitcoin, la cryptomonnaie
La cryptographie et la puissance des réseaux ont rendu possible
l'existence de monnaies purement numériques et dépourvues
d'une autorité centrale de contrôle.

on réussit assez bien à s'en protéger: l'infor-

U ne nouvelle monnaie purement élec-
tronique intéresse de plus en plus. Ne
s'appuyant sur rien de tangible, le total des
matisation du stockage et du transfert massif
d'argent n'a pas entraîné de catastrophes. Les
devises sorties d'un protocole cryptogra- crises financières comme celle de 2009 n'ont
phique vaut, mi-2016 , l'équivalent de huit pas pour origine le dysfonctionnement ou la
milliards d'euros. fraude informatique, mais des erreurs d'ana-
Le bitcoin a été proposé en 2008 et mis en lyse économique et financière commises par
œ uvre le 3 janvier 2009 par un chercheur, des humains, qui sont par ailleurs parfois
ou peut-être plusieurs, caché sous le pseudo- trop voraces, voire malhonnêtes.
nyme de Satoshi Nakamoto. La logique
de cette monnaie numérique et la
confiance qu 'elle inspire seront • Pas d'autorité centrale
le but de notre analyse. Le
Aujourd'hui, toute monnaie repose sur
sujet est passionnant du
une autorité centrale: une banque, adossée
fait de l'originali té, du
mystère et du succès
à un État ou à une association d'États.
C'est auss i le cas de tous les systèmes de
de cette construction
pseudo-monnaies électroniques privées, les
informatique; il est
monnaies «complémentaires» ou « alterna-
important, car on
ti ves». Elles permettent des paiements par
a affaire à un nou-
Internet (Paypal), le commerce au sein d'un
veau type de monnaie
jeu sur le réseau (le doll ar Linden de Second
susceptible de jouer
Life) ou la fid élisation des clients (les miles
un rôle central en éco-
des compagni es aé riennes, les points que
nomie; et il est délicat,
votre superette inscrit sur votre compte à
car personne ne sait ce que
chaque passage aux ca isses ).
ce montage numérique va
Les bitcoins sont conçus pour s'autoréguler.
devenir.
Le bon fonctionnement des échanges est
D'une certaine façon, toutes les monnaies
garanti par une organisation générale que
sont électroniques: depuis longtemps,
tout le monde peut examiner, car tout y
presque toutes les opérations bancaires se
est public: les protocoles de base, les algo-
réduisent à des jeux d'écritures opérés dans
rithmes cryptogra phiques utilisés, les pro-
les mémoires des ordinateurs. Cela signifie
grammes les rendant opérati onnels et les
que l'on sait fa ire des systèmes informa-
données des comptes.
tiques robustes manipulant l'argent, même
À tout instan t, chacu n peut savo ir com-
quand il s'agit de di zaines de milliards
bien il y a de bitcoins sur chaque compte
d'euros. Certes, les pannes, les «bugs», les
existant et participer à la vé rifi cati on des
virus, les pirates informatiques existent, mais

24 4 MATHÉMATIQUES ET MYSTÈRES
 La signature et l'identification d'un document
Un protocole de signature à double clef est la
donnée de deux fonctions f et g permettant de
signer les messages et d'interpréter les signa-
tures. Ces fonctions sont connues de tous. Nous
ne nous préoccupons pas ici de la teneur du
message, mais seulement de son identification.
A Alice sont associées deux clefs, Ap,; (clef
privée) et Apub (clef publique). Ce sont des suites
de chiffres. Apub est accessible à tous, mais la
clef Apri n'est connue que d'Alice. Il est impos-
sible en pratique de déduire Apri de la connais-
sance de Apub" Les deux fonctions f et g servent
à signer un message et à lire la signature.
Soit Mun message à signer. Alice applique faux
données Ap,; et M: f(Apri, MJ = M'. Ce sera le mes-
sage signé par Alice. Toute personne ayant en
main M' et connaissant la clef publique d'Alice
vérifiera que c'est bien Alice qui a signé le mes-
sage: pour cela, elle appliquera la fonction de
lecture g aux données A b et M', ce qui donne
M, car g(Apub' M) = M. Le fuit qu'il soit nécessaire
d'appliquer la clef publique d'Alice à M' pour
prendre connaissance du message empêche
toute falsification du message M signé.
Il est parfois commode pour Alice de trans-
mettre à la fois M et M', M' servant seulement
nouvelles tra nsactions. Cette transpare nce
totale n'empêche pas l'anonymat, les pro-
priétaires des comptes n'étant pas tenus de
se déclarer. C'est presque un paradoxe: tout
mouveme nt de bitcoins est public et, pour-
tant, l'anonymat des détenteurs est pro tégé.
La possess ion des bitcoins est matérialisée
par une suite de chi ffres et de lettres qu i
consti tuent un compte. Une personne peut
détenir plusieurs comptes. Le compte com-
porte le monta nt en bitcoins de l'argent
qu 'il contient, une clef publique qu 'on
peut laisser circuler et une clef privée qui
doit res ter secrète, car son détenteur peut
dépenser l'argent du compte.
Tout support convient pour conserver la
suite de symboles consti tuan t votre compte :
papier, clef USB, la mémoire, etc. Grâce à des
logiciels adéquats appelés porte-monnaie,
vous pouvez gérer votre compte sur votre
ordinateur ou votre téléphone. Nomb re de
ces logiciels sont développés dans le cadre
Les signatures de Napoléon Bonaparte.
à contrôler pour ceux qui le veulent qu'Alice a
bien signé M avec sa clef privée.
Il existe de nombreuses façons de construire
les fonctions f et g, mais la monnaie bitcoin est
fondée sur la cryptographie à courbes ellip-
tiques. La courbe employée est celle notée
secp256k1. On aurait pu utiliser l'algorithme
RSA, plus connu, mais il nécessite des clefs plus
longues. La sécurité du système Bitcoin repose
sur l'inviolabilité de la signature.
de projets open source : les programmes
ne sont pas secrets et ceux qui le veulent
peuvent contrôler ce qu'ils fo nt et même
contribuer à leur amélioration.
Pour avoir des bitcoins sur un compte, il fa ut
soit qu 'un détenteur de bitcoins vous en ait
donné, par exemple en échange d'un bien,
soit passer par une plate-forme info rma-
tique qui convertit des devises classiques en
bitcoins, soit les avoir gagnés en participant
aux opérations de contrôle collectif de la
mon naie (nous verrons plus loin comment).
La gestion d'un compte doit être très soi-
gneuse. Si vous le perdez en l'effaçant par
mégarde ou si vous oubliez le code secret
qui permet d'y accéder, alors son contenu
est perdu, comme quand vous lancez par-
dessus bord un porte-monnaie réel au milieu
de l'océan. De nombreux bitcoins ont ainsi
été perdus par des utilisateurs imprudents
ou négligents. Il n'est pas impossible non
plus qu'on vous vole les bitcoins détenus
BITCDI N, LA CR Y PTOMONNAIE ~ 25
 par un compte, par exemple à l'occasion
d'une intrusion dans votre ordinateur
par un hacker. Pour éviter cela, certains
comptes contenant d'importantes sommes
en bitcoins sont gardés sur des ordinateurs
non connectés au réseau ou éteints.
La cohérence des comptes, et donc la solidité
de la monnaie bitcoin, se fo nde sur un prin-
cipe général de la théorie Money is memory
de l'économiste américain Narayana Kocher-
lakota. Ce principe s'exprime ici sous la
form e suivante:
- toutes les tra nsactions fa ites depuis le
début des bitcoins, le 3 janvier 200 9, sont
publiques et, à chaque instant, la somme
totale des bitcoins émis est connue de tous,
ainsi que le contenu de chaque compte (mais
pas le détenteur de ce compte) ;
- seul celui qui connaît la clef secrète d'un
compte peut dépenser son contenu en
envoyant tout ou partie de ce dernier à un
autre compte, cela à la vue de tous, ce qui
permet à tous de connaître à chaque instant
le contenu de chaque compte ;
- tous ceux qu i le souhaitent peuvent parti-
ciper au calcul général de la répartition des
bitcoins entre les comptes, cela à l'aide de
logiciels (libres et gratuits) dont la correction
est contrôlable par tous.
On n'utilise pas ici la cryptographie à clef
publique pour cacher de l'information, mais
pour signer les transactions. Toute transac-
tion est irréversible, sauf accord explicite
des deux cont ractants pour réaliser une tra n-
saction inverse. Quand vous avez dépensé
l'argent d'un compte, personne n'a autorité
pour demander à celui qui a reçu l'argent
de le rendre. C'est là une grande différence
avec les monnaies numériques à autorité de
contrôle cent ralisée où, assez fréquemment,
des transactions sont annulées, parfois plu-
sieurs jours après leur réalisation, ce qui
donne lieu à toutes sortes d'escroqueries.
L'absence d'autorité cent rale et l'anonymat
des comptes fon t qu'il sera très difficile
d'agir sur celui qui détient le compte aya nt
reçu vos bitcoins ... même s'il ne vous livre
pas l'achat que vous pensiez régler.
Ce système simplifié des bitcoins a une
faill e qui a contraint son inventeur à ajouter
26 Ji MATHÉMATIQUE S ET M Y STÈRE S
une sen e de dispositifs cryptographiques
au mécani sme de base. La fa ille est que le
propriétaire d'un compte pourrait tenter de
dépenser deux foi s l'argent qu'il contient.
Ces doubles dépenses seraient impossibles
si les échanges étaient instantanés sur le
réseau et si tout propriétaire d'un compte
participait au calcul continu du contenu
de tous les comptes: sous cette hypothèse
de connectivité totale et parfa ite, celui qui
recevrait l'argent d'un compte déjà vidé (ou
insuffisamment pourvu) refu serait la tran-
saction, qui serait simultanément consi-
dérée invalide par tous.
• Des améliorations
Malheureusement, les échanges électro-
niques ne sont pas instantanés, et certaines
parties d'un réseau sont parfoi s temporaire-
ment déconnectées du reste. De plus, tous
les utili sateurs de bitcoins ne souhaitent
pas participer à la vérification continue de
toutes les transactions et au recalcul perma-
nent du solde de la totalité des comptes, car
cela dem ande une grande puissance infor-
matiq ue et beaucoup de mémoire. Il faut
donc améliorer le modèle.
Les am éli o ra tion s se fo ndent sur une sé ri e
de protocoles qui re nde nt la m on na ie
bitcoin rés istante aux pa nn es du réseau
ou de ce rtain es machin es e t aux te nta-
ti ves de ma nipul atio n de la mo nn aie ou
de tri che ri es (do nt les doubl es dépenses ).
Ces pe rfecti o nne me nts rend ent auss i
fa cultati ve la pa rti cipa ti o n au co ntrôle
global des comptes; pour évite r que
trop peu de nœ ud s du résea u part icipent
au contrôle, un système de ré munéra-
ti on est prévu . Ce déli ca t age nce ment a
étonné les spéc iali stes et prouve que l'in-
venteur des bitcoins es t un cryptologue
ave rti ou un gro upe inclu ant d 'excell e nts
cryptologues .
Cette monnaie ne tient que par la cohérence
et l'accord unanime de ceux qui y participent
et s'entendent sur le contenu de chaque
compte, que rien ne matérialise et qu'aucune
autorité ne garantit. La construction logi-
cielle et cryptographique doit donc assurer
::=:: Le protocole d'une transaction
Lorsqu'Alice veut faire un paiement
en bitcoins à Bernard (par exemple en
échange d'un livre), leurs ordinateurs
vont opérer une série d'échanges avec
le réseau des ordinateurs qui surveillent
les transactions. Les échanges sont
gérés automatiquement par les logiciels
installés sur leurs ordinateurs. On parle
de réseaux pair-à-pair (ou P2P, peer-to-
peer). L'existence de tels réseaux est
essentielle pour la monnaie bitcoins, qui
n'est gérée par aucun nœud principal
qui contrôlerait l'ensemble des com-
munications. La transaction qui résulte
des échanges entre Alice et Bernard
sera publique (tous les ordinateurs pré-
sents sur le réseau y auront accès) et
permettra la mise à jour par tous du
cahier de comptes, qui indique combien
de bitcoins sont déposés dans chaque
compte existant.
• Alice souhaite envoyer N bitcoins à
Bernard.
• Bernard communique sa clef publique
Bpub à Alice.
• Alice forge un message M de transac-
tion contenant la clef publique Bpub de
Bernard et la somme N à transférer:
M = 8pubN.
• Alice signe la transaction M avec sa vidu que personne ne connaît) a donné
clef privée Apri' c'est-à-dire calcule une son accord pour transférer N bitcoins
par elle-même que personne ne puisse aug-
menter le total des bitcoins détenus, ni modi-
fier des comptes, sans que tout le monde
s'en aperçoive rapidement. Il n'y a pas de
police; la conception même de la monnaie
doit donc empêcher la fraude et les dysfonc-
tionnements. Celle de Satoshi Nakamoto y
parvient.
Le scept icisme sur la robustesse de la
nouvelle monna ie s'atténue. La meilleure
preuve est que la monnaie a tenu depuis sa
création, ma lgré toutes les attaques qu 'elle
a subies. C'est pou rquoi la valeur d'un
bitcoin dépasse 100 euros mi-2016 (mais
le bitcoin fl uctue beaucoup ... il vaudra peut-
être moins quand vous lirez ce texte! ).
Nombre de transactions par jour (source Blockchain)
225000
200000
175000
150000
125000
100000
75000
50000
25000
Janvier 2010 Janvier 2011 Janvier 2012 Janvier 2013 Janvier 2014 Janvier 2015 Janvier 2016
suite de symboles M' = f(Apri' M) qui, sur le compte contrôlé par l'individu Ber-
avec sa clef publique Apub' redonne M: nard (que nul ne connaît).
g(Apub' M1 = M (tout le monde peut donc Ne disposant pas de la clef privée d'Alice,
contrôler que c'est Alice qui a signé, mais personne d'autre qu'elle ne peut envoyer
personne ne peut signer à sa place). une telle transaction sur le réseau. Son
• Alice diffuse la transaction signée sur envoi est donc la preuve qu'Alice était d'ac-
le réseau afin qu'elle soit vue par tout cord pour le transfert. Tout le monde consi-
le monde. Le protocole réel est légère- dérera alors le transfert comme valide.
ment plus compliqué (il contrôle qu'Alice Le protocole de signature à doubles clefs
dispose bien de la somme N sur son utilisé est considéré comme robuste.
compte). Bien sûr, s'il venait à être cassé (c'est-
En regardant cette transaction depuis à-dire si, par exemple, on réussissait à
l'extérieur, tout le monde voit que l'indi- trouver une méthode rapide pour cal-
vidu qui contrôle le compte d'Alice (indi- culer la clef privée à partir de la clef
publique), tout le système de la monnaie
bitcoin s'effondrerait.
• Une page
toutes les dix minutes
L'amélioration du modèle simplifi é consiste
à créer un cahier de comptes (dont le nom
techn ique est Blockchain) qui est complété
progressivement par ajout de nouvelles
pages de transactions (nommées blocs)
toutes les dix minutes environ, chaque
ajout d'une page étant validé par ceux qui
participent à la gest ion et à la surveill ance
décentralisée des comptes. Pour récom-
penser cette vérifi cation, un tirage au sort
désigne toutes les dix minutes env iron celui
des participants qui ajoute la nouvelle page
au cahier de comptes, et qui est rémunéré
pour cela par des bitcoins créés ex nihilo
BITCOIN, LA CRYPTOMONNAIE ,JI 27
 Le bitcoin a été défini en nécessaires au maintien de la cohérence bitcoin et conclu que S. Nakamoto
2008 par un person·
nage actuellement ano-
nyme au nom d'emprunt
de Satoshi Nakamoto,
qui dit avoir travaillé
deux ans à la concep·
tion de sa monnaie. Une
grande traque se déroule
sur Internet pour identifier le
personnage. On analyse la façon dont
il s'est exprimé en anglais, on fait des
listes de personnes pouvant avoir les
compétences requises... et on spécule.
!.:anonymat des utilisateurs des bitcoins
est assuré par le fait que seuls les
numéros et les contenus des comptes sont
du livre des comptes Oa «Blockchain»).
La clef privée d'un compte assure son
propriétaire que lui seul pourra dépenser
l'argent qui s'y trouve. En théorie, donc,
l'anonymat des détenteurs de comptes est
assuré. Cependant, l'anonymat n'est pas
absolu. D'une part, on peut suivre le dépla-
cement des bitcoins d'un compte à l'autre
et ainsi en déduire des informations sur le
propriétaire unique d'une série de comptes
visiblement gérés par une seule personne.
De plus, au moment de transformer des
bitcoins en euros ou en une devise clas-
sique, l'anonymat n'est plus possible.
Des chercheurs, dont Sergio Lerner,
ont étudié le cahier de comptes du
détient probablement l'équivalent de
dix pour cent des bitcoins émis à ce jour.
Il est en effet à peu près certain qu'au
lancement de la monnaie, il fut le seul à
«miner» les bitcoins pour se constituer
un pécule personnel et qu'il a regroupé
ce pécule sur quelques comptes en
nombre assez limité.
!.:invention des bitcoins aurait permis à
Nakamoto de se constituer une fortune
de l'ordre de 600 millions de dollars (au
cours de mi-2016). li lui sera difficile de
les remettre sur le marché sans dévoiler
son identité, à moins qu'il mette en
action des techniques de brouillage fai-
sant perdre sa trace!

(1 2,5 bitcoins depuis juillet 2016). Lorsque
la nouvelle page est ajoutée au cahier de
comptes, les transactions qui y apparaissent
sont validées. Cette création de bitcoins est
la seule possible, et tous les bitcoins exis-
tants sont apparus de cette façon.
Lors d'une transaction en ma faveur, mon
ordinateur connecté au réseau consulte le
cahier de comptes et vérifie que le porte-
monnaie qui m'envoie des bitcoins ne les a
pas déjà dépensés. Cependant, à cause de la
possibilité d'une double dépense simultanée,
une transaction n 'est considérée comme
valide que si elle apparaît dans le cahier de
comptes. Par conséquent, pour être assuré
de l'irréversibilité (par exemple ava nt d'en-
voyer le livre qu'on vient de vous acheter
en vous fa isant parvenir un paiement en
bitcoins) , il fa ut attendre di x minutes et voir
sa tra nsaction sur la nouvelle page du cahier.
La non-transmission instantanée des mes-
sages a pour conséquence que, parfois, deux
ajouts de pages au cahier se feront presque
simultanément dans deux parties éloignées
du réseau, créant temporairement un dédou-
blement du cahier de comptes. Les deux ver-
sions peuvent alors contenir une dernière
page sensiblement différente, ce qui rend
alors possible une double dépense. L'événe-
ment est rare, mais comme il est possible
et inévitable à cause de l'imperfection des
communications, un procédé de remise en
ordre du système est prévu. Les deux cahiers
continueront chacun de leur côté à se voir
ajouter des pages toutes les di x minutes
environ. Le cahier le plus riche en calculs
(en un sens technique lié aux preuves de
travail, expliqué plus loin) est considéré
comme le bon. Cette règle, traduite dans les
programmes de vérification des comptes,
conduit à l'élimination de l'autre cahier et à
la reconstitution d'un état cohérent du sys-
tème, où ne persiste qu'un seul cahier et où
les doubles dépenses sont impossibles.
Ces ennuis temporaires, rares mais inévi-
tables, da ns la gestion du cahier de comptes
ont pour conséquence que pour être cer-
tain qu'une transaction soit définiti ve-
ment valide (c'est important dans le cas de
grosses sommes), il fa ut attendre non pas
di x minutes, mais plusieurs fo is ce délai.
On considère qu 'une heure produit une
garantie parfaite.
• Ruée vers l'or numérique
La désignation des gagnants des 12,5
bitcoins, toutes les di x minutes, se fait
par un processus cryptographique qui en
assure la parfa ite honnêteté et surtout une

28 ., j MATHÉMAT IQU E S ET M Y STÈRES

totale imprévisibilité et «infalsifiabilité »
(il est impossible de manipuler le choix du
gagnant). Le tirage au sort vous donne d'au-
tant plus de chances de gagner que vous dis-
posez de plus de puissance de calcul. Plus
vous acceptez de consacrer des ressources
de calcul à tenter de gagner, plus vous aug-
mentez vos chances de gagner. Le travail
fait par vos machines pour tenter de gagner
porte le nom de minage, par analogie au tra-
vail dans une mine qui conduit ceux qui ont
de la chance à trouver de l'or.
Au cours actuel, participer à ces tirages au
sort (et donc participer au contrôle général
des comptes) est très tentant. Du coup, les
« mineurs de bitcoin », comme ils se nom-
ment, se sont multipliés, ce qui renforce le
système de contrôle général des comptes.
Les mineurs de bitcoin ont progressive-
ment perfectionné leurs outils avec l'es-
poir d'augmenter leurs chances de gagner.
Dans un premier temps, les mineurs ont
programmé des cartes graphiques pour
effectuer, le plus rapidement possible, les
calculs demandés par le minage. En effet,
les cartes graphiques disposent d'une puis-
sance importante et on peut la détourner
à d'autres choses que le simple traitement
des images numériques. Aujourd'hui, les
cartes graphiques ne suffisent pas pour
avoir de bonnes chances de gagner, car, à
mesure que plus de mineurs se sont mis à
jouer, il est devenu plus difficile de gagner.
Précisons que le système de S. Nakamoto est
conçu pour qu 'il y ait un gagnant toutes les
dix minutes environ et qu'il s'ajuste auto-
matiquement pour que ce temps moyen
ne diminue pas. Des entreprises se sont
donc mises à fabriquer des cartes et des
machines spécialisées dont le seul objectif
est de miner les bitcoins. La consomma-
tion électrique consacrée au minage s'est
considérablement accrue. Le phénomène
ressemble un peu à une ruée vers l'or, sauf
qu'ici tout se déroule dans le monde des
réseaux et des ordinateurs en faisant cir-
culer des bits d'information et fonctionner
des microprocesseurs dédiés.
En raison de la puissance de calcul néces-
saire, il devient impossible, même pour
un acteur très puissant, et on sait qu'il en
existe, de s'emparer de tous les gains. L'ana-
lyse générale du protocole des bitcoins,
effectuée dès 2008 par S. Nakamoto,
montre que si un acteur pouvait disposer
de la moitié de la puissance consacrée au
«minage », il serait en mesure de perturber
gravement le fonctionnement du système
Bitcoin. Avec l'accroissement des efforts
investis dans l'extraction de bitcoins, il
est de plus en plus difficile de réunir ces
50 pour cent, ce qui renforce indirecte-
ment la monnaie bitcoin. Le système conçu
par S. Nakamoto se consolide au fur et à
mesure que des gens s'y intéressent: plus
le cours du bitcoin monte, plus il devient
intéressant de chercher à extraire des
bitcoins; or plus ceux qui le font sont
nombreux, plus le bitcoin devient robuste
et donc plus son cours a des chances de
monter.
La puissance globale consacrée aujourd'hui
au minage de bitcoin est plus de 1 000 fois
la puissance du plus puissant ordinateur du
monde (le Tianhe-2 détenu par la Chine),
qui ne fait que 33 pétaflops. C'est large-
ment plus que la puissance cumulée des
500 ordinateurs les plus puissants. Cette
valeur est considérable! Ce qu'on peut
voir comme un énorme gâchis de temps de
calcul empirera si le bitcoin s'impose et que
son cours (qui, bien sûr, détermine l'argent
que les mineurs sont prêts à investir)
progresse.
Aujourd'hui, en utilisant seulement son
ordinateur pour «miner », on n'a aucune
chance de gagner des bitcoins. Cette situa-
tion a conduit à la création de « guildes de
mineurs ». Les mineurs associés décident
de partager les gains qu 'ils feront, en pro-
portion de la puissance de calcul qu'ils
consacrent. Ces regroupements assurent à
chacun de gagner un peu, car la guilde (si
elle est puissante) remportera assez fré-
quemment les bitcoins qu'elle redistribuera
à ses membres. Toutefois, ne vous faites pas
d'illusion: en rejoignant une guilde, si vous
n'offrez que la puissance de votre ordina-
teur personnel, la part qui vous reviendra
sera minuscule.
BITCOIN, LA CRY PTOMONN AI E .; ,j 29
::::: Forces et faiblesses des bitcoins
Nouveauté, forces
et qualités des bitcoins
- La monnaie bitcoin est fondée sur un
réseau pair-à-pair et des logiciels libres et
gratuits. Indépendante de toute banque,
elle n'est pas soumise à une autorité cen-
tralisée et est complétement transparente.
- Les transactions de bitcoins sont
rapides et irréversibles (après un délai
d'une heure ou moins). Personne ne peut
agir sur les bitcoins de vos comptes sans
votre consentement.
- Il n'y a pas de frais de transaction ou de
gestion, ou ceux-ci sont minimes (électri-
cité, réseau, commissions volontaires et
déterminées par l'utilisateur).
- Le nombre de bitcoins ne dépassera
jamais 21 millions. Avec les bitcoins,
vous échappez au risque qu'un acteur
dominant (une banque centrale) décide
de faire fonctionner la planche à billets
et vous prenne de l'argent par l'inflation
créée.
- Anonymat : le réseau fonctionne à
partir de comptes. Détenir un compte,
c'est connaître la clef privée qui lui est
associée. L'identité des utilisateurs n'est
utile à aucun moment.
- Un bitcoin peut être divisé en fractions
de bitcoin jusqu'au 1/100 000 ooo•.
- Le bitcoin (à cause du nombre maximal
de bitcoins en circulation) est déflation-
niste (il prend peu à peu de la valeur):
vos économies ne sont pas rongées par
l'inflation, mais s'apprécient!
- Le bitcoin est conçu pour que l'intérêt - Le bitcoin favorise le blanchiment
de ceux qui s'en occupent est qu'il fonc- d'argent sale, facilite les trafics en tous
tionne bien, et plus il prend de la valeur, genres, et permet la fraude fiscale.
plus les contrôles auxquels il est soumis - Le bitcoin est déflationniste, ce que cer-
sont nombreux. tains considèrent comme négatif, car cela
- Les protocoles et programmes permet- constitue un frein à la circulation de l'ar-
tant de gérer les transactions peuvent gent; surtout, son cours est volatil du fait
évoluer, mais cela ne peut se faire que des incertitudes qui l'entourent.
par vote, donc dans l'intérêt de tous. - Le bitcoin pourrait faire l'objet d'inter-
dictions ou de contrôles stricts imposés
Doutes, fragilités, par des États voulant protéger leur propre
risques des bitcoins monnaie. Le bitcoin pourrait être victime
- L:anonymat de l'inventeur S. Nakamoto d'attaques menées par des agences, telle
et les bitcoins qu'il a gagnés facilement la NSA, qui tenteraient de briser toute
aux débuts de la monnaie créent un sen- confiance en lui, pour maintenir les mono-
timent désagréable et font craindre une poles monétaires actuels.
machination. - L:anonymat y est imparfait.
-Aujourd'hui, les bitcoins sont tout petits - Le succès des bitcoins a inspiré toutes
à côté des autres monnaies: il y a environ sortes d'autres Nakamoto et des dizaines
huit milliards de dollars en bitcoins, alors de nouvelles cryptomonnaies copiées sur
que circulent 1200 milliards de dollars. lui ont vu le jour tout récemment. Cer-
- La monnaie bitcoin repose sur des proto- taines, un peu différentes et encore mieux
coles cryptographiques dont la robustesse conçues, pourraient capter l'intérêt et
n'est pas prouvée mathématiquement. faire se déplacer l'argent misé aujourd'hui
- Le système de gestion des bitcoins repose sur les bitcoins.
sur un ensemble de protocoles rendus - L:évolution possible des protocoles et
opérationnels par des programmes. Des programmes, prévue mais au fonctionne-
erreurs peuvent s'y trouver. ment délicat, conduit à la mise en place
- Le bitcoin reste assez cor:npliqué à d'une forme d'administration centralisée
comprendre et suscite donc la méfiance constituée par l'ensemble des nœuds les
du plus grand nombre (qui ne saisit pas plus puissants du réseau de contrôle.
mieux la façon dont fonctionnent vrai- Cela ferait à terme ressembler le bitcoin
ment les monnaies classiques). aux monnaies usuelles dont S. Nakamoto
- Peu de sites et peu de commerçants voulait se démarquer (voir l'article de
acceptent les bitcoins aujourd'hui. Joshua Kra// et al. en bibliographie).

• Pas plus de 21 millions
de bitcoins
Les protocoles de S. Nakamoto (qu i sont
traduits dans les programmes utilisés pour
la gestion décentralisée de la monnaie
bitcoin} prévoient que tous les quatre ans, la
somme di stribuée aux gagnants du m inage
est divisée par deux. Au début, elle était de
50 bitcoins ; le 22 nove mbre 20 12, elle est
passée à 25 bitcoins, puis 12, 5 bitcoins en
ju illet 201 6. Du fa it q u'un bitcoin ne peut
être divi sé en uni tés plus petites q ue le
cent m illion ième de bitcoin, le gain attri bué
toutes les d ix mi nutes fin ira par s'an nuler.
Un petit calcul montre que le processus
d'émission de ces nouveaux bitcoins de
récompense aura cessé en 2 140 et qu'il
y aura alors un total de 2 1 m illions de
bitcoins. À partir de cette date, aucun nou-
veau bitcoin ne sera plus jamais créé.
Afin d'éviter que tous les mineurs, essen-
tiels au bon fonctionnement du protocole,
désertent et que la construction et la valida-
tion continue du cahier de comptes cessent,
S. Nakam oto a prévu qu'à chaque transaction,
on donne une commission à celui qui ajou-
tera la page contenant la transaction au cahier.

30 li MATHÉMATIQUES ET MYSTÈRES
L'intérêt de miner sera donc préservé, même
au-<lelà de 2140. Donner une telle commission
n'est pas obligatoire.
• L'impossible
devenu réalité ... et valeur
Le système mis en fonctionnement en 200 9
tient bien. Au début, le cours du bitcoin
était dérisoire. Suj et à des excès spéculatifs,
il varie de manière irrégulière, mais semble
augmenter sur le long terme. Certains ont
réalisé d'excellentes affaires soit en achetant
des bitcoins quand ils ne valaient rien, soit
en les « mi_nant » quand c'était facile. L'ins-
tabilité du cours fait qu'acheter des bitcoins
est un pari. Cependant, à mesure que son
usage se répandra et que des commerçants
accepteront d'être payés en bitcoins, on peut
espérer que le cours se calmera. Les avis sont
partagés sur son devenir, mais l'intérêt qu 'il
suscite a de quoi rendre optimiste. Quelque
chose d'important s'est produit avec la nais-
sance de cette monnaie qu'une valorisation
de plusieurs milliards d'euros a installé pour
longtemps dans le monde réel. Une ques-
tion se pose: pourquoi le bitcoin n'est-il pas
apparu plus tôt ?
La réponse est simple: avant 200 9, il était
impossible d'envisager une telle monnaie,
car elle doit son exi stence aux progrès
récents dans plusieurs domaines .
a) Il fa llait un réseau mondial fi able ; le
bitcoin cesserait d'exister immédiatement
en cas d'arrêt du réseau (il reprendrait à sa
remise en marche).
b) Rien de possible non plus sans d'impor-
tantes puissances de calcul et de mémo-
risation informatique. C'est seulement
récemment qu'elles sont devenues suffi-
santes pour que la tenue et la vérification
des comptes, même en considérant toutes
les transactions depuis la création de la mon-
naie, soient possibles quasi simultanément
par des milliers d'acteu rs indépendants.
Ce modèle crée sans doute une confiance
bien meilleure dans les comptes immaté-
riels de cette monnaie que celle que l'on a
dans ceux d'une banque qui s'occupe de
gérer sa monnaie seule en fai sant ma rcher
la planche à billets de façon imprévisible et
sans demander leur avis aux détenteurs de
devises qui s'en trouvent pourtant lésés.
c) Le génie d'un informaticien (ou plusieurs ?)
qui, en s'appuyant sur une cryptographie qui
a fo rmidablement progressé depuis 30 ans,
a produit un protocole subtil et robuste que
personne ne pensait possible, et qui a réussi
à le faire fonctionner et décoller.
d) Essentielle aussi est la communauté
des passionnés, un peu anarchistes, qui
s'occupent des programmes et des réseaux
pair-à-pair. Ils rendent l'utili sation pratique
des bitcoins poss ible gratuitement par tous
et évitent qu'un groupe, une banque ou
un État ne s'empare de ce qui peut être vu
comme une monnaie commune, univer-
selle et démocratique.
Ceux qui , à propos du bitcoin, parlent de
pyramide de Ponzi ou de construction sur
du vide pouvant s'écrouler du jour au lende-
main n'ont rien compris à cette nouveauté
remarquable, due aux mathématiques,
aux avancées techniques et à l'ingénio-
sité de S. Nakamoto. Ils n'ont rien com-
pris non plus aux monnaies qui reposent
toutes sur la confi ance (depuis l'abandon
général de la convertibilité en or) et qui
créent donc, comme le bitcoin, de la valeur
à partir de rien. Le temps est peut-être venu
aujourd'hui d'accorder sa confi ance à des
protocoles bien conçus, contrôlés par tous,
plutôt qu'à des banques qui se moquent
du reste du monde et qui , sa ns régulation
collective, manipulent les monnaies aux
dépens de (presque) tous.
B1TC0IN 1 LA CR YPTO MON NAIE 4 31
 Les preuves de travail
Donner à des ordinateurs des problèmes à résoudre permet de les freiner. Cette
procédure est utile pour lutter contre les attaques sur le réseau Internet, pour
limiter l'envoi de spams ou pour organiser des courses entre machines.
uj ourd'hui, les ordinateurs qui sont à
A notre disposition sont très puissants
et nous nous en réjouissons, car cela les
rend plus utiles: ils manipulent de longs
textes, des photos ou même de la vidéo, ils
explorent rapidement des pages Internet
à l'autre bout du monde, ils exécutent des
programmes de jeux aux effets graphiques
époustouflants, etc. Cependant, cette puis-
sance est parfois mal utilisée et crée des
dysfonctionnements. Ainsi, n'importe qui
peut envoyer des dizaines de milliers de
messages électroniques qui encombrent
les boîtes aux lettres au point de les rendre
inutilisables: c'est le problème des cour-
riels non sollicités, ou spams. Par ailleurs,
quelques ordinateurs coordonnés sont en
mesure de soumettre, plusieurs milliers de
fois par seconde, des requêtes à un même
service en ligne et ainsi d'en empêcher le
fonctionnement: ce sont les attaques par
« déni de service » ou DoS (pour Denial of
Service).
Une idée étonnante a été proposée pour
contrôler les effets de cet excès de puissance
de nos machines. Il s'agit de soumettre aux
ordinateurs des problèmes à résoudre, afin
qu'ils calculent longuement pour trouver la
solution; alors seulement, ces ordinateurs
ont le droit d'accéder à une boîte à lettres
ou à un service informatique en ligne.
Ces « preuves de travail » jouent un rôle de
plus en plus important. Elles sont combi-
nées aux outils de base de la cryptographie
moderne (chiffrage, signature numérique,
authentification, etc.) pour concevoir
des protocoles complexes réalisant des
32 J MATHÉMATIQUES ET MYSTÉRES
opérations considérées comme impos-
sibles il y a peu. Les monnaies numériques
décentralisées, dont le célèbre et contro-
versé Bitcoin (voir chapitre précédent),
fonctionnent toutes selon un protocole
où les « preuves de travail » jouent un rôle
essentiel. Nous y reviendrons.
Ces preuves de travail sont toujours des
problèmes dont la solution est difficile à
trouver, mais facile à vérifier. L'ordinateur
qui doit résoudre le problème soumis ne
peut le faire rapidement, mais quand il
propose une solution pour accéder au ser-
vice qui l'exige, la vérification de la solu-
tion est immédiate. Il existe de nombreuses
méthodes pour fabriquer les problèmes
des preuves de travail. On préfère bien sûr
celles dont il est facile d'ajuster la difficulté
à la situation, pour que le temps de résolu-
tion ne soit ni trop court ni trop long.
• Des preuves avec ou sans
échanges de messages
Deux types de preuves de travail sont
utilisés : les systèmes fonctionnant par
échanges multiples de messages et les sys-
tèmes à un seul envoi.
Dans le cas des « preuves de travail par
échanges multiples », voici les étapes du
protocole. La machine D (pour Deman-
deur) qui souhaite accéder au service S le
contacte ; le service S élabore un problème
et l'envoie à D; la difficulté du problème est
ajustée en prenant par exemple en compte
la surcharge du service S à l'instant de la
.. L'idée des preuves de travail
Pour limiter le pouvoir de nuisance que
chacun possède du fait de la puissance
de son ordinateur, on peut soumettre
des énigmes obligeant les machines à de
longs calculs et dont seul l'aboutissement
leur donne le droit de mener une action,
comme envoyer un message électro-
nique ou accéder à un service en ligne.
Une machine soumise à ces énigmes ne
pourra pas envoyer des milliers de mes-
sages non sollicités (spams), ou participer
à une tentative de mise en panne d'un
service informatique en le submergeant
de requêtes (attaque par déni de service).
Le temps de calcul imposé est un prix
à payer pour que l'ordinateur acquière
le droit de mener une action. Il doit
travailler et le prouver par un résultat.
La solution produite est la preuve
qu'il a fourni ce travail. C'est l'idée des
« preuves de travail».
Les problèmes qu'on demande de résoudre
pour ces défis doivent être asymétriques.
demande, ou ce que S sait dé jà de D ; la
machine D résout le pro blème, ce qui exige
d'elle un ce rtain travail, donc du temps;
quand D a résolu le problème, il envoie la
solution au service S; le service S vérifie
que la solution soumise est bonne, ce qui
est faci le pour lui , et, si c'est le cas, donne
accès au se rvice, c'est-à-dire accepte de
placer un message dans la boîte à lett res,
ou ouvre la page d'accueil du service en
ligne que demande D.
Dans le cas du pro tocole des « preuves
de travail sans échange», tout se passe
au cours d'un seul envoi. Selon des para-
mèt res que le demandeur D connaît sans
avoir à contacter le service S, un problème
à résoudre est défini. La faço n de le défi nir
est fi xée une fo is pour toutes et connue
d'avance. Le contenu du message que
D veut envoyer détermine par exemple le
problème (et donc le problème à résoud re
change à chaque demande, ce qui est évi-
demment essentiel) . Le demandeur D
connaît donc, sans contacter le service S, le
Il faut que le calcul de la solution prenne
du temps, mais que la vérification soit
rapide; sinon, celui qui se protégerait
par les preuves de travail serait autant
ennuyé que ceux dont il tenterait de se
protéger.
On connaît une multitude de problèmes
asymétriques. En voici deux exemples:
- !:entier b étant fixé, et p étant un grand
nombre premier, trouver un nombre a
tel que a2 =b mod p. Ce problème de la
« racine carrée modulo un grand nombre
premier» a été proposé comme preuve
de travail dès 1993 par Cynthia Dwork il faut donc du temps pour retrouver p
et Moni Naor. et q à celui qui ne connait que n. Il ne
- Trouver les deux nombres premiers faut pas prendre p et q trop grands,
p et q dont le produit est le nombre n car le problème de la factorisation de n
qu'on vous a donné sans vous avoir deviendrait impossible à résoudre en un
dévoilé p ni q. Il est facile de formuler temps raisonnable.
de telles énigmes - on multiplie deux Un troisième exemple - le plus impor-
grands nombres premiers entre eux, ce tant, car le plus utilisé - est expliqué en
qui produit n - mais aucun algorithme détail dans les encadrés p. 36 et 37 et se
de factorisation rapide n'est connu, et fonde sur les fonctions «à sens unique».
travail qu'il doit réaliser. Quand D a résolu
le problème, ce qui lui prend un peu de
temps, il envoie la solution trouvée au ser-
vice S qui ne donne suite à sa dem ande que
si la solution proposée est correcte.
La seconde méthode est souvent préfé-
rable : elle est plus si mple pour le service
qui n'a pas à s'occuper de définir un pro-
blème particulier à chaque demande. Mais
la première méthode permet une prise en
compte plus fine de la surcharge du service
à l'instant de la demande ou d'informa-
tions connues de S concernant D.
Le délai nécessaire pour que le demandeur
résolve le problème posé est le plus souvent
fo ndé sur un calcul à faire par le deman-
deur. Le temps qu'il met à résoudre le pro-
blème dépend donc de sa puissance de
calcul et les machines puissantes sont avan-
tagées. Aussi a-t-on envisagé des preuves
de travail exigeant beaucoup de mémoires
(plutôt que beaucoup de calculs) ou néces-
sitant la recherche d'informations sur le
réseau. Dans ce dernier cas, les machines
L E S PREUVE S DE T RAVAIL ~ 33
 puissantes ne sont pas avantagées, puisque
ce qui nécessite du temps est lié à la vitesse
de circulation des informations sur le
réseau, qui est la même pour tout le monde.
L'idée des preuves de travail est due à Cyn-
thia Dwork et Moni Naor qui, dès 1993,
suggérèrent cette méthode pour lutter
contre les spams. Le système Hashcash
conçu par Adam Back en 1997 (indépen-
damment de C. Dwork et M. Naor) et ser-
vant aujourd'hui de base dans la plupart
des mises en œuvre pratiques des preuves
de travail, utilise des « fonctions à sens
unique » pour définir les problèmes soumis
et en contrôler finement la difficulté (voir
l'encadré ci-contre pour des exemples).
Une fonction f à sens unique se calcule
facilement, mais s'inverse difficilement.
Autrement dit, il est rapide de passer de x
à f(x) = y, mais difficile de trouver, à partir
d'un y donné, un x tel que y= f(x) . On exi-
gera souvent aussi que les valeurs de f(x)
quand x varie se présentent comme si elles
étaient tirées au hasard.
• Fonctions à sens unique,
avec ou sans paramètre
Si l'on dispose d'une telle fonction f. on en
déduit facilement une preuve de travail: le
service S choisit un y et exige du deman-
deur D qu'il trouve un x tel que f(x) = y.
Le demandeur ne peut guère faire mieux
qu'essayer des valeurs de x, jusqu'à trouver
la bonne, ce qui est impossible à faire rapi-
dement. Il s'agit ici d'une impossibilité pra-
tique: trouver le x est possible en essayant
de manière ordonnée toutes les x envisa-
geables, mais cela nécessite du temps.
Plus subtil, car cela ne demande pas l'inter-
vention de S pour la formulation du pro-
blème (donc utilisable pour les preuves de
travail sans échange), on utilise une fonc-
tion à sens unique dépendant d'un para-
mètre p,J, (x) et dont le résultat, y, peut être
p '
interprété comme un nombre réel positif.
Une telle interprétation est toujours pos-
sible: on écrit y en binaire, par exemple
01001110, et on assimile cette suite de 0
34 .JI MATHÉMATIQUES ET MYSTÉRES
et de 1 au nombre réel dont l'écriture en
base 2 est 0,01001110. Le service S attend
que D lui propose un x tel que fpfx) < y, où
p est par exemple le message que D veut
envoyer et y un nombre réel, appelé seuil,
fixé à l'avance par S. La valeur de y déter-
mine très précisément la difficulté de la
preuve de travail, car plus y est petit, plus
il est difficile de trouver un x convenable.
Les preuves de travail fournissent aussi
un moyen simple d'organiser des courses
entre machines sur un réseau. Or ces
courses sont au cœur des protocoles de
fonctionnement des cryptomonnaies.
Ces monnaies, dont le bitcoin est l'exemple
le plus connu, fonctionnent sans auto-
rité centrale, la gestion des comptes étant
opérée par les machines des volontaires
qui se contrôlent mutuellement. Ces
contrôles empêchent toute manipulation
du cahier de compte de la monnaie (la
« blockchain »), lequel indique qui détient
des devises (voir le chapitre précédent).
Pour qu'il y ait un intérêt pratique à parti-
ciper à ce contrôle collectif sans lequel la
cryptomonnaie n'existe plus, une récom-
pense est donnée à intervalles réguliers
à l'une des machines tenant les comptes.
Aujourd'hui par exemple, 12,5 bitcoins
sont distribués toutes les dix minutes par le
protocole Bitcoin. Cette machine gagnante
est désignée par un procédé fondé sur une
preuve de travail dont le fonctionnement
doit être parfait pour que le protocole résiste
aux attaques. C'est la plus belle application à
ce jour de l'idée des preuves de travail, et de
nombreuses caractéristiques de Bitcoin en
dépendent. Donnons quelques précisions.
Chaque machine candidate essaie de
résoudre un problème dont les paramètres
sont fixés par le protocole Bitcoin et qui
est formulé sans intervention d'un service
centralisé. Il s'agit d'un problème du type
« trouver un x tel que J,,(x) < y » évoqué
plus haut. La fonction f à sens unique
est connue de tous, et c'est la fonction de
hachage SHA-256. On l'utilise beaucoup
en cryptographie et les spécialistes s'ac-
cordent à considérer qu 'elle a les propriétés
voulues pour servir dans une preuve de
 ::::: Le hachage
Une fonction de hachage associe, à
un x donné (une suite de caractères ou
un nombre) de longueur quelconque
une valeur f(x) de taille fixe nommée
« empreinte de x » ou « condensé de x »
ou hash. Le passage de x à f(x) se fait par
une série d'opérations qui commencent
en général en découpant x en petits
morceaux (d'où le nom de hachage), qui
sont ensuite rassemblés et emmêlés
de façon à obtenir un mélange aussi
parfait que possible. Pour la fonction
classique de hachage SHA-256, la lon-
gueur de f(x) est de 256 bits: il y a donc
22ss = 1,157 x 10n valeurs possibles, ce
qui est considérable.
Les fonctions de hachage à usage crypto-
graphique ont les propriétés suivantes.
(a] Elles sont «à sens unique» : le pas-
sage de x à f(x) se calcule facilement
et rapidement, mais pour un y donné,
trouver un x tel que y = f(x) est impos-
sible en pratique.
[b] Il est impossible en pratique de
trouver deux valeurs x et x' différentes
telles que f(x) = f(x').
(c] Elles produisent des valeurs assimi-
lables à des valeurs aléatoires uniformes
(prises dans l'ensemble des valeurs
possibles) et, en particulier, même si x
et x' sont deux suites de caractères
n'ayant qu'un seul caractère différent,
les valeurs f(x) et f(x') n'ont aucun lien
apparent.
Voici un exemple. La donnée x est trans-
formée en une suite de Oet de 1 qui est
découpée en morceaux de longueur 8.
Les morceaux sont ensuite additionnés
comme des nombres en base 2. On ne
garde du résultat que les quatre chiffres en
positions 3, 4, 5 et 6 à partir de la droite:
X = 01Q1QQ1Q1QQ1Q1Q1QQ1QQ1Q1Q1Q
-> 01010010 + 10010101 + 00100101
+ 010 = 100001110 --> f(x) = 0011.
Cet exemple est bien sûr trop simple
pour avoir les propriétés (a], [b] et (c]. La
fonction de hachage SHA-256 mélange
soigneusement les bits de la donnée x
selon un algorithme public (voir http://
en.wikipedia.org/wiki/SHA-2).
Les fonctions de hachage cryptogra-
phiques ont de multiples usages dont
voici trois exemples.
- Elles permettent d'assurer l'intégrité
d'un gros fichier x, auquel on lui asso-
ciera son empreinte f(x), beaucoup plus
courte. Celui qui téléchargera x s'assu-
rera que x lui parvient sans erreur et
en totalité en calculant l'empreinte du
fichier qu'il aura reçu, qui doit être la
même que celle publiée sur le site. Si x a
mal été copié, il le saura, car la probabi-
lité que la modification n'ait pas changé
l'empreinte est infinitésimale.
- Au lieu de mémoriser les mots de
passe d'accès aux comptes sur un ser-
vice en ligne, celui-ci ne mémorise que
les empreintes des mots de passe. Le
serveur peut vérifier que les utilisateurs
donnent les bons mots de passe, mais si
un pirate accède à sa liste d'empreintes,
il ne pourra rien en faire.
- Pour produire une suite de nombres
aléatoires dépendant d'un fichier x, on
calculera par exemple f(x.1), f(x.2),... où
x.i désigne le fichier x suivi de l'écriture
du nombre i (par exemple en binaire).
En changeant le x, on a autant de suites
de nombres aléatoires qu'on veut (ce
qui permet par exemple de chiffrer des
messages).
L'importance des fonctions de hachage
est telle, en cryptographie, qu'un grand
soin est mis à les élaborer et à les sou-
mettre à toutes sortes de tests et d'at-
taques. Le NIST, aux États-Unis, propose
des fonctions bien contrôlées. La fonction
SHA-256 utilisée par Bitcain en est une. Le
NIST publie aussi des recommandations
concernant le choix et l'usage des fonc-
tions de hachage. Il a récemment organisé
une compétition pour concevoir une nou-
velle génération de fonctions de hachage
qui a abouti à la norme SHA-3 en 2012.
Voir : http://www.nist.gov/itl/csd/ct/
hash_competition.cfm.

travai l. La première machi ne qui résout le
problème gagne la compétition et emporte
les 12,5 bitcoins. Le protocole ajuste régu-
lièrement le seuil do nné par le nombre y,
qu i fixe la difficu lté de la preuve de travail
en prenant en compte les concours précé-
dents, de telle façon que le temps moyen
entre deux concours soit de dix minutes
environ.
• Des preuves de travai l
pour les bitcoins
Cette émission contrôlée, prév isible et
faible de bitcoins toutes les dix m inutes est
la seule faço n d'en créer. Cela a pour intérêt
que les détenteurs de bitcoins sont certains
de ne pas être victi mes des phénomènes
infl ationnistes provoqués par l'émission
massive de devises, comme c'est parfois le
cas pour les monnaies contrôlées par les
banques centrales .
Participer à ce concours porte le nom de
« m inage », car le travail de calcul fait par
les machi nes évoque celui d 'un m ineur
dans une mi ne d'o r, qui le conduit à s'enri-
chir s'il a la chance de t rouve r une pépite.
Les info rmaticiens propriétaires des
machines participant à ce concours perm a-
nent, répété toutes les dix m inu tes, se nom-
men t ent re eux des «m ineurs ».

LES PRE U V E S DE TRAVAIL JI 35

 L'inversion d'une fonction de hachage
Explicitons une méthode pour définir et
ajuster l'énigme d'une preuve de travail.
Dans les preuves de travail (pour se
protéger des spams, ou interdire les
.·.... :.•. ·..
• • •• •••
A• •• •
• • • •••
•
•
•
.....
• : • • • • : • f(x1..--:-rT'"2'1~

La fonction f de hachage transforme une
suite x de O et de 1 de longueur quel-
conque en une autre, y, de longueur 256
(comme le SHA-256). Puisqu'il est
impossible en pratique de trouver pour
un y donné un x tel que f(x) = y (inver-
sion complète de ~. on crée une énigme
plus raisonnable et exigeant un tra-
vail faisable en ne demandant qu'une
inversion partielle de f: trouver un x
tel que f(x) soit une suite de caractères
commençant par k fois 'O' (donc une
suite de la forme OOO... 0 a1 a2 a3"' aJ.
Plus k est grand, plus il sera difficile
de trouver un x satisfaisant. On peut
même être plus précis: pour trouver un
tel x, il faut en moyenne essayer environ
2k valeurs de x. L'énigme «trouver un x
tel que f(x) commence par dix fois 'O' »
exige donc environ 210 = 1024 calculs de
f(x). Pour 20 fois 'O', il en faudrait un mil-
lion environ. En choisissant k, on ajuste
donc la difficulté de l'énigme qu'on for-
mule. On a là une méthode rapide pour
formuler des énigmes de «preuve de tra-
vail »dont la difficulté est facile à évaluer.
.
attaques par déni de service), il faut
éviter que les mêmes énigmes soient ••••• •••:r.
••••• ••
••••••••
••• ••
•• •••
soumises plusieurs fois. Si c'était le cas,
des bibliothèques de solutions seraient ........
·........ ..
· : ..
e • •e e • e e • • ftX
: :
calculées par avance et les attaquants,
au lieu de faire les calculs attendus, se
contenteraient d'aller y puiser les solu-
tions des problèmes qu'on leur soumet.
• •
::.:•·:.·
••••••••
...
••
• •• •
• • •• •••••••
••• : •• • • • • ••• f(x)
•••••••••••
Pour éviter cela, on fait dépendre • • • •• • • •• ••••
l'énigme posée d'un paramètre p. On ••• ••••••••
demandera par exemple de trouver La fonction f envoie les éléments xde l'ensemble A
un x commençant par la chaîne (grand) dans l'ensemble B(petit). Inverser
p =0100011010100 et tel que f(x) < y. partiellement f, c'est trouver un élément xtel que ~x)
Le nombre de paramètres possibles p soit dans C. Plus Cest petit, plus la tâche est difficile.
étant illimité, l'idée de constituer des
bibliothèques de solutions calculées par aura trouvé la solution, il aura vraiment
avance n'est plus applicable. prouvé qu'il a travaillé!
Les énigmes possibles posées par la Notons encore que si l'on est gêné par le
méthode de l'inversion partielle des fait que le temps de travail varie trop, selon
fonctions de hachage sont donc à la que celui qui tente de résoudre le problème
fois parfaitement ajustables, et si nom- posé ade la chance ou pas (variance impor-
breuses que celui à qui on les propose ne tante), on peut remplacer la demande de
peut que se soumettre et faire le travail résoudre un problème, par la demande de
de les résoudre en essayant de très nom- résoudre plusieurs petits problèmes, ce
breux x, ce qui en moyenne lui prendra qui a pour effet de diminuer la variance du
le temps qu'on aura choisi. Quand il temps nécessaire pour aboutir.

Il est important de comprendre que • Une course folle

puisqu'il n 'y a pas d 'autorité centrale gérant
les bitcoins (il en va de même pour les
autres cryptomonnaies ), l'acceptation de
la preuve de travail se fait collectivement
par tous les mineurs. Quand l'un d'eux a
réussi à relever le défi de trouver un x tel
que f/x) < y, il envoie un message sur le
réseau, qui prévient les autres mineurs.
Ceux-ci vérifient alors, chacun de son côté,
que la solution proposée est correcte et se
remettent au travail pour résoudre le défi
suivant.
Le temps nécessa ire pour qu 'u n gagnant
soit trouvé n 'est pas fi xé avec précision: la
durée moyenne est de di x minutes, mais
elle sera plus longue ou plus courte selon
que les mineurs auront eu de la chance ou
pas dans leur tentative de résolution du
problème de la preuve de travail.
à la puissance ...
Si chaque mach ine n 'utili sait que sa
propre puissance pour gagner, la proba-
bilité pour chacu ne de gagner serai t pro-
portionnelle à sa pui ssa nce. Cependant,
comme la fonction f est fixée et connue de
tou s, le problème de trouver un x tel que
JP(x) < y est très particuli er. Les perso nnes
intéressées par le minage des bitcoins se
sont mises à utili se r des puces co nçues
spécialement pour résoudre rapidemen t
le type particulier de problèmes posés
dans les preuves de travail de bitcoins.
Une course fo lle à la puissance de minage
en a résulté, condui sant à une vé ritable
industri e du minage!
La pu issance de minage d'un système infor-
matique se mesure en comptant le nombre

36 ,il MATHÉMATIQUES ET MYSTÈRES

de calculs de type x -> f(x) que le système
est capable de faire par seconde, pour la
fonction SHA-256 . On est ainsi passé de
24 x 10 12 calculs de valeurs de f par seconde
pour l'ensemble des mi neurs en jan-
vier 20 13 à 1,6 x 10 18 en juin 20 16.
Le coût en électricité de ces minages (coût
des « preuves de t ravail ») a été évalué. Cer-
tains ont calculé qu 'il est de plus de dix
m ill ions d 'euros par jour. C'est plus que
la valeur des bitcoins gagnés chaque jour.
Les spécialistes ne sont pas d'accord sur
ce nomb re de dix mi llions, mai s, même
imprécis, il signifie qu 'être mineur de
bitcoins aujourd' hui n'es t pas nécessai-
rement rentable. Acheter du matériel et
dépenser de l'électricité en le fa isant fon c-
tionner est u n pari risqué, dont le succès
dépend de deux facteurs très difficiles à
contrôler ou même à anticiper: la puis-
sa nce de calcul de vos concurrents, et le
cours assez volati l d u bitcoin.
Notons que certains pirates informatiques
ont conçu des programmes, nommés che-
vau x de Troie, qui s'installent par le biais
du réseau sur une m ul titude d'ord inateu rs
(le vôtre peut-être) et leur fo nt exécuter
le minage. Bien évidemment, lorsque le
minage réuss it, la solution est transmi se au
pirate qu i, pour son propre compte, touche
les 12,5 bitcoins. C'est vous qui payez
l'électricité, mais c'est lui q ui empoche le
bénéfi ce!
• ... et un énorme gâchis?
Pa rm i les no mbreuses crit iques formu -
lées à l'enco ntre de Bitcoin, l'une d 'ell es
conce rne justeme nt les preuves de trava il
qui défin isse nt le minage. Les sommes
d'arge nt considérables dépe nsées e n
électr icité et pour fabr ique r du matériel
spéc iali sé calcu la nt le plus rap ideme nt
poss ible des J,,(x) semblen t absurdes, car
en soi de tels calcu ls ne se rvent à rie n.
N'es t-ce pas là un gâchi s terrifi ant, engen-
drant pa r ailleurs une importa nte poll u-
tion li ée à l'é lectricité consommée, qu 'il
faut bi en produ ire?
·: Des preuves de travail utiles
Les preuves de travail utilisées
aujourd'hui ont un côté absurde:
on demande aux ordinateurs de
résoudre des problèmes mathé-
matiques qui n'ont aucun intérêt.
Sunny King (pseudonyme d'une
personne ou d'un groupe) a conçu
une preuve de travail aussi facile à
ajuster que l'inversion partielle des
fonctions de hachage cryptogra-
phiques et qui permet de trouver
des chaînes de nombres premiers
intéressantes : les chaînes de
Cunningham.
Ce sont des suites de nombres
J
premiers (p 1, p2, ... , p vérifiant:
p2 = 2p 1 + 1, p3 = 2p 2 + 1, ... ,
Sophie Germain à l'âge de 14 ans, portrait de
Pk+1 = 2p k + 1. Ces chaînes de Auguste Eugène Leray.
Cunningham sont reliées aux
nombres premiers de Sophie Ger-
main, une mathématicienne fran- chaînes nouvelles intéressantes.
çaise (1776-1831): un nombre La chaîne de Cunningham de lon-
premier p est un nombre premier de gueur 11 comportant les plus
Sophie Germain si 2p + 1 est aussi grands nombres premiers est
un nombre premier. l'une d'elles. Le premier nombre
Ces nombres premiers particu- de cette chaîne record découverte
liers ont un intérêt en raison d'un le 3 août 2013 comporte plus de
théorème de Sophie Germain lié 200 chiffres. Il s'écrit:
au théorème de Fermat. Dans les P1 = k x 151# - 1,
chaînes de Cunningham, tous les où k = 73 853 903 764 168 979
nombres sont des nombres de 088 206 401473 739 410 396
Sophie Germain, sauf le dernier. 455 001112 581722 569 026
L'utilisation de ces preuves de tra- 969 860 983 656 346 568 919
vail où l'on recherche des nombres et où 151# désigne le produit
premiers est au cœur du fonction- des nombres premiers infé-
nement de la cryptomonnaie Pri- rieurs ou égaux à 151 (voir
mecoin, concurrente de Bitcoin. http ://use rs.cybe rc ity .d k/
Le travail de minage de Primecoin -dsl522332/math/Cunningham_
a aujourd'hui produit plusieurs Chain_records.htm).
Une doub le réponse a été donnée à cette
critique. D'une part, il a été répli qué qu e
les moyens dépensés pour le m inage
n'é taie nt pas va in s, pui squ 'ils permetten t
à ces monna ies de fon ctionner. Fabrique r
des bill ets de banques, les transpo rte r
dans des vé h icu les bli ndés, les enferme r
dans des coffres que l'on fait garder :
tout cela coûte cher et pourtant personne
ne con teste la nécessité de ces dépenses
LES PREUVES DE T RAVAIL ..fi 37
 pui squ'elles servent à faire fon ctionner les longueur des chaînes de Cunningham.
monnaies fidu ciaires h abituelles ém ises Sunny Ki ng a montré en 201 3 qu'une telle
par les banques centrales . Le bitco in recherche peut servir de base à des preuves
n 'a pas besoin d'être impri m é (c'est une de travail aux pro priétés à peu près équi-
monnaie numérique), il n'y a pas besoin valentes à celles provenant des fon ctions à
de voitures blindées pour son transport, sens unique.
m ais il faut que sa gestion soit ass urée. Le S. King a créé en juillet 20 13 sa propre
minage ass ure en p artie cette gesti on, qui cryptomonnaie, Primecoin, proche dans
n 'est donc que l'équi valent des dépenses sa conception de Bitcoin, mais utilisant
de fon ctionneme nt des autres mo nnaies des preuves de travail qui conduisent à
et n'a fin ale ment rien d'absurde. des chaînes de Cunningh am nouvelles.
Des chaînes de Cunningham records, de
longueur 10, 11 , 12 et 13, ont ainsi été
• Concevoir des preuves découvertes, ce qui prouve l'effi cacité de la
de travail utiles méthode proposée et sa capacité à contri-
buer à la recherche mathématique.
L'autre réponse est plus intéressante, elle Précisons toutefois que l'intérêt de connaître
est auj ourd'hui encore en discuss ion. Les des chaînes de Cunningham n'est pas très
preuves de travail les plus habituelles grand, et que la sûreté des preuves de travai l
(dont celle utilisée par Bitco in) consistent fo ndées sur leur recherche n'est pas aussi
à fa ire des calculs pour résoudre un p ro- bonne que celle des preuves de travail fo n-
blèm e qui, malheureusem ent, est san s
dées sur les fo nctions à sens unique. Les uti-
intérêt réel : une fo is que l'on a trouvé un x
lisateurs des cryptomonnaies ont cependant
tel que J,p (x) < y, ce x n'est utile à personne
fa it bon accueil à cette nouveauté. Parmi
et ne le sera sans doute jam ais. Ne pour-
toutes les cryp tomonnaies existantes (il y en
rait-on pas concevoir des preuves de travail
a aujourd'hui plus de 200, voir http ://coin-
fon dées sur des problèmes dont la solution
marketcap.com/ ), Primecoin se classe da ns
serait utile?
les 50 prem ières pour la capitali sat ion. Le
On le sait, les mathématiciens aiment
total des primecoins émis vaut plusieurs
les nombres premiers dont la connais-
m illions de doll ars. Qui a dit que les mathé-
sance progresse et est utile (en particu-
m atiques n'étaient pas u n bon moyen de
lier en cryptographie! ). Divers groupes de
gagner de l'argent ?
nombres prem iers sont jugés intéressants.
Un aut re pro jet en cours de dévelop-
Les paires de nombres premiers jumeaux
pement, nom mé Curecoin, tente de
sont les paires (p, p + 2) de nombres pre-
concevoir une preuve de travail (et une
miers ayant un écart de deux unités, par
crypto monnaie associée ) qui soit beau-
exemple ( 17, 19). On cherche toujours à
coup plus claireme nt utile. Le calcul mené
prouver qu'il en existe une infinité. Il y
par les m ac hines dev rait aider à découvrir
a aussi les paires de nombres premiers
com me nt se replient dive rses protéines, ce
de Sophie Germain (mathématicienne
qui, pour certaines d'entre elles, sera it utile
française qui vécut de 1776 à 183 1) qui
en médecine.
sont de la forme (p, 2p + 1), par exemple
Les preuves de travail sont, on le voit,
(3, 7), (5, 11), (11 , 23 ). Elles conduisent
au cœur d'une petite révolution do nt le
aux chaînes de Cunningham (p 1, p2, ... , pk)
succès, s'il se confir me, condui ra à fa ire
où chaque couple (P;, P;. 1) est une paire de
que les calculs réalisés pour la gestion des
nombres de Sophie Germain: p2 = 2p 1 + 1,
mon na ies cryptographiques serviro nt la
p 3 = 2p 2 + 1, ... , Pk+ 1 = 2pk+ 1, chaque P; étant
recherche mathém atique ou médicale ... ce
un nombre pre m ier (voir encadré p. 37 ).
qui n 'est bien sûr pas le cas d u trans port
Des chercheurs tiennent à jour des sites
Internet qui indique nt les records de des billets de banq ue, ni de la fab rication
des coffres-fo rts.

38 ., ï MATHÉ MATIQUES E T MYSTÈRES

• Des jeux « prouvablement
équitables»
Le monde des cryptomonnaies, avec ses
preuves de travail à base de fo nctions à
sens unique, a amené la mise en place de
cas inos en ligne qui ne peuvent pas tricher,
chose que le joueur lui-même vérifie sans
intervention d'aucune autorité centrale.
Pui sque le minage détermine un gagnant
parm i les machines participantes et qu 'on
ne peut pas tr icher (sous réserve que la
fonct ion f uti lisée possède bi en les pro-
priétés requises}, on pourrait concevoir des
jeux de hasard fondés directement sur le
protocole de désignation d'un gagnant de
12,5 bitcoins toutes les dix minutes. Cepen-
dant, les chances de gagner d'un joueur
dépendraient de la puissance de ca lcul de
sa machine, ce qui ne serait pas juste.
Il existe des méthodes plus directes condui-
sant à des tirages au hasard parfaitement
équitables et contrôlables pour, par exemple,
lancer des dés en ligne sans qu'aucune tri-
cherie ne soit poss ible, ni pour le casino ni
pour le joueur. Ces protocoles sont connus
depu is longtemps en cryptographie (Manuel
Blum a proposé une méthode de tirage à pile
ou face par téléphone en 1981), mais c'est seu-
lement depu is peu que des casinos en ligne
proposent aux joueurs des jeux « prouvable-
ment équitables». On peut donc aujourd'hui
jouer en ligne à des jeux de hasard dont
l'honnêteté est garantie par la cryptographie
mathématique, et cela sans fa ire intervenir
aucune autorité de contrôle des casinos aux-
quels on se connecte. Le paiement des taxes
dues par le casino et son honnêteté commer-
ciale (le casino paye-t-il tou jours ce qu'il doit
aux joueurs?) ne sont pas garantis par ces
protocoles, qu i ne concernent que le hasard
des tirages aléatoires.
Protocole prouvablement équitable 4) Si u = 0, le joueur a gagné, sinon
pour effectuer un tirage ayant une il a perdu.
chance sur k de réussir (on prendra 5) Après le tirage, le casino fait par-
k = 2 pour simuler un lancer de pièce venir x au joueur. Le joueur contrôle
à pile ou face}. que le casino n'a pas triché en véri-
1) Le casino choisit un nombre x, fiant que le y qu'il avait reçu avant
et envoie le résultat du calcul de de choisir z est bien f(x); il contrôle
f(x) = y au joueur. La fonction f est aussi les calculs de t = x + z et de
u =f(t) mod k.
une fonction à sens unique produi-
Le casino n'a pas pu manipuler le
sant des résultats assimilables à
résultat, car, quand il a choisi x, il
du hasard, comme c'est le cas de
la fonction SHA-256 utilisée par ne connaissait pas z. Le joueur n'a
Bitcoin. lui non plus pas pu manipuler le
2) Le joueur envoie au casino un. résultat, car, quand il a choisi z, il ne
nombre z qu'il choisit comme il connaissait pas x. Le protocole est
veut, éventuellement avec l'aide de donc équitable et il n'existe aucune
son ordinateur. possibilité de tricherie, ni pour le
3) Le casino calcule t = x + z, puis casino ni pour le joueur.
u = f(t) mod k Oe reste de la division
de f[t) par k).
Voici, ci-dessus, un protocole réalisant
un tirage au sort ayant une chance sur k
de réuss ir (k étant un entier supérieur
ou égal à 2). Pour jouer, vous engagerez
la somme S; si le tirage vous est défavo-
rable, le casino gardera votre mise; si vous
gagnez, le casino vous rendra votre mise, y
ajoutera (k - 1) S, et enlèvera par exemple
un pour cent du total pour ses frai s.
Les outils de la cryptographie mathéma-
tique semblent concerner de plus en plus
d'aspects de la vie économique et numé-
rique. Les protocoles à base de preuves de
travail et de fonctions à sens unique non
seulement condui sent à mieux contrôler ce
qu i se passe sur les réseaux, mais ouvrent
auss i des perspectives nouvelles, comme
celles des cryptomonnaies et des jeux prou-
vablement équitables.
LES P REUVES DE TRAVAI L J 39
 Les blockchains,
clefs d'un nouveau monde
On sait maintenant réaliser des supports inscriptibles, partagés et infalsifiables.
Ce qu'il est possib le d'en faire est étonnant, formidable ... et révolutionnaire.
.,. Un grand cahier impossible
à effacer et mis à la disposition
de tous, par exemple sur la
place de la Concorde à Paris,
serait-il utile? Oui, sice cahier
est informatisé.
Il pourrait donner plus de
liberté et dispenser du
recours à des autorités
administratives, monétaires,
juridiques, etc. De tels« grands
cahiers partagés »existent
aujourd'hui grâce au réseau
Internet: les b/ockchoins.
Il s'en crée chaque jour de
nouveaux. Les blockchains
sont notamment à
l'origine d'un nouveau
type de monnaies - les
cryptomonnaies, telles que le
fameux bitcoin. Cependant,
bien d'autres applications sont
possibles: systèmes universels
de courrier, instruments
notariés et financiers
décentralisés, systèmes de
votes en ligne sécurisés, etc.
40 ,Ï M ATH É M AT IQUES E T MYST ÈRES
maginez qu 'à la place de la Concorde à
I Paris, à côté de l'obéli sque, on installe un
très grand cahier que, librement et gratuite-
m ent, tout le monde puisse lire, sur lequel
chacun puisse écrire, mai s qui soit impos-
sible à modifier et indestructible. Cela
serait-il utile ? Il semble que oui.
On pourrait y consigner des engage-
ments, comme : « Je promets de donner ma
mai son à celui qui prouvera la conjecture
de Riemann; signé Jacques Dupont, 11 rue
Martin à Pari s. » On pourrait y déposer la
description de ses découvertes, afin qu'il
soit impossible d 'en être dépossédé. On
pourrait y laisser des reconnai ssances de
dettes, considérées valides tant que le prê-
teur n'est pas venu indiquer sur le cahi er
qu 'il a été remboursé.
On pourrait y déposer des messages
adressés à des personnes qu 'on a perdues
de vue, en espérant qu'elles viennent les
lire et reprennent contact. On pourrait y
consigner des faits que l'on voudrait rendre
publics définitivement, pour que l'hi stoire
les connaisse, pour aider une personne
dont on souhaite défendre la réputation,
pour se venger, etc.
Pour que cela soit commode et pour empê-
cher les tricheurs de prendre des engage-
ments en votre nom ou écrire en se faisa nt
passer pour vous, il faudr ait que l'on pui sse
signer les messages déposés de telle façon
que personne ne puisse se substituer à
vous. Il serait utile aussi que l'instant précis
où est inscrit un texte soit indiqué à chaque
foi s (horodatage ).
Imaginons que tout cela soit poss ible et
qu'un tel cahier soit mis en place, auquel
s'ajouteraient autant de pages nouvelles que
nécessaire. Testaments, contrats, certificats
de propriétés, messages publics ou adressés
à une personne particulière, attestations de
priorité pour une découverte, etc., tout cela
deviendrait fac ile sans notaire ni hui ssier.
Un tel cahi er public, s'il était permanent,
infalsifiable, indestructible et qu'on puisse
y écrire librement et gratuitement tout ce
qu'on veut, aurait une multitude d'usages.
• Public, infalsifiable
et indestructible
Un tel objet serait plus qu'un cahier de
doléance ou un livre d'or, qui peuve nt être
détruits. Plus qu 'un tableau d'affi chage offert
à tous sur les murs d'une entreprise, d'une
école ou d'une ville, eux aussi temporaires.
Plus que des enveloppes déposées chez un
huissier, coûteuses et dont la lecture n'est pas
autorisée à tous. Plus qu 'un registre de bre-
vets, dont la permanence est assurée, mais
sur lesquels il est difficile d'écrire. Plus que
les pages d'un quotidien, indestructibles ca r
multipliées en milliers d'exemplaires, mais
auxquelles peu de gens ont accès et dont le
contenu est très contrain t.
Bien sûr, ce cahier loca lisé en un point
géographique unique ne serait pas très
commode pour ceux qui habitent loin de
Pari s. Bien sûr, ceux qui y rechercheraient
des in fo rmation en tournant les pages se
gêneraient les uns les autre et gênera ient
ceux venus y inscrire de nouveaux mes-
sages. Bien sû r encore, fa ire des recherches
pour savoir ce qui est écri t dans le cahier
deviend rait imposs ible en pratique quand
le cahier serai t devenu trop gros et que ses
utilisateurs se sera ient multipliés.
Ces trois inconvénients majeurs - localisa-
tion unique rendant l'accès malcommode
et coûteux, imposs ibilité d'y lire ou écrire
en nombre au même instant, di fficu ltés de
manipuler un grand cahier - peuvent être
contournés. L'in fo rmatique moderne, avec
la puissance de ses machines, y compris les
smartphones, et ses réseaux de communica-
tion, est en mesure de les surmonter.
Cette idée d'un gra nd cahier in fo rmatique,
partagé, infalsifiable et indes tructible du
fa it même de sa conception est au cœur
d'une nouvelle révolution, celle de la block-
chain, ou plus explicitement et en français:
la révolution de la programmation par un
fichier partagé et in fa lsi fi able.
• Une idée mise en œuvre
pour les bitcoins
Le terme blockchain vient du bitcoin,
la monnaie cryptographique creee en
janvier 200 9 et qui a depuis connu un
développement considérable et un
succès réel, la valeur d'échange des
bitcoins émis dépassant huit mil-
liards d'euros en 201 6. Au cœur
de cette monnaie, il y a effecti-
vement un fi chier informatique
infa lsifiable et ouvert. C'est celui
de toutes les transactions, et son
inventeur Satoshi Nakamoto l'a
nom mé blockchain.
C'est un fi chier partagé: tout le
monde peut le lire et chacun y écrit
les transactions qui le concernent,
ce qui les valide. La blockchain
existe grâce à un réseau pair à
pair, c'est-à-dire géré sans auto-
rité centrale par les utilisateurs
eux-mêmes. Certains de ces utili-
sateurs détiennent des copies de
la blockchain, qui se trouve donc
présente partout dans le monde.
Ces milliers de copies sont sans
cesse mises à jour simultané-
ment, ce qui rend la blockchain
totalement indestructible, à
moins d'une catastrophe qui
toucherait toute la pl anète. Ce
fichier a été rendu infalsifiable
par l'utilisation de procédés
cryptographiques qui, depuis
sa création en 200 9, résistent
à toutes les attaques: personne
n'a pu effacer ou modifier le
 moindre message de transaction déjà ins-
crit dans la blockchain du bitcoin (voir l'en-
cadré ci-contre).
Le rêve du grand cahier de la place de la
Concorde est ainsi devenu réalité. D'ail-
leurs, ce que l'informatique moderne, les
réseaux et la cryptographie ont créé dans le
monde numérique est bien supérieur à tout
ce qu'on aurait pu faire avec du papier, du
métal ou des dispos itifs matériels usuels.
La blockchain év ite les trois inconvénients
majeurs cités précédemment. Grâce aux
réseaux, on y accède instantanément de
n 'importe où dans le monde, pourvu qu 'on
dispose d'un ordinateur ou d'un smart-
phone. Des milliers d'utili sateurs peuvent
le consulter simultanément sans se gêner.
Et chacu n peut, à coût très fa ible et sans
limitation, ajouter de nouveaux messages
de transactions selon un procédé qui assure
la cohérence et la robustesse du fichier
blockchain.
La blockchain du bitcoin augmente en taille
peu à peu, mais elle reste manipulable par
les formidables machines dont nous dis-
posons tous aujourd 'hui. Elle comporte
aujourd'hui une centaine de gigaoctets
(10 11 caractères), soit l'équivalent d'environ
100 000 ouvrages de 200 pages.
Avec un ordinateur et une connexion, on
accède librement à tout le contenu de cette
blockchain, presque instantanément et de
n 'importe où. C'est ce qui, dans le cas du
bitcoin, permet de calculer le solde des
comptes. Les systèmes de signatures cryp-
tographiques garantissent que les messages
de transaction que vous inscrivez sur la
blockchain ont été écrits et signés par vous
et vous seul. L'ordre des inscriptions fournit
aussi une datation des transactions (horo-
datage) et donc les ordonne. Tout cela est
fait sans l'intervention d'une quelconque
autorité centrale, puisque ce sont certains
des utilisateurs (dénommés mineurs dans
le cas du bitcoin) qui en opèrent la sur-
veillance, et qui se contrôlent mutuelle-
ment, assurant l'honnêteté des sauvegardes
et leur cohérence.
L'exemple de la monnaie bitcoin est la plus
spectaculaire et la plus visible aujourd'hui
42 ,il MATHÉMATIQUES ET MYSTÈRES
des merveilles que réalise une blockchain.
Qu'on ait pu ainsi créer une monnaie grâce
à un fichier partagé semble incroyable.
D'autant plus qu'il s'agit d'une monnaie
d'un nouvea u type: elle ne repose sur
aucune autorité émettrice et autori se des
transactions quasi instantanées et presque
gratuites d'un point à l'autre du globe (voir
les deux chapitres précédents).
Au-delà de l'exemple du bitcoin, c'est l'en-
semble de tout ce que rend poss ible une
blockchain que nous voulons évoquer, car
un nouveau monde économique, social,
admini stratif et politique pourrait en sorti r,
dont on n'a pas pris la mesure.
Le bitcoin utilise une blockchain qui lui
est propre et ne sert, a priori, qu 'à ins-
crire des transactions. Cependant, l'idée
de cette blockchain se décline d'une multi-
tude de manières qui donnent naissance à
autant d'applications nouvelles. Il s'agit là
d'un nouveau type d'objets contenant des
informations d'une complexité presque
sans limites. Nos ordinateurs aux extraor-
dinaires capacités de calcul y accèdent ins-
tantanément, en explorant ce qui s'y trouve,
en y déposant de nouveaux messages éven-
tuellement cryptés, et en les extrayant rapi-
dement. Ces nouveaux objets, du fa it de
leur nature numérique et de leurs robus-
tesse et ubiquité, ont des propriétés tout à
fa it inédites.
Il existe aujourd'hui des centaines de
variantes du modèle bitcoin. Ce sont essen-
tiellement d'autres cryptomonnaies, dont
chacu ne s'appuie sur une blockchain par-
ticulière. Comme l'idée de Nakamoto est
beaucoup plus générale, d'autres systèmes
à blockchain apparaissent ou sont en cours
de développement.
Certaines des idées évoquées au départ
peuvent se mettre en place soit grâce à
une nouvelle blockchain, soit en essayant
d'utiliser la blockchain du bitcoin qu 'on
détournera de sa fonction première pour
lui faire réaliser des opérations non pré-
vues par Satoshi Nakamoto. L'Américain
Dom Steil, un entrepreneur s'occupan t du
bitcoin et auteur de nombreux articles sur
?:: Pas de fausse blockchain !
Pour rendre une blockchain robuste et
impossible à simuler, on utilise une fonc-
tion de hachage h (publique) qui à tout
fichier F associe un code h(F), une courte
suite de caractères dénommée empreinte.
Quand on change un seul caractère de F,
le code h(F) est totalement changé et
ce de façon imprévisible. Il est impos-
sible en pratique de modifier F en F' de
manière que h(F) = h(F1 (voir le chapitre
précédent).
On utilise aussi une preuve de tra-
vail. C'est une fonction p qui, à toute
valeur V donnée (en général, V est une
suite de caractères qui détermine un
problème), associe une solution p(VJ
qui ne s'obtient qu'en menant un long
calcul, par exemple d'une durée d'une
heure avec une machine de bureau ordi-
naire. En revanche, vérifier que p(VJ est
la bonne valeur associée à V est rapide.
Calculer le résultat R de p(VJ est diffi-
cile, mais vérifier que p(VJ = R est facile.
Un exemple est la décomposition d'un
nombre en facteurs premiers, qui est
difficile, alors que la vérification que le
produit de ces facteurs donne le bon
résultat est facile.
Construisons une blockchain en conca-
ténant des blacks contenant des suites
de caractères représentant des mes-
sages, ou des transactions: blockchain =
block(1)-block(2)- ... -black (n)
les nouvelles technologies, a exprimé l'idée
de cette révolution :
« La blockchain est intrinsèquement puis-
sante du fa it que c'est la colonne ve rté-
brale d'un nouvea u typ e de mécani sm e de
tra nsfert et de stockage d istribué et open
source. Elle est le ti ers nécessa ire pour le
fo nctio nnement de nombreux systèm es à
base de confiance. Elle est la feuille uni-
ve rselle d'équilibrage utilisée pour savoir
et vé rifi er qui déti ent di vers d ro its numé-
riques. De même qu 'Internet a été la base
de nombreuses appli cations autres que le
courrier électroni que, la blockchain sera la
base de bien d'autres applicatio ns qu 'un
Le black (rJ commence par deux infor- garde-fous qui font que le calcul est
mations particulières h(,J et p(,J ajou- bien plus long). Cependant, vérifier que
tées aux messages qui en constituent la blockchain est cohérente est facile:
le contenu. Ces informations h(,J et p(,J 1) On vérifie que chaque h(,J est conve-
assurent qu'on ne pourra ni modifier la nable en recalculant sa valeur, ce qui est
blockchain, ni fabriquer après coup de possible car tout est public. C'est rapide
fausses blockchains. et cela assure que rien n'a été modifié
h(,J sera l'empreinte de ce qui précède dans les blacks.
black (,J. Autrement dit, 2) On vérifie les p(,J, ce qui est rapide
h(,J = h[block (1)- ... -black U-1)]. aussi.
p(,J sera une preuve de travail associée à Une telle blockchain est un objet numé-
h(,J: p(,J =p[h(,J]. rique que chacun peut contrôler rapi-
Le calcul des h(,J et p(,J se fera pro- dement, mais que personne ne peut
gressivement avec l'ajout des blacks. modifier sans se faire repérer et que
Chaque p(,J exige peut-être une heure personne ne peut imiter, car pour cela il
de calcul en moyenne, mais résulte faudrait mener un énorme calcul.
d'un calcul collectif qui a pris beau-
coup moins qu'une heure par partici-
pant. Le calcul de tous les p(,J se fait
progressivement: pour le bitcoin, on a
ajouté un black toutes les dix minutes
depuis janvier 2009 et l'on rétribue ceux
qui mènent les calculs.
Quand la blockchain
comporte de nombreuses
pages Oa blockchain du
bitcoin en a plus de 300000),
faire une fausse blockchain est impos-
sible, car cela demande trop de calculs.
Pour 300 000 pages« coûtant» chacune
une heure de calcul, il faudrait faire un
calcul de 300 000 heures, soit 34 années
(et pour le bitcoin, il existe d'autres
réseau de paiement. Nous en sommes au x
premi ers instants d'un âge nouveau pour
tout ce qui est poss ible au travers d 'un
réseau décent rali sé de communica tions et
de calculs. »
Le Canadien Jon Evans, un ingénieur
info rmaticien et journ aliste spécialisé
dans les nouvelles technologies, partage
cet enthousias m e: « La technologie block-
chain au cœur du bitcoin est une ava ncée
technique ma jeure qui , à terme, pourrait
révolutionner Internet et l'indu stri e de la
fin ance; les premi ers pas de cette révolu-
tion à veni r ont m ainten ant été fr anchis.
1... J La blockchain, le m oteur qui sert de
LES BLOCKC H A INS, C LE FS o ' uN NOUVEAU MONDE >i 43
 base au bitcoin, est un système distribué
de consensus qui permet d'exécuter des
transactions et d'autres opérations de
manière sécurisée et contrôlée, sans auto-
rité cent rale de supervision, cela (en sim-
plifiant) parce que les transactions et
toutes les opérations sont validées par le
réseau entier. Les opérations effectuées ne
sont pas nécessairement financières et les
données ne sont pas nécessai re ment de
l'argent. Le moteur qui donne sa pui ssance
au bitcoin est susceptible d'un large éven-
tail d'autres applications.»
Parmi les blockchains autres que celle du
bitcoin et ayant pour obj ets des appli-
cations non liées à la monnaie, il fa ut
citer Namecoin, un système décentrali sé
d'enregis treme nt de noms: on écrit sur
la blockchain de Namecoin des paires
{nom, m essage). L'un des obj ectifs de
Nam ecoin est la mi se en place d'un sys-
tème d'adresses pour les ordinateurs
co nnectés au réseau, système qui pourrait
se substituer à l'actuel ON S (Domain Name
System) en p arti e aux mains d 'orga ni sa-
tion s américaines .
Les créateurs de cette blockchain affichent
les objectifs suivants: protéger la liberté
d'expression en ligne en rendant le Web
plus résistant à la censure; créer un nom de
do maine «.bit » dont le contrôle serait tota-
lement décentralisé; mémoriser des infor-
mations d'identité telles que des adresses
électroniques ou des clefs cryptographiques
publiques. Ils évoquent aussi la possibi-
lité d'organiser des votes ou des services
notariés. Malheureusement, cette block-
chain est aujourd'hui peu commode, car les
dépôts d'informations y sont payants (en
namecoins, une cryptomonnaie), et même
si les coûts sont très fa ibles, ils compliquent
son utilisation.
Plus récemment a été créé Twister, un sys-
tème concurrent de Twitter (le système de
microblogage bien connu) , mais totalement
décentralisé et donc libre de toute censure
ou cont rôle. La blockchain de Twister ne
sert pas à stocker toute l'information de
la plateforme de microblogage (di stribuée
sur un réseau pair à pair, ce qui évite que
44 ~ MATHÉMATIQUES ET MYSTÈRES
les nœ uds du réseau aient à gérer de trop
gros volumes de données), mais seulement
les informations d 'enregistrement et d'au-
thentification. Les messages sont gérés par
un système de dépôt distribué (c'est-à-dire
répartis entre les utilisateurs) avec une
table permettant de savoir où se trouvent
les informations, comme cela se pratique
dans les réseaux pair à pair de partage de
musique.
Un projet plus ambitieux, car se voulant le
support possible d'applications complexes
fondé sur une notion de contrat (smart-
contract) , a été mi s en fon ctionnement
récemment : il se nomme Ethereum. La
blockchain associée émettra une monnaie
(des éthers) sur le modèle du bi tcoin, mais
ce ne sera qu'une de ses fonctions.
• Relier les chaînes
Une autre avancée toute récente dans ce
domaine a été p roposée par un groupe de
chercheurs associé à Adam Back, inventeur
britannique d'un système de preuve de
travail (voir le chapitre précédent) utilisé
comme élément du protocole du bitcoin.
Adam Back et ses collègues ont constaté
que le bitcoin évolue très lentement, les
décisions pour tout changement se fa isant
selon un processus où il fa ut un accord dif-
fi cile à obtenir de la part de ceux qui tra-
vaillent à le surveiller et qui ne sont pas
orga ni sés en structure hiérarchique : c'est
un problème avec les applications totale-
ment décentrali sées dont le contrôle n'est
aux mains de personne.
Adam Back a auss i noté que beaucoup
d'idées innovantes proposées par des block-
chains nouvelles n'ont qu'un succès limité;
en valeur, le bitcoin reste très dominant
parmi les monnaies cryptographiques. Lui
et ses collègues ont donc mi s au point une
méthode li ant les blockchains. Ce système
de sidechain permettra de fa ire passe r des
unités monétaires d'une chaî ne A ve rs une
autre, B. Elles disparaîtront de la chaî ne A
pour réapparaî tre sur B et pourront éven-
tuellement revenir dans A.
 -· Mieux que Le Bon coin, eBay, Priceminister, etc.
Le commerce entre particuliers sur
Internet est freiné par un problème de
confiance. Vous mettez en vente un
magnifique vase, vous trouvez un ache-
teur, vous lui envoyez l'objet... et il ne
vous paye jamais - ou, à l'inverse, il vous
envoie l'argent et vous gardez le vase ...
Même si c'est malhonnête, il est éco-
nomiquement rationnel pour celui qui
reçoit l'envoi de son correspondant de ne
pas envoyer ce qu'il a promis en échange.
eBay précise d'ailleurs: «Nous ne pou-
vons pas obliger le vendeur à remplir ses
obligations.»
Le Bon coin recommande l'échange en
direct avec rencontre. L'envoi contre
remboursement est une solution et cer-
tains sites (parfois associés à PaypaO
proposent leurs services pour limiter les
risques. Soit ils bloquent l'argent envoyé
avant que le produit ne soit reçu; soit ils
proposent un système de notation qui
indique si les personnes avec qui on fait
affaire ont été correctes dans leurs pré-
cédentes transactions; soit ils proposent
une assurance.
Il existe pourtant une meilleure solution
grâce aux blockchains. Oleg Andreev a
proposé un système inspiré par la block-
chain du bitcoin, qui résout le problème
sans frais. L'idée s'applique à toute b/ock-
chain disposant d'un système d'unités
monétaires permettant les transactions
à plusieurs entrées et plusieurs sorties
(c'est le cas de la b/ockchain du bitcoin).
Supposons qu'Alain veuille vendre un
vase à 100 euros à Béatrice qui habite
loin. Ils sont d'accord sur le prix, mais
doivent faire l'échange à distance. Alain et
Béatrice, indépendamment des 100 euros
convenus, déposent chacun 200 euros sur
un compte particulier. Lorsque l'échange
sera terminé (envoi du vase et envoi des
100 euros pour le payer), Alain et Béatrice
signeront la transaction qui débloquera
les 400 euros, lesquels seront alors resti-
tués: 200 pour Alain, 200 pour Béatrice.
La procédure de mise sous séquestre
sur la blockchain est telle que personne
ne peut s'emparer de cet argent, sauf
Alain et Béatrice s'ils donnent tous
deux leur accord. Seul, aucun d'eux ne
peut rien faire. En conséquence, à moins
d'être prêt à perdre 200 euros pour un
objet qui en vaut 100, Béatrice aura
intérêt à payer le vase. De même, si
Béatrice paye avant de recevoir le vase,
Alain aura intérêt à envoyer le vase
(qui vaut 100 euros) pour récupérer ses
200 euros bloqués. Il est ainsi écono-
miquement rationnel de se comporter
honnêtement!
La somme de 200 euros pour une transac-
tion concernant un objet qui en vaut 100
est modifiable, mais il faut que la somme
mise sous séquestre par les deux acteurs
soit supérieure à la valeur de l'objet
échangé. Sinon, celui qui reçoit l'envoi de
l'autre en premier aura intérêt à ne pas
envoyer ce qu'il doit, quitte à perdre la
somme séquestrée. Ce système à base de
b/ockchain permet, sans l'action d'aucune
autorité centrale, de mener une opération
d'échange avec un risque très réduit de se
faire escroquer (pour des précisions sur
la mise en œuvre technique, voir http://
bit.ly/1BuoupD ou http://voluntary.net/
bitmarkets/J.

Chaque blockchain est un petit univers
où il est utile de disposer d'une monn aie;
cependant, fa ire accepter une nouvelle
mo nnaie et stabili ser son cours est difficile
et incertain . De plus, chaque blockchain
est une expérience aux ri sques d 'autant
plus gra nds qu 'ell e est récente et inno-
va nte. Une foi s mis en place (ce n'est pas
si sim ple), le systèm e des sidechains per-
me tt ra de tester ra pidem ent de nouvelles
idées. Chac une pourra «importer » la m on-
naie d'une autre blockchain, sans do ute le
bi tco in, la monnaie la mieux installée et
celle pour laquelle la confiance est la plus
for te. Le systè me est conçu pour que la
chaîne qui « prête » de l'argent à une autre
n'engage pas plu s que ce qu'elle prête; ell e
ne prend donc pas de risque.
Avec un tel système, non seulement les
diverses blockchains ne se concurrence-
ront plus nécessairement, toutes pouva nt
s'appuyer sur une seule ou un petit nom bre
d'e ntre elles, m ais de plus toutes les expé-
rimentations pourront être envisagées sans
crainte, créant une dynamique propice aux
innovations.
Plutôt que d'expliquer les architectures
complexes et spécifiques de Namecoin,
Twister ou Ethereum, terminons en pré-
sentant les applications générales les plus
simples d'une blockchain.
• Des outils
cryptographiques
Une blockchain est un fi chier numérique
access ible à tous en lecture et en écriture.
Cela se fait par l'utilisation de logiciels par-
foi s nommés servents, terme qui associe les
deux mots client et serveur utilisés dans les
réseaux centralisés. Ce mot marque que,

LE S B LOCKCHAINS, CLEFS o'uN N OUV EAU M O N DE ~ 45

 dans un réseau pair à pair, chaque nœud
est à la fois nœud central (serveur) et utili-
sateur (client).
Le fichier blockchain est rendu infalsifiable
et indestructible par l'utilisation d'outils
cryptographiques. Quand on ajoute quelque
chose au fichier (on parle de page ou de
black), on le fait en commençant l'ajout par
un code calculé à partir de la version avant
ajout (pour calculer ces codes, on utilise
des fonctions de hachage). On ne pourra
donc pas modifier la partie ancienne de la
blockchain sans que cela se voie, ou alors
il faudrait modifier chacun des codes com-
mençant les pages : les codes rigidifient le
fichier.
De plus, pour qu'il soit difficile de fabri-
quer une blockchain entièrement artifi-
cielle avec de bons codes en tête de chaque
page ajoutée et qui prétendrait se substi-
tuer à la vraie blockchain, le protocole de
gestion exige qu'on fasse un certain travail
de calcul pour ajouter une page; c'est la
notion de preuve de travail (voir l'encadré
page 43). Par conséquent, fabriquer une
fausse blockchain, ou même seulement une
fausse partie finale de blockchain, est exces-
sivement coûteux, voire impossible, en pra-
tique. Au total, le fichier blockchain ne peut
être ni modifié ni simulé. Comme la block-
chain existe en une multitude de copies
(une chez chacun de ceux qui acceptent de
participer à la bonne marche du protocole),
la blockchain d'une application particulière
est indestructible et impossible à truquer.
La taille de la blockchain augmente à
mesure qu 'y sont déposés de nouveaux
messages ou de nouvelles pages regroupant
plusieurs messages. Les multiples copies de
la blockchain sont toutes maintenues iden-
tiques grâce aux échanges d'informations
opérés par le réseau pair à pair.
L'accroissement de taille de la blockchain est
bien sûr un grave problème. Aujourd'hui,
on peut manipuler des blockchains de
plusieurs dizaines de gigaoctets, mais on
ne peut pas en manipuler qui seraient
1 000 fois plus grandes. La technologie de
demain le permettra peut-être, mais il y
46 ,. MATHÉMATIQUES ET MYSTÈRES
aura toujours une limite, certes élevée, à
prendre en compte.
Bien évidemment, une blockchain peut
servir à déposer anonymement des mes-
sages. .Grâce au logiciel installé sur sa
machine (le servent) et propre à la block-
chain, on ira écrire tout ce qu'on sou-
haite. Pour éviter que les interventions
sur la blockchain se fassent avec une trop
grande fréquence (ce qui rendrait difficile
la synchronisation de tous les détenteurs
d'une copie), le protocole de fonctionne-
ment pourra ajouter les messages par page,
chaque page en contenant plusieurs cen-
taines ou milliers ; ainsi, pour le bitcoin,
les transactions sont regroupées et ajoutées
une fois toutes les dix minutes.
Les messages qu'on ajoutera sur une block-
chain seront anonymes ou signés. Avec les
systèmes de signature à double clef, tout le
monde peut vérifier l'auteur d'un message
signé et il est impossible que quelqu'un
signe à la place d'un autre.
Les messages ajoutés seront en clair ou chif-
frés. On pourra ainsi déposer un message
chiffré qu'on ne rendra lisible que plus tard
en publiant la clef de déchiffrement. Ce
sera utile dans le cas d'un engagement (tel
qu 'une reconnaissance de dette) pris vis-à-
vis d'un débiteur, vous par exemple. Votre
engagement est présent signé, daté et crypté
sur la blockchain. Si vous le respectez, il
reste crypté. Sinon, celui envers qui vous
êtes engagé publie la clef de déchiffrement
et tout le monde voit que vous ne tenez pas
votre engagement. Grâce à la signature, il
n'y a pas de doute, c'est bien vous qui avez
pris l'engagement. Cette publication détruit
votre réputation ou même sert de preuve
devant un tribunal.
Une blockchain peut servir à concevoir
une messagerie universelle. Pour qu'il y
ait confidentialité des messages et garantie
sur leurs auteurs, on utilisera là aussi la
cryptographie asymétrique. Celui qui
veut déposer la démonstration d'un théo-
rème qu'il a trouvée, mais sans la rendre
publique, déposera la version cryptée avec
une clef privée (créée pour cet usage) et il
signera le dépôt. Quand, plus tard, il voudra
prouver qu'il disposait bien, dès la date
de dépôt, de la démonstration, il rendra
publique la clef de déchiffrement. Plus
besoin des enveloppes Soleau déposées
à l'Institut national de la propriété indus-
trielle. Bien sûr, on pourra de la même
façon déposer des engagements, des testa-
ments, des œuvres signées, etc.
• Une forme numérique
d'anarchisme
Insistons sur le fait qu'un tel système
de blockchains permettant signatures,
contrats, dépôt de testaments, etc. n'exige
l'action d'aucune autorité centrale pour
fonctionner. Tout ira bien pourvu que le
fichier blockchain soit maintenu, c'est-à-dire
qu'un minimum d'utilisateurs participe à
son entretien en en gardant une copie chez
eux, mise à jour en permanence (ce que leur
ordinateur fait tout seul).
La complexité et la puissance de nos puces,
de nos machines, de nos applications, de
nos réseaux informatiques donnent nais-
sance à de nouveaux objets numériques.
Ces blockchains changent les règles du jeu :
moins de centralisation, moins d'autorité,
plus de partages sont possibles. Une forme
d'anarchisme numérique qui existe déjà sur
Internet va se développer et changera sans
doute les rapports entre humains et entre
entreprises. Le monde qui en émergera est
difficile à imaginer, mais il se forme et il est
imminent.
1
LES BLDCKCHAINS, CLEFS 0 UN NOU V EAU MONDE ·" 47
a Les entiers
ne naissent pas égaux
Il est impossible de définir une loi de probabilité uniforme
sur l'ensemble des nombres entiers. Ce fait est étroitement lié à la
loi de Zipf, une loi statistique dont les manifestations
sont innombrables.
our un dé équilibré à six faces, le « 1 »,
P comme chacune des autres faces, a la
probabilité 1/ 6 de « sortir » ; et en lançant
le dé on a une probabilité de 3/ 6 = 1/ 2 d'ob-
tenir un nombre pair. Sur un ensemble
ayant n éléments, une probabilité est équi-
librée (on dit aussi «uniforme ») quand
chaque élément, comme une face d'un dé,
a la même probabilité. La probabilité d'un
sous-ensemble de p éléments est alors p/n,
le quotient du nombre de « cas favo-
~ ""- rables » sur le nombre total de cas.
Cette probabilité p/n est l'outil de
base pour comprendre la rou-
lette des casinos et les tirages
du loto. La question est : que se
passe-t-il quand le nombre total
d'éléments est infini?
Pour l'ensemble infini des nombres
réels compris entre O et 1, il est facile de
définir une probabilité uniforme. On obtient
la mesure de Lebesgue découverte par Henri
Lebesgue (18 7 5-1941) au début du xx.esiècle.
Cette mesure sur [O, l] est fondée sur la lon-
gueur des intervalles [a, b] de [O, l] auxquels
on attribue la probabilité b-a. Elle donne
un sens à l'opération « tirer un nombre réel
équitablement entre O et 1 ». Elle indique
par exemple que la probabilité pour qu'un
tel nombre se trouve à moins d'un centième
1/rr 1/e
0 2;1oo..JTI ] b;100
50 J MATHÉMATIQUES ET M Y STÈRE S
de 1/'rr ou de 1/e est exactement 1/25, car la
zone favorable est composée des deux mor-
ceaux disjoints [l /1r - 1/ 100, l /1r + 1/ lOOJ et
[1/e - 1/ 100, l(e + 1/ 100) dont la longueur
totale est 4/ 100 = 1/25 (voir le schéma en bas
de la page).
La mesure de Lebesgue montre aussi que
les nombres rationnels sont négligeables :
la probabilité de tirer au hasard un nombre
rationnel est nulle et la probabilité de tirer
un nombre irrationnel est égale à un. En
effet, on sait enfermer les rationnels, qui sont
numérotables par des entiers (ils sont dénom-
brables), dans une réunion d'intervalles de
longueurs c/2", de longueur cumulée c que
l'on peut rendre aussi petite que possible.
Étrangement, bien que l'infini dénombrable
(celui des nombres entiers 1, 2, ... , n, ...) pré-
cède et soit plus simple que l'infini des réels
de l'intervalle [O, lj (dénommé « continu »),
il est impossible d'y définir une probabilité
uniforme qui jouerait, pour les entiers, le rôle
que la mesure de Lebesgue joue pour [O, l J.
C'est très ennuyeux, car cela interdit de
donner un sens mathématique au choix aléa-
toire équitable d'un entier. « Tirer un nombre
réel au hasard entre O et 1 sans
en favoriser aucun » est
mathématiquement
===== Probabilités des entiers dans l'encyclopédie de Neil Sloane
Il est impossible d'associer une probabi-
lité uniforme aux entiers (probabilité qui
donnerait à chaque entier la même proba-
bilité). En effet, la probabilité d'un sous-
ensemble des entiers est égale à la somme
des probabilités de chaque élément : si
la probabilité d'un entier est non nulle, la
probabilité de l'ensemble des entiers est
infinie, ce qui ne convient pas pour une
probabilité; si elle est nulle, alors la pro-
babilité de l'ensemble des entiers est nulle
aussi, ce qui ne convient pas mieux. Pour
traiter des probabilités d'ensembles d'en-
tiers, il faut attribuer des probabilités dif-
férentes aux entiers, de la meilleure façon
possible. L:étude des entiers présents dans
l'encyclopédie de Sloane est un guide pour
trouver cette meilleure attribution.
L:encyclopédie des suites numériques de
Neil Sloane contient un grand nombre
de fois l'entier 1, un peu moins sou-
vent l'entier 2, etc. La courbe, notons-la
Sloane(n), donnant ce nombre d'occur-
rences de n en fonction de n ressemble
à un nuage de points globalement
En rouge, le nombre d'occurrences
associées à certains nombres.
Z(3 081154)
décroissants. Classés par nombre d'oc-
currences décroissantes, on a une loi de
type C/n 1·3, où C est une constante. Le
nuage de Sloane est lié à la complexité
de Kolmogorov et cela justifie que l'on
retrouve une loi de Zipf. La courbe
Sloane(n) est une version approchée
de la courbe C/2K(nl, où K(n) désigne la
complexité de Kolmogorov de l'entier n,
qui vaut typiquement log2(n) : quand n
est « complexe », K[n) est grand (n est
impossible à définir simplement), 1f2K[nl
est petit et donc le point correspondant
de Sloane(n) est bas. C'est pourquoi
aussi 1024 = 210 est situé au-dessus des
autres points de même ordre de gran-
deur : le fait d'être une puissance de 2 a
pour conséquence que sa complexité de
Kolmogorov est faible et donc que son
nombre d'occurrences dans la base (pro-
portionnel à 1f2K(n~ est grand.
Cette représentation concrète de la com-
plexité de Kolmogorov par le nuage de
Sloane est légèrement biaisée par un effet
culturel et social qu'on voit clairement
10•
LES ENTIERS N E NAISSENT PAS ÉGAUX
sous la forme d'une zone claire, le fossé
de Sloane, séparant le nuage en une partie
inférieure et une partie supérieure.
Ce fossé étudié récemment (voir la biblio-
graphie) est dû à ce que la communauté
mathématique qui contribue à l'encyclo-
pédie s'intéresse aux nombres entiers
ayant une faible complexité de Kolmo-
gorov (ce sont les nombres simples à
définir et ayant plusieurs définitions), mais
qu'elle s'y intéresse d'une manière qui aug-
mente la fréquence des nombres simples.
À cause des phénomènes culturels d'en-
traînements et de mode, les mathémati-
ciens concentrent leur attention sur les
nombres les plus simples, ce qui pousse
les points correspondants de la courbe
vers le haut, créant une zone évidée
dans le graphe : le fossé.
.,;) 51
 La loi de Zipf
Si l'on classe les mots d'un texte par
fréquence décroissante, on constate
le plus souvent que la fréquence du
104
mot en position n est C/n, où C est une
constante. Cette loi, généralisée sous la
forme C/n' (où e est proche de 1), porte
le nom de loi de Zipf.
Le travail de Zipf concernait le roman
Ulysse de James Joyce. On retrouve la
10 loi de Zipf dans de nombreux domaines,
bien au-delà de la linguistique. Une série
_
....__ _ _ _ _ _ _......,.,..,,...._ _ _,.,.,,.._ _ _.-....,.,
-,,,___ _ d'arguments présentés dans le texte de
2 3
10 10 10 10• Rang du mot l'article conduisent à la voir comme une
forme de loi, aussi équitable que pos-
sible, sur les entiers.

Analogue au nuage de Sloane de la Comme pour l'encyclopédie de Sloane, Jean-Baptiste Michel, de l'Université
page précédente, mais totalement on a compté le nombre d'occurrences Harvard.
indépendante, la courbe ci-dessous a des entiers écrits en chiffres dans t:allure générale du « nuage des cinq
été obtenue par Jim Fowler en utili- l'énorme base de textes de plus de millions de livres » est semblable à
sant les données de cinq millions de 100 milliards de mots, constituée celle du nuage de Sloane. On a affaire
livres numérisés par la Société Google. par le projet Culturomique autour de à une loi de Zipf. Les biais sociaux pro-
duisent des effets de nature différente.
Les nombres qui sont mentionnés en
excès le sont non plus pour des raisons
108 Fréquence des entiers
dans le corpus de Goog/e d'intérêt mathématique reconnu, mais
107 pour des raisons contextuelles ou liées
.
· \ J•
à l'usage du système décimal, qui favo-
1Q6 rise par exemple les nombres ronds

10s .;_-··. · .... . . ·. (10, 50, 100, 1000, 1500, 5000, etc.).
Entre 1 et 100, un graphique à plus

L...---,-~=~~~.-~
,~
-,:~:,~:
, ~.: .
-;. · ·.{·-.:~_. . .. .
grande échelle ferait apparaître que le
10• -!· <~-...~:-:~
_,. ~
:~ :~---~:_:,~
;i~:-~,:.,~
;_'.~
··.:~-:·:i:~:;-,~1=- -i·.....,..,:r
~;-· nombre 12 et ses multiples sont favo-
risés, ce qui est lié au rôle particulier du
1000 3 00 5 00 7000 9 00
nombre 12 dans notre culture.

possible et la théorie moderne des probabi- • Probabilités non uniformes

lités déduit de la solution de Lebesgue des
résultats concernant la physique, l'économie Pour déterminer la probabilité d'un ensemble
et toutes sortes de problèmes concrets. de nombres entiers positifs en oubliant tem-
« Tirer un entier au hasard, sans en favoriser porairement l'exigence d'uniformité, nous
aucun » n'a, en revanche, mathématique- prenons une série (an) de nombres positifs
ment pas de sens pour quiconque veut rester ou nuls dont la somme est égale à 1, par
dans le cadre de la théorie des probabilités exemple an = 1/ 2nqui vérifie bien 1/2 + 1/4 + ...
fi xé en 1933 par Andreï Kolmogorov. Nous + 1/2n+ ... = 1. Une fois (a) choisi, la probabilité
allons voir cependant qu'il existe de subtiles d'un ensemble d'entiers A est la somme des
et merveilleuses solutions de remplacement, termes an dont l'indice n est un élément de A.
nommées densités, mises au point pour les Avec le choix an = 1/2n, nous trouvons que
besoins de l'arithmétique et qui sont impor- l'ensemble Ides nombres impairs {l ,3, ...,2n+ 1,...)
tantes pour comprendre les distributions sta- a pour probabilité 1/ 2 + 1/ 8 + 1/ 32 + .. .
tistiques concrètes. + 1/ 22n+ 1+ ... = 2/ 3 et que l'ensemble P des

52 il MATHÉMA TIQUE S ET M Y STÈRE S

nombres pairs (2, 4, ...,2 n, ... } a pour probabi-
lité 1/3. Ce n'est guère satisfaisant : cela ne
semble pas équitable, puisqu'il y a autant
de nombres pairs que de nombres impairs
et que ce sont deux ensembles d'entiers de
même structure. Attribuer le poids 1/2" à n
n'est sans doute pas une bonne idée, mais il
y a bien d'autres choix possibles pour (aJ
N'y a-t-il pas, parmi toutes les séries (a,,)
utilisables pour « peser » les entiers et les
ensembles d'entiers, certaines séries plus
naturelles ou meilleures que d'autres? Si
oui, comment les trouver ? L'exigence que
les nombres pairs et impairs aient chacun
le poids 1/ 2 servira de critère.
• George Zipf
compte les mots
La recherche de ce substitut à l'impossible
probabilité uni fo rme sur les entiers semble
avoir une solution. Nous allons voir qu'elle
est liée à la théorie de la complexité de
Kolmogorov, qui est la tentative mathé-
matique la plus générale pour défi nir la
notion de simplicité. Mais ava nt d 'explorer
les as pects théoriques et peut-être spécula-
tifs de cette solution, laissons-nous guider
par des do nnées concrètes.
En 1949, George Zipf exa mine la fré-
quence d'usage des mots da ns le ro man
Ulysse de James Joyce. L'œuvre com porte
26 0 430 mo ts, dont 29 899 mots diffé rents.
Le mot le plus courant, the, apparaît enviro n
deux fo is plus que le deuxième (of) , trois
fo is plus que le troisième, ..., 100 fo is plus
que le centième, etc. Dit autrement : en clas-
sa nt les mots par fréquence décroissante,
la fré quence J,, du mot classé en position
n est enviro n Cjn, où C est une constan te.
Cette remarque qui s'étend à d'autres textes
et d'aut res langues est à l'origine du nom
« loi de Zi pf » donné à ce type de relations.
Si des objets, pris dans un ensemble com-
portant éventuellement des répétitions et
classés pa r fréquence décroissante f 1,J2, ... ,
J,,, ... , vé rifi ent approximative ment une rela-
tion du type J,, = Cjn, on dit qu'ils sui vent
une loi de Zipf.
L'histoire est souvent injuste. En effet,
dès 1916, le Français Jean-Baptiste Estoup
(1 886-1950) avait fait une observation équi-
valente en étudiant des textes fr ançais. Zipf
le savait puisqu'il indique dans son livre de
194 9 : « La première personne (à ma connais-
sance) à avoir remarqué la nature hyperbo-
lique de la fréquence d'usage des mots fut le
sténographe français J.-B. Estoup. »
Passons sur cette nav rante iniquité et indi-
quons que, depuis, on a vu ou cru voir des
lois de Zipf dans un nombre considérable
de situations concrètes. La loi semblerait
concerner aussi bien la taille des villes clas-
sées par population décroissante, le nombre
de citations que reçoit un article scientifique,
le nombre d'articles qu'écrit un chercheur
durant sa carrière, le nombre d'espèces par
genre dans la classification des êtres viva nts,
le nombre de visites que reçoit une page
Internet, l'expression des gènes, la musique,
les cratères lunaires, les tremblements de
terre, les taches solaires, etc.
On a généralisé la loi de Zipf par une loi de
type fn= Cjn•, où e est un exposant proche
de 1. On la nomme aussi loi de pui ssance
ou loi de Pareto (même quand e n'est pas
proche de 1). Nous ne considérerons que
les situations où des objets sont classés par
ordre de fréquence décroissante et où la fré-
quence trouvée pour l'obj et en position n
est donc assimilable à une probabilité asso-
ciée au nombre entier n. La régularité avec
laquelle apparaissent des distributions de
probabilités de type Cjn• (e proche de 1)
pour les entiers suggère qu 'à la place de l'im-
possible probabilité uniforme sur les entiers,
nous devrions, quand rien ne s'y oppose,
considérer que les entiers ont une probabi-
lité naturelle de la for me Cfn" (e proche de 1).
Récemment, grâce à la puissance des sys-
tèmes info rmatiques, deux nouveaux types
de données, que nous nommerons « nuage
de Sloane » et « nuage des cinq millions de
livres», ont été constitués et ont appuyé l'idée
qu'il y a quelque chose de particulier concer-
nant les distributions de probabilité en Cjn•
pour e proche de 1. Il semble de plus en plus
certain que les distributions de probabilité
LES ENTIE RS NE NAISSENT PAS ÉGAUX J 53
 Densités naturelle et logarithmique
Si l'on nomme densité naturelle, pour lim(I(1/k; k dans A, k sn} / I (11k; k sn}). les nombres pairs et les nombres impairs
n+«>
un ensemble A d'entiers, la limite (à En d'autres termes, on retient 1/k pour avaient une densité 1/2.
condition qu'elle existe), quand n tend chaque entier k présent dans A et infé- Notons que l'on ne peut pas poser :
vers l'infini, du quotient [nombre d'élé- rieur à n; on additionne ces 1/k et l'on D1oiA) =
ments de A inférieurs à n]/n, on trouve normalise en divisant I{1/k ; k dans A}/I{1/k; k entier}),
par la somme des
que la densité naturelle des nombres car la série harmonique 1 + 1/2 + ... + 1/k
1/k pour k inférieur à n ; cela donne un
pairs est 1/2, comme celle des nombres tend vers l'infini quand k tend vers l'infini.
poids d" à l'ensemble A, dont on prend la
impairs. Plus généralement, la densité Dans un cas concret, s'il n'y a qu'un
limite (si elle existe) quand n tend vers
naturelle des termes d'une suite arith- nombre fini d'objets à prendre en
l'infini pour tenir compte de tous les élé-
métique an +b (n = 1, 2, ...) existe tou- compte, par exemple le nombre des
ments de A quand l'ensemble est infini.
jours et vaut 1/a. Malheureusement, les mots dans un texte (finO, on peut choisir
On a démontré que si l'ensemble d'entiers
ensembles pour lesquels la densité natu- d'attribuer un poids C/n à chaque entier
relle est définie sont rares. Par exemple, A possède une densité naturelle, alors A n et fixer C pour que le total des proba-
l'ensemble des entiers qui, écrits en base possède aussi une densité logarithmique bilités soit égal à 1, cela sans qu'il faille
2, ont un nombre pair de chiffres n'a pas et elles sont identiques. Autrement dit, en faire tendre n vers l'infini.
de densité naturelle. De plus, la réunion attribuant le poids 1/n à l'entier n, et en Dans le cas infini, la même idée est
de deux ensembles ayant des densités faisant tendre n vers l'infini après normali- presque utilisable et c'est ce que pro-
naturelles n'en a pas nécessairement, ce sation, on étend la notion de densité natu- pose la densité logarithmique. Autre-
qui empêche en particulier de considérer relle sans en perdre les bonnes propriétés. ment dit, affecter le poids C/n à chaque
cette densité comme une probabilité. C'est utile car, avec cette extension, des entier est un choix naturel, car il permet
Une découverte provient de l'étude de ensembles plus nombreux ont mainte- de définir une notion de densité qui
la densité logarithmique définie pour un nant une densité, c'est-à-dire une sorte étend la densité naturelle à chaque fois
ensemble A d'entiers par : D10iA) = de probabilité, et on a préservé l'idée que qu'elle est définie.

sur les entiers de type loi de Zipf jouent un
rôle spécifique et nullement fort ui t.
• Le nuage de Sloane
Le nuage de Sloane est obtenu en comp-
tant le nombre d'occurrences de l'entier n
dans l'encyclopéd ie des suites numériques
de Neil Sloane (htt p ://oeis.org/). Chacune
des 200 000 suites de l'encyclopéd ie, que
N. Sloane réun it depuis 1965 avec l'aide de
la communauté mat hématique, est stockée
(on n'y garde qu'un nombre li mité de termes,
environ 150 caractères pour chaque sui te).
Seules les suites présentant un intérêt mathé-
matique sont retenues. La base de suites
- qui est aussi une base de nombres entiers -
associe une probabilité à chaque nombre
entier, déduite de son nombre d'apparitions
dans la base : le nombre d'occurrences d'un
entier dans la base est une mesure de son
importance mathématique et peut-être de sa
probabilité objective d'apparition, si une telle
notion a un sens. Le nombre d'occurrences
de l'entier n dans la base, notons-le 5/oane(n) ,
ne suit pas une courbe décroissante régu-
lière. Cela est dû à ce que les mathémati-
ciens concentrent leur attention sur certains
entiers plus que sur d'autres. Les puissances
de 2 (2, 4, 8, 16, ... ) sont par exemple nette-
ment favo risées, de même que les nombres
premiers, ou les nombres aya nt beaucoup de
facteurs.
La courbe Sloane(n), que nous nommons
nuage de Sloane (voir l'encadré p. 52), do it
être vue comme une représentation de l'in-
térêt mathématique relatif des nombres
entiers. L'étude de ce nuage, suggérée par
Ph ilippe Guglielmetti, a été menée dans
un article paru en 20 11. Sous sa forme de
nuage, ou redessinée pour classe r les entiers
par nombres d'occurrences décroissantes, on
a affaire à une courbe proche de C/n'·3, une
loi de Zipf d'exposant 1,3 . C'est tout à fa it
rema rquable et la justification théorique de
cette d istri bution que nous allons présenter
établi t un lien entre probabilité naturelle sur

54 ,Il M ATHÉM ATIQUES ET M Y STÈRES

les entiers, complexité de Kolmogorov et loi
de Zipf, ce que l'on peut voir comme un fon-
dement théorique à la loi de Zipf.
La complexité de Kolmogorov K(n) d'un
entier est la taille du plus petit programme
qui engendre n (dans un langage de pro-
grammation fixé). Les entiers ayant une
définiti on simple (par exemple 2 1 oooooo)
ont une fa ible complexité de Kolmogorov
et ont en conséquence beaucoup de défi-
nitions assez simples. La théorie indique
aussi que K(n) est lié à la probabilité qu 'un
programme tiré au hasard produise n, par
la relation Proba (n) = 1/2Kl11 I, et donc à la
probabilité que les suites mathématiques
collectées dans l'encyclopédie de N. Sloane
contiennent cet entier un grand nombre
de foi s. Cette dernière remarque suppose
qu 'on ass imile ces suites numériques à
des programmes, ce qui n'a rien d'ab-
surde. Autrement dit, le nu age de Sloane
est une version mathématique, concrète et
humaine de la courbe représentant la fonc-
tion 1/2 Kl11 I déterminée par la complexité
des entiers. Or la théori e indique que cette
courbe suit une loi de Zipf, car K(n) vaut
typiquement log 2(n) et que l /210g,111 I = 1/n.
La complexité de Kolmogorov indiquait par
avance que l'on a une loi de Zipf pour le
nuage de Sloane, ce que l'étude stati stique
du nuage a confirmé.
Tout cela est remarquable et nous aide
à comprendre la loi de Zipf. Même si
d'autres mécanismes engendrent une loi de
Zipf, celui lié à la théorie de la complexité
est particulièrement frappant, puisqu 'il
indique un lien avec une distribution de
probabilité naturelle fondée sur la com-
plexité des enti ers, li en validé par l'étude du
nuage de Sloane. Cette analyse est encore
renfo rcée par l'étude d'un autre nuage
étonnant, indépendant du premier, et qui
est cette foi s tiré d'une base de données
de cinq millions de livres numéri sés par la
Société Google et exploitée stati stiquement
par une équipe de chercheurs de l'Univer-
sité Harvard réunie autour de Jean-Baptiste
Michel. Un livre écrit par Nicolas Gauvrit
et l'auteur (voir la bibliographie) présente
cette mise à disposition et la science nais-
sante qu 'on prétend en déduire, dénommée
« culturomique ».
• Le nuage des cinq millions
de livres
Jim Fowler, mathématicien à l'Université
de l'Ohio, aux États-Unis, a calculé et repré-
senté l'équivalent du nuage de Sloane pour
les cinq millions de livres de la base de don-
nées de Google. Il a compté le nombre d'oc-
currences de chacun des nombres entiers
de 1à 10 000 et a dess iné les 10 000 points
correspondants. La courbe obtenue (voir
/'encadré p. 52) présente le même aspect
gé néral que le nuage de Sloane. Cependant,
plusieurs différences sautent aux yeux... et
s'expliquent fa cilement.
On observe notamment une sorte de sur-
saut violent de la courbe avant et du côté
de l'entier 2 000. Cette perturbation cor-
respond évidemment aux nombres dési-
gnant des années proches, car ces nombres
sont cités fréquemment dans les textes
des livres. Il s'agit d'un effet temporel et la
même courbe tracée en 2100 montrera un
sursaut équivalent du côté de 2 100. Un
autre effet, cette foi s « décimal », est auss i
très net : les nombres ronds comme 1 000,
5 000, 8 000 ou même 7 500, 8 500, etc., sont
plus cités que leurs voisins et se retrouvent
donc au-dessus de la courbe générale. Notre
usage du système décimal et la pratique
des arrondis fau ssent la fréquence d'utilisa-
tion des nombres entiers en favori sant de
manière prévisible certains d'entre eux.
L'étude détaillée du nuage montre d'autres
étrangetés pas toujours auss i faciles à expli-
quer, mais qui proviennent de conventions,
de codes ou de règles d'usage favorisant
certains entiers. Malgré ces effets pertur-
bateurs divers, la courbe (éventuellement
redessinée pour classer les nombres par fré-
quence décroissante) se conforme très bien
à une loi de Zipf d'exposant e proche de 1,
comme celle du nuage de Sloane.
La comparaison des deux courbes est
amusante et riche d'enseignement : là
LE S ENTIER S NE N A ISSEN T PAS ÉGAU X ,Il 55
 De Benford à Zipf, et inversement
La loi de Benford indique
qu'en prenant des
nombres au hasard
en grande quan-
tité (par exemple
des données géo-
graphiques), les
nombres commen-
ceront plus fré-
quemment par 1 que
par 2, par 2 que par 3,
etc. La probabilité p(i) asso-
ciée au chiffre i (pour i =1, 2,
... , 9) est log 10(1 + 1/,] :
p(1) =30,1%, p(2) =17,6%,p(3) =12,5%,
~=~l~=nl~=~l~=~l
p(B) = 5, 1%, p(9) = 4,6 %.
où l'intérêt mathématique favorisait les
pui ssances de 2 et les nombres avec de
nombreux divi seurs, c'est maintenant les
conventions liées à la numération décima le
ou à la mention des années du calendrie r
qui créent les plus fortes déviation s. Au ssi
bi en le nuage « mathé matique » de Sloane
que le nuage « cu lturel » des cinq millions
de livres exhibent un tracé co nforme à une
loi en Cf ne. Ces traitements sur des don-
nées massives confirment que les réparti-
tions de probabilité en Cjne (e proche de 1)
tiennent un rô le spécifique et doivent être
retenues pa r défaut co mme probabilités
naturelles sur les e nti ers. Deux arguments
de nature mathématique vont s'a jouter à
celui de la co mpl ex ité de Ko lmogorov et
justifier notre affirmation.
Un premier argument porte sur la densité
naturelle (voir l'encadré p. 54). Un second
résultat quasi miraculeux confirme que
Cjn est théoriquement la plus équitable
attribution de poids aux entiers. La densité
De(A) = I{ 1/k", k dans A}/I{ 1/k", k entier) est
toujours définie si e> 1, ca r maintenant le
dénominateur est fini (car la série de terme
1/ k" est de somme fini e quand e > 1).
Comme 1/ k" est proche de 1/ k si e est proche
de 1, pour contourner la divergence de la
série D /k, on définit la densité D2 (A) de
56 ,I MATHÉMATIQUES ET MYSTÈRES
La loi de Zipf, selon laquelle la distribution en
C/n est une distribution naturelle pour des
entiers, est liée d'une façon étonnante à la loi de
Benford. D'une part, «Zipf» donne «Benford»:
la densité logarithmique, qui est fondée sur l'at-
tribution du poids 1/n à l'entier n, est une traduc-
tion mathématique rigoureuse de la loi de Zipf
généralisant la densité naturelle ; or elle attribue,
comme la loi de Benford, la densité log10(1 + 1/,]
aux entiers commençant par i (i = 1, ..., 9).
D'autre part, «Benford » donne «Zipf »: la loi
de Benford pour une base de numération d
quelconque indique que l'entier i est le pre-
mier chiffre d'un entier n avec une probabilité
logJ1 + 1/,J, ce qui, lorsque i est assez grand, est
en gros proportionnel à C/i, avec C= 1/log(d), ce
qu'indique de son côté la loi de Zipf.
l'ensemble A d'entiers comme la limite, si
elle existe, de De(A) quand e tend ve rs 1. On
la nomme parfois « densité zêta » (à cause
du dénominateur qui est la fonction zêta
de Riemann) , d'où le « z ». Les ensembles
d'entiers A dont la densité Dz existe sont les
mêmes que ceux pour lesquels la densité
logarithmique (voir l'encadré p. 54) existe,
et alors les deux densités coïncident. Ce
résultat remarquable est publié dans la thèse
de Persi Oiaco nis (voir La bibliographie}.
Les deux façons envisageables d'étendre la
notion de densité naturelle en se fondant sur
l'idée d'attribuer (autant que possible) une
probabilité 1/ n à l'entier n fonctionnent et
conduisent de manière inattendue à la même
notion. Le sens de ces théorèmes mathéma-
tiques est que, moyennant un petit passage
par des limites pour contourner la diver-
gence de D /n, il est possible de formuler une
définition de « choi x aléatoire équitable »
entre entiers. Ainsi, la loi de Zipf est dans une
position privilégiée par rapport à toutes les
autres lois envisageables sur les entiers.
• Benford retrouvé
Un dernie r théorème s'a joute aux argu-
ments pratiques et mathématiques. La loi
de Benford apparaît quand on exa mine le
premi er chiffre d'une séri e de données :
la probabili té pour qu 'un nombre entier
pris dans un ense mble assez gra nd (par
exemple dans le tableau des longueurs de
tous les fl euves mesurées en kilomètres)
commence par le ch iffre i (i = 1, 2, ..., 9) est
logIO(l + 1/i) et il y a donc plus de 30 % de
chances (car log 10 (2) = 0,30 103) que le pre-
mier chi ffre d'un tel nombre soit 1.
Une question s'est posée depui s long-
temps : la li ste des en tiers vérifi e-t-ell e la
loi de Benford? Autrement dit, le quotient
(Nombre d'entiers< n commençant par le
chiffre i)/n a-t-il pour limite log 10 (1 + 1/i) ?
Il se trouve que non: ce quotient n'a pas
de limi te quand n tend vers l'in fin i, mais
oscill e sa ns cesse, car les nombres com-
mençant par i n'ont pas de dens ité natu-
rell e. Maintenant que nous savo ns qu 'on
peut étendre la densité naturelle, reformu-
lons la ques tion : l'ensem ble des enti ers
co mmençant pari (i = 1, 2, ... , 9) a-t-il une
densité logarithmique (ou, ce qui rev ien t
au même, une densité D2 ) ? Comme par
miracle, la réponse es t oui, et la den-
sité trouvée est log 10 ( 1 + 1/ i). Les enti ers,
traités équitableme nt, suiven t la loi de
Benford et il n'est donc pas étonnant que
ce tte loi se rencontre si fréquemment.
À défaut de mesure de probabi lité uni forme
sur les entiers, la loi de Zipf joue le rôle d'une
mesure naturelle. On le voit en observant
la prévalence de cette loi pour des données
concrètes (telles les fréquences d'utilisation
des mots dans un texte). On le voit quand on
s'aperçoit que la loi de Zipf est liée à la com-
plexité de Kolmogorov des entiers. On le voit
aussi quand on recherche les densités qui,
pour les ensembles d'entiers, jouent le rôle
de probabilités uniformes.
La preuve math ématique qu'avec ces den-
sités en C/n, les entiers eux-mêmes véri-
fi ent la loi de Benford (et c'est vrai auss i
des nombres prem iers ), renfo rce la co nvic-
tion que ces densités tirées de la loi de Zip f
sont les bonnes façons de choisir au hasard
des nombres entiers. Le fa it qu e la loi de
Benfo rd redonne en un ce rtain sens la loi
de Zipf est un argument suppléme ntaire,
ca r il ex iste des explications directes de
la loi de Benford, telle celle proposée par
Nico las Gauvrit et l'auteur de cet ouvrage,
et qu'ell es sont donc auss i des ex plica tions
de la loi de Zipf.
Le monde mathémat ique es t déconce r-
tant : l'in fini dénomb rable, le plu s simpl e
de tou s, sembl e interdire qu 'on en pioche
les éléments au hasard équitablement,
alors que le continu de l'intervall e IO, 11 ,
plus gros et plus compliqué que l'infini
dénombrable, l'autor ise. Heureuse ment, la
loi de Zipf, à sa façon, joue ce rôle de pro-
babilité uniforme sur les enti ers.
LES ENTIERS NE NAISSENT PAS ÉGAU X ,j 57
El La maîtrise
des nombres premiers
Comme l'eau et le feu, les polynômes et les nombres premie rs se rencontrent
et donnent naissance à un violent bouillonnement .. . mathématique .
es polynômes, tels n _.. 2n + 1, n ~ n2,
L n ~ 5n3 - 35 n 2 + 11, etc., sont les plus
si mples des fon ctions. Ils représentent
l' « ordre mathém atique » et ce qu i se cal-
cule fac ilement. Parfo is, ils serve nt d'échelle
pou r mesurer la difficulté des problèmes.
Les nombres premiers (2, 3, 5, 7, 11 , 13,
17, ... ) se situent à l'opposé : ce sont des
êtres mathématiques délicats, récalcitrants,
incontrôlables, et dont la nature ne sera
sans doute jam ais entièrement élucidée. Il
en résulte que la confrontation entre poly·
nômes et nombres premiers ne peut que
produire des idées stimulantes et soulever
des p roblèmes pass ionnants et difficiles.
C'est à ces sujets et à certains résultats nou-
veaux que nous consacrons ce chapitre.
Existe-t-il une fo rmule polynomiale do n-
nant les nombres prem iers ? Une telle
for mule ne peut do nner tous les nombres
premiers, ni même ne donner que des
no mbres premiers. Les mathématiciens ont
• Contributeursà lathéoriedes nombres premiersmettant enjeudes polynômes.
L Euler (1707-1783, a) amontréquelepolynômen2 +n+41donne des nombres
premierspour n= 0,1, 2, ..., 39. A.-M. Legendre(1752-1833) s'est intéressé à
n2 - n + 41, qui donnedes nombres premierspour n=1, 2, ..., 40. G.Dirichlet (1805-
1859, b) adémontré lerésultat conjecturépar Legendre: si aet bsont premiers entre
58 ,i MATHÉMATIQUES ET M Y STÈRES
en effet démontré que : Si un polynôme P(n)
à coefficients entiers n'est pas constant, alors
il existe une infinité de valeurs entières de n
telles que P(n) n'est pas un nombre premier.
Plus puissant, le rés ultat qui suit, démont ré
par Robert Buck en 1946, enlève tout
espoir de fa ire prod ui re uniquement des
nombres premiers à une fo nction polyno-
miale ou même à un quotient de fo nctions
polynomiales : Si un quotient de deux poly-
nômes à coefficients entiers P(n)/ Q(n) donne
des nombres dont la valeur absolue est pre-
mière pour les valeurs entières de n, alors
P(n)/ Q(n) est constant ... et do nc sans intérêt.
• Un polynôme
qui fait illusion
Ces résultats et quelques autres du même
type montrent que les polynômes sont
trop simples pour engendrer les nombres
eux, il existe une infinité denombres premiersdelaformean + b. V. Bunyakovsky
(1804-1889, c) aconjecturé que, sauf pour les cas faciles à repérer, toute formule
polynomialededegré 2engendre uneinfinitédenombres premiers. S. Ulam [1909-
19B4, d) atrouvé des spirales oùles alignements correspondent aux suites de
nombres premiers. Y.Matiyasevich (e) amontré comment produire des polynômes
::::: Le polynôme de Jones
P = [k + 2) {1- [wz + h + j - q] 2 - [(gk + 2g + k + 1)[h + j) + h - z]2 - [2n + p + q + z - e]2
- [16[k + 1)3[k + 2)[n + 1)2 + 1- f ~2 - [e 3[e + 2)[a + 1)2 + 1- o~ 2 - [a 2 - 1)y 2 + 1- x ~ 2
- [16r 2y 4[a 2 - 1) + 1- u ~2 - [[[a + u 2[u 2 - a))2 - 1)[n + 4dy)2 + 1- [x + cuW- [n + I + v - y]2
- [[a 2 - 1)/ 2 + 1- m~ 2 - [ai + k + 1- / - i ]2- [p + /[a - n - 1) + b [2an + 2a - n 2 - 2n - 2) - m]2
- [q + y [a - p - 1) + s [2ap + 2a - p 2 - 2p - 2) - x]2 - [z + p/[a - p) + t [2ap - p 2 - 1) - pm]2}

premiers. lis ne contredisent pas le résultat Malheureusement, le polynôme de 1976

suivant : le polynôme P de degré 25 à
26 variables (voir encadré ci-dessus) est tel
qu'il y a identité entre l'ensemble des valeurs
positives qu'il prend pour des valeurs
entières de ses variables et l'ensemble des
nombres premiers. En bref : ses valeurs
positives sont les nombres premiers.
Ce polynôme construit en 1976 par James
Jones, Daihachiro Sato, Hideo Wada et Dou-
glas Wiens résulte du codage de la défini-
tion de l'ensemble des nombres premiers
sous la for me d'un système d'équati ons, qui
ensuite a été réduit à une seule équation.
De tels codages sont poss ibles pour tous les
ensembles de nombres dont on connaît un
algorithme qui en calcule les éléments les
uns après les autres. On sait produire ces
polynômes grâce aux méthodes que Yuri
Matiyasevich a élaborées pour la résolu-
tion du dixième problème de Hilbert et qui
a conduit à l'affi rmation : Il n'existe aucun
algorithme général pour connaître les solu-
tions entières des équations de la form e
P = 0, où P est un polynôme à coeffici ents
entiers d'une ou plusieurs variables.
produ it auss i des nombres négatifs qui ne
sont généralement pas l'opposé de nombres
premiers. Pire, il est presque impossible de
lui fa ire produire des nombres positifs sans
comprendre la façon dont il a été construit.
Par conséquent, si vous procédez au hasard,
ne soyez pas étonné de ne tomber que sur
des nombres négatifs et... composés !
En considérant l'expression :
Q = 2 + (P - 2 + IP - 21)/2 qu i vaut P quand
P > 2 et 2 quand P < 2, on obtient une
fonction qui est polynomiale à l'exception
de l'utilisation de la valeur absolue. Cette
expression « quasi polynomiale » ne donne
que des nombres premiers et les donne tous,
ce qui est assez remarquable. Malheureu-
sement, elle donne 2 le plus souvent, et lui
faire produ ire d'autres nombres premiers est
aussi difficile que faire produire des nombres
premiers à P : en procédant au hasard, vous
tomberez presque tou jours sur Q = 2.
En 200 3, Nachiketa Gupta, de l'Université
de Pennsylvanie, a étudié comment on peut
produ ire des nombres premiers avec ce
type de polynômes. Son mémo ire de thèse

dont les valeurs positives sont des nombres premiers. T. Tao (0 aprouvé avec B. Green
que pour tout entier k, ilexiste une infinité de suitesarithmétiques de longueur k,
composées uniquement de nombres premiers. R.Mollin (9) a généralisé le polynôme
d'Euler et démontré,sous réserve d'une conjecture vraisemblable, quesiMest un
entier fixé (aussi grandqu'on ledésire], il existe un entier k tel que le polynôme
n1 +n+kdonne des nombres premiers pour n = 0,1, 2, ...,M. M.Agrawal (h) aprouvé
avec ses collègues N. Kayalet N. Saxena qu'il existe destestsdeprimalité polynomiaux.
Ch. Mauduit (i) adémontré avec J.Rivat que, dans les progressionsarithmétiques de
Dirichlet, il yaautant denombres premiers dont la somme deschiffres de leur écriture
décimale est paire,que de nombres premiers dont la somme des chiffres est impaire.

LA M A îTRISE DES NOMBRES PREMIERS ,,1 59

 Records de progressions arithmétiques de nombres premiers
Les trois nombres premiers les plus - 1631979 959 x 225 000) pour n = 0, est difficile à découvrir. Même si l'on
grands en progression arithmétique : 1, 2, 3. sait, grâce au théorème de B. Green
9 094 283 341425 X 2 666 669-1 Cette progression a été trouvée en 2010 et T. Tao, qu'il existe des progressions
+n X 32 289 415 560 495 X 2 666 666 par D. Broadhurst. arithmétiques de nombres premiers de
pour n = 0, 1, 2. toute longueur, le record actuel n'est
Les cinq nombres premiers les plus
Le premier terme possède 200 701 chiffres que de 26.
grands en progression arithmétique :
décimaux. Cette progression a été trouvée
(82 751511 + 20 333 209 X n) X 162 La plus longue progression arithmétique
en mars 2011 par David Broadhurst.11 est
29# + 1 de nombres premiers :
bien sûr plus difficile de trouver quatre
pour n = 0, 1, 2, 3, 4. 43 142 746 595 714 191 + 23 681 77
nombres premiers en progression arith-
La notation k# désigne le produit 0 X 23# X n
métique que d'en trouver trois. Il y a donc
de tous les nombres premiers infé- pour n =0, 1, 2, 3, ... , 25.
aussi un record pour quatre, cinq, etc.
rieurs ou égaux à k (par exemple, Cette progression de 26 termes a été
Les quatre nombres premiers les plus 7# = 2 x 3 x 5 x 7 = 210). Cette trouvée en 2009 par Benoît Perichon.
grands en progression arithmétique : progression a été trouvée en 2009 Une liste plus complète et régulièrement
1631979 959 X 225 000-1 par Ken Davis. Plus une progression mise à jour se trouve en : httpsi/en.wikipedia
+ n X (164 196 977 X 280 000 arithmétique est longue, plus elle org/wiki/Primes_in_arithmetic_progression

se term ine par le traitemen t du cas 2, c'est-
à-d ire par la déterm ination des va leurs des
2 6 variables q ui permettent d 'avoir P = 2.
L'existence du polynô me de Jones-Sato-
Wada-Wiens, inuti le en pratique, a une
co nséquence théorique intéressa nte. Il est
possible de vérifi er qu 'un nombre n est
premier en opérant au plus 8 7 additi ons
et mu ltiplications, car s'il l'est, il existe un
jeu de valeu rs pour les 26 variab les du poly-
nôme q ui donne n.
En pratique, cependant, tro uve r les bon nes
valeurs des 26 va ri ables condu isan t à n
se ra très long : contrairemen t à ce que pen-
sent de nombreu x mat hémat iciens, trouve r
une preuve courte est parfo is un jeu in u tile
et maladro it.
Ce d ern ier point est confirm é pa r le
rés ul tat sui va n t, obten u par d es méthodes
d u mê me type. Si un système S de dé mo ns-
tration es t do n né (par exe mple la théor ie
des e nsembles d e Ze rmelo-Frae n kel, sys-
tèm e suffisant po u r p rati quem en t tou tes
les m athém atiques ), alors o n peu t trouve r
u n po lynôm e associé au systèm e S tel que,
q ue ll e q ue so it la lo n gueur d e la d émons-
t ration d 'u ne form ule F d e S, il ex iste
un e d é mo nstratio n d e l'affirm ation que
« F es t un théorèm e de S » fai sa ble en
100 add it io ns et mu lt ipli ca tions. Autre-
m ent d it, celui qu i res te d ans le système
S est parfoi s obligé d e fa ire de très lon-
gues dé monstration s, ma is celui qu i ca l-
cule le polynô me associé à S d ispose, lui,
de la poss ibi li té - théorique - d 'établir
tout rés u ltat dé mon tré par S à l'a ide d 'une
sér ie de 100 opé ratio ns arithm étiq ues au
plus.
Ce jeu avec les polynômes a condu it récem-
ment Ch ristoph Baxa à écrire ex plicitement
u n polyn ôme à coeffi cients en tiers do nt les
valeurs indiquent toutes les décimales du
nombre e (ou du nombre n) qu i se tro uve
donc codé par la do n née d'un nomb re fin i
d'entiers.
• Des algorithmes
polynomiaux
Pu isque les polynômes sont des fon ctions
lentement cro issan tes (comparées aux
fonctio ns exponen tielles n - 2", n - n !,
n - n", etc. ), la question de savo ir s'il est
difficile ou no n de tester la primalité (c'est-
à-dire la nature p rem ière ou non d 'un
entier) se formu le ainsi : existe-t-il u n algo-
rith me indiquant si OUI ou NON l'entier n
est un nombre p remi er, et don t le temps de
calcul pou r n est in féri eur à la va leur d'un
polynôme don t la variab le est la longueur
de l'écritu re de n ? Plus brièvement : existe-
t-il des tests de primalité polynom iaux ?

60 ,1 MATHÉMATIQUES ET M Y STÈRES
On a longtemps pensé que la réponse
était positive, sans réussir à le démon-
trer. Ce n'est qu'en 2002 qu 'une équipe de
trois mathématiciens indiens, Manindra
Agrawal, Neeraj Kayal, Nitin Saxena, a réglé
le problème affirmativement en proposant
un test de primalité polynomial.
Bien sûr, un algorithme dont le temps de
calcul est un polynôme de degré 50 est
moins intéressant qu'un algorithme dont le
temps de calcul est un polynôme de degré 2.
Une fois trouvé un test de primalité polyno-
mial, le travail n'était donc pas terminé, et
on a tenté d'obtenir des tests polynomiaux
de degré aussi petit que possible.
L'analyse de l'algorithme des trois cher-
cheurs indiens montre que leur test est
de degré 12, ce qui est beaucoup. Mais
en admettant une conjecture considérée
comme probable, on établit que leur algo-
rithme permet un test de degré 6.
On a d'abord trouvé une preuve, n 'utilisant
cette fois aucune conjecture, avec des poly-
nômes de degré 11, puis 8. Une variante de
l'algorithme a été proposée par Carl Pome-
rance et Henry Lenstra, et ils prouvèrent
en 2005 que leur test est polynomial de
degré 6. Une autre variante fut prouvée de
degré 3, mais cette fois, sous réserve d'une
conjecture assez risquée. Ce degré 3 ne doit
donc pas être considéré comme acquis.
Enfin, un autre résultat établit que, sauf
cas exponentiellement rares, la primalité
est démontrable en temps polynomial de
degré 4. On ne pense pas pouvoir faire
mieux. Cela conduit à la conclusion sui-
vante, probablement définitive : prouver
qu'un entier n est premier exige un temps
de calcul qui augmente comme un poly-
nôme de degré 4 de la longueur de l'entier n
auquel on s'intéresse.
Notons cependant que pour l'instant les
algorithmes polynomiaux mis au point
et prouvés tels ne sont pas aussi rapides
que les anciens algorithmes (qui eux ne
sont pas prouvés polynomiaux !). L'ap-
proche théorique n'est pas pour autant
inutile, mais il faudra peut-être attendre
un moment pour qu'elle ait des retombées
pratiques.
• Des suites
arithmétiques
Abordons maintenant les suites arith-
métiques de nombres premiers. Les plus
simples des polynômes sont les formes
linéaires : n--? an+ b.
Nous avons vu qu'une telle expression ne
donne pas des nombres premiers pour tout
entier n (sauf si elle est constante et égale à
un nombre premier). En revanche, il n'est
pas interdit qu'elle donne une infinité de
nombres premiers. L'une des plus simples
questions liant nombres premiers et poly-
nômes est ainsi celle de l'existence de para-
mètres a et b tels qu'i l y ait une infinité de
nombres premiers de la forme an+ b quand
n prend des valeurs entières.
Bien sûr, il ne peut pas y avoir une infinité
de nombres premiers de la forme Sn + 10
puisque tout nombre de cette forme est
multiple de 5 si n est entier. Plus généra-
lement, si a et b sont multiples d'un même
entier k > 1 (on dit qu'ils ne sont pas pre-
miers entre eux), alors les nombres de la
forme an + b ne peuvent pas être premiers
plus de deux fois. La condition nécessaire
est aussi suffisante. Si a et b sont premiers
entre eux, alors il existe une infinité de
nombres premiers de la forme an + b.
Ce célèbre résultat, conjecturé par Adrien-
Marie Legendre, a été prouvé par Gustav
Dirichlet en 1838. Depuis, beaucoup de
travail a été fait pour préciser comment les
nombres premiers se répartissent quand
a est fixé et que l'on fait varier b. Par
exemple, il est intéressant de comparer les
nombres d'entiers premiers produits par
les polynômes 4n + 1 et 4n + 3 quand n
varie jusqu'à M.
Les deux formules sont aussi efficaces l'une
que l'autre : le rapport du nombre d 'entiers
premiers produits par la première, sur le
nombre d'entiers premiers produits par la
seconde, tend vers 1 quand M tend vers
l'infini. Un examen numérique de laques-
tion montre cependant que 4n + 3 surpasse
légèrement 4n + 1. Donner un sens précis à
cette domination et la prouver mathémati-
quement a été un long travail qui n'a abouti
LA MAîTRISE DES NOMBRES PREMIERS .# 61
 ::::: Les polynômes de degré 2 et la spirale d'Ulam
Le polynôme n2 + n + 41 décou-
vert par Euler donne des nombres
premiers (distincts) pour n = 0,
1, 2, 3, ... , 39. Celui de Legendre,
n2 - n + 41, en donne pour n = 1,
2, ... , 40. Y a-t-il mieux ? La théorie
indique que probablement oui,
mais ne propose rien de concret.
Ce sont les ordinateurs qui ont
permis de faire mieux.
Voici ce que la recherche d'un
polynôme de degré 2 donnant
des suites de nombres premiers,
pour des valeurs successives de
sa variable, a donné.
G. Fung, 1988: 47n 2 + 9n - 5 209
produit 43 nombres premiers, pour
n = - 24, - 23, ... , 0, 1, ... , 18.
R. Ruby, 1988 : ... .. . . . . ...................... ,... ,.n,..._............. ... ... ,_,,., ............. ...... ....~ ..... -···"~
103n 2 + 31n - 3 391 produit
43 nombres premiers, pour
i
--·b-- :::::;.::::::!i-::::
·--· ...
-~---•------
-------~ ..,e.,!._::::::::::.::::!::: ..~ .::
-•-- -------·.;;e----~
-------•----·· --·-i
n = -23, -22, ..., 0, 1, ... , 19. ·--·-----•-• ....
-----··--•-•-----------·-·---·
--- --•----
·-~ --···•.. '"'"-....· •-'" ··- --•-----·----
·--~-•·
-~ ·--·-·
-----•---·--·
---•- ---·--·-·-·
R. Ruby,1989: 36n 2 + 18n -1801
...------ -•--
··---
----·-•-•- .. -•----
e,..----e---~•---·-····--··
-· -------- -•-•------. --•-----
;ce-----F
-•-----•--~-•----
-·9-·-.....
-·--·-·
---·--·-·
--• - -- -• -----
- --~ ---•-•-•---
produit 45 nombres premiers, pour
n = - 33, -32, ... , 0, ..., 11. ··----·-
---~- - --••---•
••F •--- ··~
---·~--
·• • • ----E·-·
Les polynômes de degré 2 donnant ----- -------•--.. ·--•-•-·
•-•----·•-
••---•m m•-• •••••••• • • -• - •
-------------- · ---.. --•--
-•···-•-··---•-•--·-·
...
- ••-•~ ••
~
beaucoup de nombres premiers
----------•---
----- --
- - • • . .• •

---•·
---·--•---- .. -···•·
-
--•· ...
-•·
..·•·•·•··•·.
.·•·.
•

- ----··-----•·
·•--
• •• • • ••• •

.. -... ---
............
n

·-
•

--·~.
•

-.......
-~
.. . . . . • """""" • - - ••-"•-•••

...
_____ .
expliquent en partie pourquoi dans
la spirale de Stanislas Ulam [a] (les ------------- -·· ... ·•·. ·•·----•··••--- -~
------··-•---•-•·...·"' ·•· ..... --··•-•------...........
entiers écrits en spirale en noir- ------------- . .. ....... --...,. -•·--•·• ··
- -e-- • F -· •. - - • ··• · ... · • ·. -- . .. --- ---..··-·-·
cissant les nombres premiers), on
voit de nombreux alignements rec-
~ --------•-•-•
----- -- ----------- -----·-·"·•-·
----- ____ _..,. _ -• --- --• - - -- -• ------···--.... ,;;e-

- . --•·· --•---- ...... -----···- .. -•--·-·

F --- -- --- - - • -- -- - • --- .. -• -- - • - ..... ---·--···
- ~ --· ---~ ••••• ••••-••• •••• ••••••F •mm,,,••
tilignes diagonaux de points noirs. ··-~ -··--• · • · --e-. -·· ··~ ... --·• ·- -e-e,;; -,m-..
---~ -.. -F --- -- -- -• ---- -• -----F · ... -,m-....'i
D'ailleurs, en faisant partir la spirale ...-e- -··• •-•
----• •••· •••,.··--•
•• •• -•- ---
-- • -•
--•-------·-----··--·--.. ···
- • -e•• • •• • •• •e-,m-"""
d'Ulam non pas de 1, mais de41 /b), ------e,
~
-m·~
;-··--F
:--•-•---~ . -----··--·· --e---F -·--...··,,t
----e-------e-----e-----·--.
-·••••~ ••••••••...••"""•"•""""". .'"""'••••• ••••••••• --"••
les nombres premiers donnés par la -~------~
~ ---~ ---·-------.---------e,-------·"'"
---------------~-·-·-·-···-·-·-·• ···
a,;. _____ ..,._ _________,....._ ___ ..... _ .._ ___ ..._ __
formule d'Euler s'alignent.
Selon une variante de la spirale
d'Ulam proposée par Jean-François
Colonna, on dispose les entiers en
spirale comme précédemment, puis
on dessine autour de chaque entier
n un cercle dont le rayon est pro-
portionnel au nombre de diviseurs
de n. Des alignements obliques
apparaissent [c], qui, cette fois, ne
représentent plus les nombres pre-
miers, mais les nombres ayant de
nombreux diviseurs.

62 ., ; MATHÉMATIQ UES ET MYSTÈRES

qu'en 1994, avec les résultats obtenus par
Michael Rubinstein et Peter Sarnak, sous
réserve de conjectures vraisemblables.
Des détails sur ces compétitions numé-
riques figurent dans mon livre Merveilleux
nombres premiers paru en 2012 aux Édi-
tions Belin.
• Suites de Dirichlet :
de beaux résultats
En 2010, Christian Mauduit et Joël Rivat,
de l'Institut de mathématiques de Luminy,
ont démontré un résultat attendu depuis
longtemps sur les chiffres des nombres
premiers dans des progressions arith-
métiques de Dirichlet. L'une des consé-
quences, exprimée en langage simple, est
la suivante : il y a autant de nombres pre-
miers dont la somme des chiffres de leur
écriture décimale est paire, que de nombres
premiers dont la somme des chiffres est
impaire. Le résultat se généralise dans
toute base de numération. Il est valable
aussi quand on s'intéresse aux nombres
premiers (en nombre infini) dont la somme
des chiffres vaut 0, 1, 2, ... , k - 1 modulo k.
Parmi les plus beaux résultats sur les suites
arithmétiques de nombres premiers, le théo-
rème de Ben Green et Terence Tao de 2004
indique que pour tout entier positif k, il
existe une infinité de suites arithmétiques
de longueur k composées uniquement de
nombres premiers. On peut donc trouver
des progressions arithmétiques de nombres
premiers de toutes longueurs ... cela même
si on n'en connaît pour l'instant aucune de
plus de 26 termes (voir encadré p. 60) .
En 2006, un perfectionnement des
méthodes utilisées pour ce premier résultat
a conduit T. Tao et Tamar Ziegler à l'énoncé
remarquable suivant concernant les pro-
gressions polynomiales de nombres pre-
miers: si P 1, P2, .. ., P,, sont des polynômes
sans terme constant (c'est-à-dire vérifiant
P;( O) = 0) , alors on peut trouver un a et un b
(et même une infinité de a et de b) tels que
P 1(a) + b, P2 (a) + b, ..., P,,(a) + b soient tous
des nombres premiers.
:::-: Un crible géométrique
Une des plus étranges
façons de relier poly-
nômes et nombres pre- M'(. 4. • _____""'...._ _ _ __.
161
miers a été proposée
par Yuri Matiyasevich.
A partir du simple poly-
nôme P(n) =n2, il explique
comment un tracé de seg-
ments de droites conduit M[j(
directement à l'ensemble
des nombres premiers. !
:
On part de la parabole
y = x2. On y repère les
!
M(2.4)
points d'abscisse entière i
ayant une valeur absolue !
supérieure à 2, à savoir les
abscisses 2, - 2, 3, - 3, 4,
- 4, etc. Ce sont les points : M(2, 4), nombres composés sont traversés
M'(-2, 4), M(3, 9), M'(-3, 9), M(4, 16), par au moins deux segments. Les
M'(-4, 16), etc. nombres premiers apparaissent
On relie les points M avec les points donc sur l'axe Oy comme les points
M', ce qui donne des segments qui ayant une ordonnée entière et qui .
coupent l'axe Oy en des points d'or- ne sont coupés par aucun segment.
donnée entière. Le segment reliant L'ensemble des nombres premiers a
M(n, n2) et M'(-m, m2) coupe l'axe ainsi été déduit géométriquement du
Oy en (0, nm). De ce fait, tous les polynôme P(n) = n2.
Avec P 1(a) = a, P2(a) = 2a, ... , P)a) = na, on
retrouve le résultat de B. Green et T. Tao
qu'il existe des progressions ari thmétiques
de nombres premiers aussi longues qu'on
le veut : a+ b, 2a + b, ... , na+ b.
Bien d'autres énoncés intéressants sur les
suites polynomiales de nombres premiers
en résultent. Par exemple, en prenant
P 1(a) = a, P2(a) = a 2, ... , P,,(a) = a", on obtient
le résultat nouveau qu'il existe des suites de
nombres premiers aussi longues qu'on le
veut de la forme a+ b, a2 + b, ... , a" + b.
Ces résultats sont positifs : les mathémati-
ciens savent trouver des nombres premiers
ayant une forme donnée ou, au moins,
réussissent à prouver qu'ils existent. Mais
d'autres résultats sont moins brillants :
nous restons bien ignorants des valeurs
premières des polynômes les plus simples.
Ainsi, bien que cela ait été conjecturé
depuis longtemps, personne ne réussit
LA MAÎTRISE DES NOMBRES PREMIERS ., i 63
 à démontrer qu'il existe une infinité de
nombres premiers de la forme n2 + 1.
• Un blocage pour n 2 + 1
Une conjecture de Viktor Bunyakovsky
datant de 1857 affirme que, sauf si c'est
impossible pour une raison simple (voir
plus bas), toute formule polynomiale de
degré 2 engendre une infinité de nombres
premiers. Selon cette conjecture, si P(n) est
un polynôme à coefficients entiers, alors
deux cas sont possibles :
(a) toutes ses valeurs sont multiples d'un
entier k > 1 ;
(b) P(n) produit une infinité de nombres
premiers.
Voyons deux exemples. Le polynôme
n2 + n + 4 ne donne que des nombres pairs
(si n est pair, n2 + n + 4 l'est aussi ; si n est
impair, n2 est impair et n2 + n + 4 est alors
pair) , donc toutes ses valeurs sont multiples
de 2 ; nous sommes dans le cas (a).
En revanche, le polynôme n2 + 1, pour les
valeurs n = 1, 2, 3, 4, 5, donne 2, 5, 10, 17,
26 qui ne sont pas multiples d'un même
nombre entier. D'après la conjecture de
Bunyakovsky, nous sommes dans le cas (b)
et le polynôme n2 + 1 doit donner une infi-
nité de nombres premiers.
Notons que la conjecture est démontrée
dans le cas des polynômes de degré 1, car
elle est alors équivalente au théorème de
Dirichlet ; mais on ne sait la démontrer
pour aucun autre polynôme. Pire, on ne sait
même pas prouver que les polynômes qui,
d'après la conjecture, doivent donner une
infinité de nombres premiers, en donnent
tous au moins un !
Parmi les cas délicats qui inquiètent sur la
véracité de la conjecture, il y a le polynôme
n 12 + 488 669 qui ne donne aucun nombre
premier avant n = 616 980.
À l'origine de beaucoup de ces travaux se
trouve la remarque formulée en 1772 par
Euler que le polynôme n2 + n + 41 donne
des nombres premiers pour n = 0, 1, 2, 3,
... , 39. Legendre proposa en 1798 le poly-
nôme n2 - n + 41 qui donne des nombres
64 ,;j M ATHÉM ATIQUES ET M Y STÈRES
premiers pour n = 1, ..., 40. Dans les deux
cas, on a 40 valeurs consécutives d'un poly-
nôme de degré 2 produisant un nombre
premier.
Le polynôme d'Euler a l'avantage, sur celui
de Legendre, qu'il peut se généraliser d'une
étonnante manière. Richard Mollin a en
effet prouvé que si M est un entier fixé (aussi
grand qu'on le veut), il existe un entier k
tel que le polynôme n2 + n + k donne des
nombres premiers pour n = 0, 1, 2, ... , M.
Autrement dit, si vous voulez un polynôme
de degré 2 qui donne un million de nombres
premiers quand la variable n va de un à un
million, c'est possible et le polynôme peut
avoir la forme très simple n2 + n + k.
On doit formuler plusieurs réserves sur ce
beau résultat de R. Mollin. Une fois encore,
elles nous font prendre conscience que
l'écart entre la théorie et la pratique est
parfois très grand. D'une part, le résultat
de R. Mollin est démontré en utilisant une
conjecture assez forte qui généralise la
conjecture des nombres premiers jumeaux
(celle-ci affirme qu'il existe une infinité
de paires de nombres premiers espacés
de 2, comme 11 et 13, 17 et 19, 41 et 43).
Cette conjecture, même si elle est vraisem-
blable et bien testée expérimentalement, ne
semble pas à la portée des mathématiques
d'aujourd'hui et le résultat de R. Mollin
reste donc incertain.
D'autre part, la constante k qu'il faut uti-
liser dans la définition du polynôme
n2 + n + k prend des valeurs considérables
si l'on veut que le polynôme donne beau-
coup d'entiers premiers : pour obtenir plus
de 40 nombres premiers, k doit dépasser
10 18. Enfin, et c'est le pire, la méthode de
démonstration utilisée par R. Mollin n'est
pas constructive : elle ne permet pas en pra-
tique de trouver k !
Pour pallier ce défaut de la théorie qui nous
suggère que sont vraies certaines choses
qu'elle ne sait pas montrer, d 'autres mathé-
maticiens s'occupent de trouver « pour de
vrai » des polynômes qui produisent beau-
coup de nombres premiers. Leurs résul-
tats, obtenus bien sûr à l'aide d'astucieux
programmes informatiques et de longues
heures de calcul, sont de nature variée :
recherche de longues progressions arithmé-
tiques de nombres premiers, recherche de
polynômes de bas degré donnant beaucoup
de valeurs premières consécutives ou une
grande proportion de nombres premiers
dans un intervalle, etc.
Comme ils ne réussissent pas à trouver
de polynôme de degré 2 donnant plus de
43 nombres premiers différents pour des
valeurs successives de n, les mathémati-
ciens ont essayé avec des polynômes de
degré 3 ou plus.
• Au-delà du degré 2
De nombreux records sont dus à F. Dress
et B. Landreau. Pour le degré 3, le poly-
nôme 66n3 + 83n2 + 13 735n + 30139
donne 46 nombres premiers différents pour
n = -26, -25, ..., 0, 1, ... , 18, 19 (record en 2000).
Degré 4, record en 2002 : le polynôme 3/4 n4
+ 1/2 n3 - 4 323/4 n2 + 34 415/ 2n - 62 099
donne 49 nombres premiers différents pour
n = -16, -15, ..., 31, 32. Degré 5, record en
2002 : le polynôme 1/4 n5 + 1/2 n4 - 345/4 n3
+ 879/2 n2 + 17 500 n + 70 123 donne
5 7 nombres premiers différents, pour n =
-27, -26, ... , 28, 29. Degré 6, record en 20 10 :
1/72 n6 + 1/24 n5 - 1 583/ 72 n4 - 3 161/24 n3
+ 200807/36 n2 + 97973/3 n - 11 351 donne
58 nombres premiers différents, pour n =-45,
-44, ... , 11 , 12. C'est le record absolu pour un
polynôme de petit degré.
En augmentant le degré, on sait de façon
certaine, grâce à un théorème de Lagrange,
que l'on pourra obtenir des polynômes don-
nant autant de nombres premiers différents
que l'on veut pour des valeurs consécutives
de la variable.
Les mathématiciens combinent deux
notions mathématiques difficilement mis-
cibles et découvrent un trésor de problèmes
et de résultats, quelques joyaux de pure
théorie ... et parfois des théorèmes illusoires.
Ce trésor s'enrichit des trouvailles autori-
sées par les calculs colossaux sur ordinateur
qui guident les mathématiciens dans leur
exploration du monde des entiers.
LA MAÎTRISE DES NOMBRES PREM IERS ·il 65
 A.
El Etre normal? Pas si facile!
En 1908, Émile Borel se demande s'il est possible que toutes les séquences
de chiffres soient représentées de façon égale dans le développement décimal
d'un nombre réel. Il prouve que c'est le cas le plus fréquent...
mais ne propose pas d'exemples.
n 1908, le mathématicien français
E Émile Borel (1 871 -1956 ) s'interroge
sur les propriétés particulières que pour-
raient posséder les décimales des nombres
usuels, comme -v2, e ou TI . Il introduit la
notion de « nombre normal » dont nous
verrons plus loin la définition . Aujourd'hui ,
tout un domaine de l'arithmétique s'occupe
de ces questions qui ont pris de l'impor-
tance et qui progressent régulièrement,
malgré l'extrême difficulté du sujet.
Une multitude d'articles et un livre récent
de Yann Bugeaud exposent ces progrès.
Un texte non publié d 'Alan Turing ( 19 12-
1954) résolvait la question de l'existence
de nombres « absolument normaux calcu-
lables». Sa redécouverte montre une foi s
encore qu 'informatique et mathématiques
sont intimement liées, et illustre le génie
de Turing.
Le nomb re 13/50 s'écrit 0,26. C'est un
nombre dont le développement décimal est
fini . Un autre exemple est 721/2 50 = 2,884.
Tout quotient de deux entiers n/m avec m
de la forme 2; x 5i est de la même faço n un
nombre à l'écriture décimale fini e. Inverse-
ment, tout nombre qui possède un dévelop-
pement décimal fini est de ce type. Il fa ut
le savoir, mais, bien sûr, ce ne sont pas ces
nombres décimaux qui nous inqui éteront !
Les nombres 8/ 15 0,5 33333333 ...
(la suite de 3 est illimitée) et 149/7 =
2 1,285 714285714 ... (la séquence 285 714 se
répète indéfiniment) sont dits ultimement
périodiques : à partir d'un certain endroit,
leur développement décimal se répète
66 ,Il MATH É M ATIQ U E S E T MYST ÈRES
périodiquement, et cela jusqu'à l'infi ni. On
montre que tout nombre rationnel, c'est-à-
dire quotient de deux entiers, possède un
développement décimal fini ou ultimement
périodique, et qu 'à l'inverse, aucun nombre
irrationnel (ne pouvant s'écrire comme quo-
tient de deux entiers; c'est le cas de -v2, e
ou TI) ne possède un développement décimal
fini ou ultimement périodique.
Les décimales des nombres -v2, e ou TI
semblent par ailleurs indiscernables de ce
que donneraient des ti rages au hasard de
chi ffres entre O et 9. Borel, pour exprimer
cette idée, a introduit le concept de nombre
simplement normal en base 1O. Par défini-
tion, c'est un nombre tel que la proportion
des O parmi les n premières décimales te nd
vers 1/ 10 quand n tend vers l'infini, de
même pour les 1, les 2, ... , les 9. Un nombre
normal en base 10 est un nombre dont toute
séquence fi xée de k chiffres apparaît avec la
fréquence limite 1/ 1Ok : ainsi, 1 789 y appa-
raît avec une fréquence limite 1/ 10 000 ;
12 34 5 y apparaît avec une fréquence limite
1/ 100 000. Ces définiti ons s'étendent aux
bases de numération autres que 10.
Dans les décimales d'un nombre normal
en base 10, on rencontre bien sû r toutes
les séquences fi nies de chiffres, donc en
particulier la séquence donnant vo tre
numéro de sécurité sociale, ou celle, plus
longue, codant en 10 ni vea ux de gris votre
portrait sous la forme d'une image carrée
d 'un million( = 1 000 x 1 000) de pi xels, ou
encore l'histoire de votre vie sans utiliser la
lettre e.
• Est-il possible d'être
absolument normal?
Un nombre normal en toute base de numé-
ration b supérieure ou égale à 2 est dit abso-
lument normal. Cette propriété est une
propriété forte de bon mélange des chiffres.
Pour un nombre réel x donné, elle signifie que,
quelle que soit la base de numération b que
vous choisirez pour l'écrire, en recherchant
une séquence de k chiffres très loin dans ce
développement, vous aurez autant de chances
de la trouver que n'importe laquelle des
séquences de même longueur : 34 1 sera aussi
fréquente que 777 ou 987 dans le dévelop-
pement en base 10 d'un nombre absolument
normal. En base 2, la séquence 01010101
sera aussi fréquente que 00001111.
Ce n'est pas tout de définir une notion,
encore faut-il être certain que la défini-
tion désigne quelque chose : existe-il des
nombres : (1) simplement normaux en
base b, (2) normaux en base b, (3) abso-
lument normaux ? La réponse est faci le
pour « simplement normal en base 10 »,
car le nombre 123456789/9999999999
=0,01 234578901 23 45678 9 ... convient, et il y
a des nombres du même type dans toute base.
Pour les deux autres notions, c'est moins
simple, mais Borel a démontré que l'ensemble
des nombres qui ne sont pas absolument
normaux s'enferme dans une fami lle 11, 12, ... ,
In, ... d'intervalles dont la longueur totale est
aussi petite que l'on veut. Dit autrement, il
a démontré que l'ensemble des nombres qui
ne sont pas absolument normaux constitue
un sous-ensemble de mesure nu lle (ou
ensemble «négligeable» ) de l'ensemble des
nombres réels.
L'une des conséquences de ce formidab le
et surprenant théorème est qu'il existe des
nombres normaux en base b quel que soit
b supérieur ou égal à 2 et qu'ils sont en quan-
tité infinie non dénombrable (il y en a plus
que des nombres entiers). Il en va de même
pour les nombres absolument normaux. Non
seulement il y en a, mais ils sont majori-
taires : en pointant au hasard un nombre réel
entre O et 1, on tombe, sauf cas infiniment
rare, sur un nombre absolument normal.
C'est ici que les ennui s commencent !
• Omniprésents,
mais introuvables
La démonstrati on de Borel qu' il existe des
nombres absolument normaux n'indique
pas comment en obtenir explicitement.
En théorie, ces nombres sont partou t

L'existence de nombres absolument normaux, sans exemples

d'apparition d'une séquence de k chiffres
dans le développement en base b est 1/lf).
Il prouve l'existence de tels nombres, et
même qu'ils sont majoritaires. Il est cepen-
dant lucide sur le malaise créé par ces
nombres partout présents, mais introu-
vables en pratique. Il écrit :
« La probabilité pour qu'un nombre
soit absolument normal est [...] égale à
l'unité. Dans l'état actuel de la science,
la détermination effective d'un nombre
absolument normal paraît un problème
des plus difficiles : il serait intéressant,
soit de le résoudre en construisant
un nombre absolument normal, ou en
Émile Borel introduit en 1908 la notion de montrant qu'un nombre irrationnel
nombre absolument normal Oa fréquence connu est absolument normal, soit
de démontrer que, parmi les nombres
pouvant être réellement définis, aucun
n'est absolument normal ; si paradoxal
que paraisse cet énoncé, il n'est nul-
lement incompatible avec le fait que
la probabilité pour qu'un nombre soit
absolument normal est égale à l'unité. »
Aujourd'hui, malgré des avancées signi-
ficatives, bien des mystères subsistent
sur ces nombres quasi paradoxaux. Sa
femme, Camille Marbo, relate dans son
livre de souvenirs que, découragé de
ne pas avoir trouvé un seul exemple de
nombre normal dans toutes les bases de
numération, Borel abandonna les« hautes
mathématiques » pour s'intéresser aux
probabilités et à la théorie des jeux.

ÊTRE NORMAL? PAS SI FACILE 1 ,,1 67

 présents (ceux qui ne le sont pas forment
un ensemble négligeable), mais la recherche
d'un seul nombre dont on puisse prouver
qu'il est normal en base b, ou mieux absolu-
ment normal, est un défi difficile.
Le nombre de Champernowne est obtenu
en mettant bout à bout l'écriture décimale
de tous les entiers : 0,123456789101112
1314151617181920 ... C'est un nombre
simple - nous l'avons défini en deux
lignes - et pourtant il est normal en base 1O.
Bien sûr, il existe des nombres équivalents
dans toutes les bases de numération. David
Champernowne, qui fut professeur de sta-
tistique et d'économie à l'Université d'Ox-
ford, était un ami d'Alan Turing. En 1933, il
démontra que son nombre était normal en
base 10 et l'on peut penser que cette trou-
vaille incita Turing à s'intéresser lui aussi
aux nombres « mélangés » introduits par
Borel.
Si l'on met bout à bout l'écriture déci-
male des nombres premiers, ce qui donne
0,23571113171923 ... , on obtient à nou-
veau un nombre normal en base 10. Ce
résultat, obtenu en 1946, est dû con join-
tement à Arthur Copeland et à Paul Erdos,
le mathématicien prolixe qui a publié
1 525 articles mathématiques durant sa
longue carrière.
D'autres familles de nombres normaux
(dans une base fixée) ont été proposées
depuis, dont le nombre de Stoneham a 2,3
introduit en 1973 qui est normal en base 2 :
00 1 définit même une infinité. Devons-nous
a2 ,3 = L
k=l
3k23k
Nous y reviendrons. Les constructions
du nombre de Champernowne et de ses
variantes, et les quelques autres nombres
normaux dans une base fixée connue ne
résolvent cependant que le problème des
nombres normaux en base b, pour un
b unique dans chaque cas. Rien ne dit que
le nombre de Champernowne, normal en
base 10, soit normal en base 11 , 9 ou 2. Les
calculs par ordinateur nous conduisent à
penser que c'est le cas, mais nul n'a su le
démontrer jusqu'ici. Comment trouver un
nombre absolument normal?
68 J MATHÉMATIQUES ET MYSTÈRES
• Algorithmiquement
complexe, donc normal
La théorie algorithmique de l'information
semble proposer une solution élégante à
cette énigme.
La taille du plus petit programme qui
engendre les n premiers chiffres d'un
nombre réel est la complexité de Kolmo-
gorov de ces n chiffres. Si elle vaut toujours
à peu près n quand n tend vers l'infini , on
dit que l'on a affaire à un nombre aléatoire
au sens de Martin-Lof. Or un nombre aléa-
toire dans ce sens est absolument normal,
comme l'ont démontré Cristian Calude et
Helmut Jürgensen en 2002.
Un tel résultat ne donnerait rien de plus
que l'affirmation de Borel que les nombres
absolument normaux sont partout, si on
ne pouvait pas trouver de nombres réels
aléatoires bien identifiés. C'est là que le
nombre !1 (oméga) de Gregory Chaitin
intervient. Ce nombre est la probabilité
qu'une machine universelle de Turing s'ar-
rête quand on lui donne un programme
écrit en binaire dont les bits sont tirés
au hasard. On sait construire de telles
machines universelles (susceptibles de
mener tout calcul) et donc, dès que l'une est
choisie, le nombre !1 associé est fixé. C'est
une probabilité, c'est-à-dire un nombre
réel compris entre O et 1. On connaît ainsi
des nombres absolument normaux et la
méthode des machines universelles en
être satisfaits?
Malheureusement non : les nombres !1 de
Chai tin sont non calculables. Ils sont parfai-
tement définis, mais à la question, devenue
mathématique grâce aux travaux de Turing
de 1936, « sont-ils calculables?», la théorie
répond non de manière formelle et défini-
tive : aucun programme ne peut égrainer
les chiffres d'un nombre !1 de Chaitin (alors
que c'est possible pour v2, e ou n).
Un objet mathématique peut être par-
faitement bien défini et unique (il existe
un unique nombre !1 associé à chaque
machine universelle de Turing), sans pour
autant qu'on puisse en connaître le détail
 ::,:: Turing et la calculabilité
Alan Turing est né en 1912 et mort en 1954.
De nombreuses manifestations ont été organi-
sées à l'occasion du centième anniversaire de
sa naissance. C'est l'un des premiers mathéma-
ticiens-logiciens-informaticiens Oe premier est
probablement le philosophe allemand Leibniz,
qui a étudié le système de numération binaire
et construit une magnifique machine à cal-
culer) ; ses travaux ont créé de nombreux liens
entre les trois domaines : théorie mathéma-
tique de la calculabilité, indécidabilité algorith-
mique, corps des nombres réels calculables.
La question des nombres normaux a préoc-
cupé Turing et, dans un texte non publié écrit
autour de 1934 (www.turingarchive.org/
viewer/?id=131&title=01a1), il a donné les
bases d'un algorithme permettant de calculer
des nombres absolument normaux. La mise en
forme définitive de son texte, redécouvert tardi-
Alan Turing était un athlète : il courait
vement, n'a été effectuée qu'en 2002 par Vero- le marathon en 2h46. Durant la Seconde
nica Becher et Santiago Figueira, informaticiens Guerre mondiale, Turing participa au décodage
à l'Université de Buenos Aires. du code allemand, ce qui fut décisif dans la
victoire des Alliés.

(par exemple les chi ffres décimaux). Cela
semble paradoxal, mais c'est l'une des
conséquences de l'indécidabilité logique
mi se en ava nt par Kurt Gode! en 193 1 et
comp létée par les résul tats de non-cal-
culabili té de Tu ring de 1936 : « être bien
défin i » n'a pas pour conséquence « être
calculable» et, par manq ue de chance, les
nombres absolument normaux do n nés par
la théorie de la complexité son t justement
dans la catégorie étrange des no mbres
« bien défin is et non calcu lab les» .
La question est alors reposée : peut-on défin ir
un nombre réel dont on prouve ra qu'il est
absolument normal, et dont on calcu lera
véritablement les chiffres un à un aussi loin
qu'on le souhaite (par exemple en base 10) ?
• Absolu ment normal
et calculable ?
La réponse aura it pu être non, car les
nomb res calculables, qui sont en quan-
tité in fi nie dénomb rable, constituent un
sous-ensemble négligea ble de l'ensemble
des no mbres réels, et parce q ue leur inter-
section avec le sous-ensemble des nom bres
no rmaux pouva it donc être vide.
La réponse est positive, ma is son hi sto ire,
un peu sinueuse, mo ntre que même à
propos de questions purement arithmé-
tiques, sans liens apparents avec la logique,
le mathématicien contemporain est obligé
d'affin er ses concepts à l'aide des outils de
cette logique qu'il a parfo is regardée avec
méfi ance, comme le firent Henri Poincaré
et Nicolas Bourbaki.
Tout d'abord, dès 19 17, deux mathéma-
ticiens, Henri Lebesgue {18 75- 194 1) et
Waclaw Sierpinski ( 188 2-1969 ), com-
prenant qu 'il était souhaitable de rendre
concrète la défin ition de Borel d'un nombre
absolument normal, repren nent la preuve
d'existence de Borel et l'expri ment sous
une fo rme co nstructive. Dans des art icles
écrits indépendamment, m ais se recoupant
sur certains points, chacun donne une for-
mulation de la preuve d'existence de Borel

ÊTRE NORMAL? PAS S I F ACI L E 1 ,/1 69

 d 'une telle façon qu 'à la fin , elle produise
vraiment la définition d'un nombre précis
absolument normal. Hélas, si leur démons-
tration caractérise un nombre par une
propriété parfaitement identifiée et for-
mulée, elle n 'en donne pas un moyen de
calcul explicite. Bien que plus techniques et
moins élégantes que la preuve par le biais
de la théorie de la complexité (plus tar-
dive), les preuves de Lebesgue et Sierpinski
semblent être de la même nature : elles
désignent de façon théorique des nombres
dont il est prouvé qu'ils sont absolument
normaux, mais dont le calcul des déci-
males n'est pas effectué et n'est peut-être
pas poss ible. Nous allons voir cependant
que ces démonstrations techniques possè-
dent un ava ntage sur celle de la théorie de
la complexité.
Dans les motivations que Lebesgue donne
au début de son travail, apparaît la ques-
tion de l'axiome du choix, qui préoccu-
pait les mathématiciens du début du
xx• siècle. L'axiome du choix affirme qu'à
toute fa mille (A;) d'ensembles non vides
est associé au moins un ensemble C ayant
exactement un élément commun avec
chaque Aï Lebesgue exprime sa convi c-
tion que pour les définitions « qui ne sont
pas illusoires, il est possible d'apporter
des précisions qui conduisent à la défi-
nition d'un des ensem bles [ou nombres J
dont on démontre l'ex istence ». Or on sait
au jourd'hui que certaines démonstrati ons
d'existence ne peuvent pas être rendues
constructives et sera ient donc considérées
illusoires par Lebesgue.
Paradoxalement, tel est justement le cas
pour les ensembles non mesurables « au
sens de Lebesgue » ! Les ensembl es mesu-
rables sont ceux constitués de nombres
réels auxquels on peut attribuer une lon-
gueur, et dans le cas du plan, ceux aux-
quels on peut attribuer une aire. L'axiome
du choix permet de prouver qu 'il existe des
ensembles non mesurables (n'ayant donc
pas de longueur, ou d'aire), mai s ne permet
d'en définir aucun. Or en 1970, Robert
Solovay a démontré qu'on pouvait, sans
introduire de con tradiction, ajouter à la
70 ~ MATHÉMATIQUES ET M YSTÈRES
théorie des ensembles habituelle l'axiome
« tout ensemble est mesurable au sens de
Lebesgue » . Cela signifie qu'aucune défini-
tion précise d'un ensemble non mesurable
n'est possible dans le cadre de la théorie
des ensembles sans l'axiome du choix. La
démonstration classique de l'existence d'en-
sembles non mesurables est irrémédiable-
ment non constructive : elle s'appuie sur
l'axiome du choi x, mais pire, sans lui, elle
est impossible !
• En quête d'un algorithme
Arrivés à ce point et conscients, grâce à la
logique mathématique, de l'inconfort de la
situation concernant les nombres absolu-
ment normaux, notre problème se résume
alors ainsi :
- La preuve d'existence de Borel est non
constructive, mais ne l'est pas aussi grave-
ment que celle des ensembles non mesu-
rables, car les reformulations de Lebesgue
et de Sierpin ski ainsi que les approches
par la théorie de la complexité donnent
des définitions précises de nombres abso-
lument normaux.
- Cependant, la logique nous a aussi ap pri s
qu'être bien défini n'implique pas être cal-
culable. Reste donc la question, passée sous
silence par Lebesgue et Sierpinski faute
d'idées assez claires sur le suj et, et devenue
parfaitement mathématique grâce à Turing
qui introduisit le concept de fonction ca lcu-
lable et de nombre réel calcul able : existe-
t-il des nombres absolument normaux et
calculables ?
Celui grâce à qui la question de l'existence
a pris une forme algorithmique claire et
mathématique est auss i celui qui la résout
positivement pour les nombres absolu-
ment normaux dans son article non publié
de 193 4. Turing refait en quelque sorte le
travail de Sierpinski et Lebesgue, mais il
cherche à aller plus loin et veille à définir un
nombre absolument normal accompagné
d 'un algorithme de calcul. Malheu reuse-
ment, ce qu'on a retrouvé de l'article de
Turing ne va pas tout à fa it au bout et reste
 Les nombres normaux sont majoritaires
Borel a démontré que
les nombres qui
ne sont pas nor-
maux en base 10
sont en quantité
négligeable : en
prenant un nombre
réel au hasard entre
0 et 1, on tombera, sauf
cas exceptionnellement rare, sur
un nombre normal en base 10 (et même
normal en toute base de numération).
C'est assez choquant, car on n'arrive
même pas à démontrer que les nombres
usuels comme n, e, log (2), v2, etc., sont
normaux en base 10. Voici une façon de
présenter le problème qui n'est pas une
preuve rigoureuse, mais qui aide à saisir
l'étonnante affirmation de Borel.
Tirer au hasard un nombre réel entre 0
et 1 revient à tirer au hasard une suite
infinie de 0, 1, 2, ..., 9 avec un dé équi-
table, par exemple un icosaèdre où
chaque chiffre apparaît sur deux faces. Or
quand on mène une telle suite de tirages
équitables. chaque séquence de lon-
gueur k, par exemple la séquence 1789
de longueur 4, a la probabilité 1/10'< d'être
obtenue à chaque instant (1789 apparaît
en moyenne une fois sur 10000).
C'est une conséquence de la loi des
grands nombres, car les événements
sont indépendants et chaque chiffre se
présente avec une probabilité 1/10. Pour
une séquence fixée de longueur k, la
probabilité pour que la fréquence limite
soit 1/10'< est donc de 100 %. Comme une
réunion dénombrable d'ensembles négli-
geables est aussi négligeable, la probabi-
lité qu'une suite infinie de tirages ne donne
pas la fréquence limite 1/10'< pour une
séquence de longueur k est nulle. Autre-
ment dit. un nombre réel pris au hasard
entre O et 1 a toutes les chances d'être
normal en base 10. La conclusion s'étend
à la propriété d'être absolument normal
(normal dans toute base), car il y aune infi-
nité dénombrable de bases de numération
possibles O'ensemble NN(b) des nombres
non normaux en base b est négligeable,
donc la réunion de tous les NN(b) aussi :
son complémentaire est l'ensemble des
nombres absolument normaux).

incomplet sur un point qu i ne sera défini-
tivement éclairci qu 'en 2002 par Veronica
Becher et Santiago Figueira. Enfin rendue
parfa itement constructive et calculable, la
démonstration d'existence des nombres
absolument normaux de Borel est-elle pour
autant définit ive ?
Non, la satisfaction éprouvée par ce succès
récent est atténuée par deux remarques
qui suggèrent qu 'il reste encore du travail
à fa ire et que les mathématiciens, les logi-
ciens et les informaticiens n'en ont pas fi ni
avec les nombres absolu ment no rmaux.
• Quatre niveaux d'existence
mathématique
D'une part, l'algori thme ex plicité est affreu-
sement ineffi cace: il est « doublement ex po-
nentiel », ce qui signifi e que pour connaître
n décimales du nombre absolument normal
qu'il calcule, il faut le faire fo nctionner
durant un temps en gros proportionnel à
exp(exp(n)) (ou 2 à la pu issance 211 ), qui
est une fonction de la variable n à crois-
sance extrêmement rapide. À ma connais-
sance, personne n'a essayé de produire des
décimales du nombre calculable que l'algo-
ri thme de Turing-Becher-Figueira égraine
indéfi niment... en théorie. Cette double
exponenti elle illustre un quatri ème niveau
dans les degrés de l'exi stence mathéma-
tique : après l'existence pure (preuve de
Borel), l'existence avec caractérisation
(t héor ie de la comp lexité ou preuves de
Lebesgue et Sierpinski) , l'existence avec
algor ithme de calcul (Turi ng, Becher,
Figueira), on aimerait bien atteindre l'exis-
tence avec un algorithme de calcu l pra-
ticable et donnant do nc « pour de vrai »
les décimales d'un nombre absolument
no rmal qu'on pourra it enfin voir écrit sur
une page imprim ée!
La deuxième ra ison d'insati sfaction est que
la question posée à propos des nombres
absolument normaux n'est pas tant celle
d'en défi nir un et de le calculer, mais plus
simplement : -v2, e ou TI, ou les nombres
irrationnels que l'on connaît, et dont l'étude
des chiffres suggère qu'i ls sont absolument
normaux, le sont-ils vraiment ?
Sur ces dernières questions, des progrès
ont été faits assez récemment. Bien sûr le
ca lcu l des chiffres de TI, qu i a maintenant
été mené jusqu'à la décimale en position

ËTRE N OR M A L ? PAS S I F AC IL E 1 ~ 71
 13 300 000 000 000, permet d'étudier
empiriquement la question. Un travail por-
tant sur les quatre premi ers milliards de
ces chiffres et utilisant une modélisation à
l'aide d'un processus de Poisson a conduit
David Bailey, Jonathan Borwein, C. Calude,
Michael Dinneen, Monica Dimiteescu et
Alex Yee à la conclusion suivante : « Il est
extraordinairement improbable que TI ne
soit pas normal en base 16, étant donné la
normalité de son segment initial. » Malheu-
reusem ent, le nombre décimal qui aurait le
même développement pendant quatre mil-
liards de décimales et qui se poursuivrait
par des O aurait lui aussi conduit à la même
conclusion, qui n 'est donc en rien l'esqui sse
d'une preuve.
• Vers la normalité
de log (2) ou de rr
D. Bailey et Richard Crandal ont proposé
une condition simple ass urant la norma-
lité du nombre log(2) (qui, comme v 2, e
ou TI, intéresse particulièrement les mathé-
maticiens). Si la suite défini e par x0 = 0 et
xn = (2x,, _ 1 + 1/ n) mod 1 est équidistribuée
(x,, se retrouve dans l'intervalle [a, bJ à la fré-
quence b - a, quels que soient les nombres
réels a et b tels que O < a :5 b > 1), alors
log (2) est normal en base 10. Même si la
condition semble plus simple à établir que
la normalité de log (2), elle rés iste pour
l'instant, et l'on ne peut donc pas affi rmer
que log (2) est normal. Une condition du
même type existe pour TI. Bien qu'un peu
plus complexe, elle donne l'espoir qu'on
s'approche d'une preuve que TI est norm al
en base 2.
Et les nombres absolument non nor-
maux ? Pui squ 'on n'arrive pas à expliciter
un nombre absolument normal, peut-on
au moins en expliciter un qui soit absolu-
ment non normal (c'est-à-dire qui ne soit
normal dans aucune base b, pour b supé-
rieur ou égal à 2) ? Cette foi s, la réponse
est oui : Greg Martin, à l'Uni versité de
Toronto, a réussi en 2001 à mener une telle
construction pour un nombre irrationnel et
72 ·~ M ATHÉMA TIQUE S E T M YST È RE S
calculable de m anière effective. Le nombre
noté ici a possède une définiti on courte :
<li = 22' di = l;-i/(j-1) '
1
}J (1- d)
00
a=
Son développement décimal est :
0 ,6 5 6 24 9 9 9 9 9 9 5 6 9 9 9 9 9 ... 9 9 9 9 9 9 9 8 5284
042016 90728 ... (avec 23 747 291 559 foi s
le 9 après 9956 ).
• Normalité mixte ...
Des progrès viennent auss i d'être réali sés
concernant les nombres normaux dans ce r-
taines bases et pas dans d'autres.
Deux entiers a et b sont dits multiplicati ve-
ment dépendants s'il ex iste des pui ssances
de a et de b égales (a"' = b"). Quand c'est
le cas, on montre qu'un nombre normal
en base a l'est auss i en base b. En particu-
lier, « être normal en base 1 000 » est donc
équivalent à « être no rmal en base 10, 100,
ou 100000 ». On ne sait écrire explicite-
ment les décimales d'aucun nombre qui
soit normal en deux bases de numération
indépendantes. Bien sûr, si l'algorith me
pour calculer le nombre de Turing-Becher-
Figueira est perfectionné et mi s en œ uvre,
il donnera un tel nomb re.
Depuis 1959, on sait cependa nt, grâce aux
travaux du mathématicien anglais John
Cassel, que si a et b sont indépendants,
alors il existe des nombres normaux en
base a qui ne le sont pas en base b. Un
résultat bi en plus général de Wolfgang
Schmidt (196 2) indique même que si A
et B sont deux ensembles d'entiers supé-
rieurs ou égaux à 2, tels que les nombres
dépendants ne soi ent jamais séparés
(quand a et b sont dépendants, ils sont tous
deux dans A, ou tous deux dans B), alors
il existe un nombre x qui est normal dans
toute base a de A, et non normal dans toute
base b de B. Ces nomb res x sont cependant
du même type que ceux de Borel : on sait
qu'ils existent sans qu 'on puisse les définir
simplement, ni bi en sûr les calculer.
 La complexité des irrationnels algébriques
Le magnifique et puissant théorème de
Adamczewski et Bugeaud permet de
démontrer la conjecture de Loxton et
van den Porten que tout nombre dont
les chiffres en base b sont produits
par un automate fini est soit rationnel,
soit transcendant (non solution d'une
équation polynomiale à coeffi-
cients entiers). Cette conjecture
signifie que les nombres algé-
briques (solutions d'équations
polynomiales à coefficients
entiers) sont ou bien rationnels
(et leurs chiffres sont ultime-
ment périodiques, donc très
simples), ou bien complexes
(leurs chiffres ne peuvent être
écrits par un automate fini).
Le théorème donne des infor-
mations sur la complexité des chiffres
d'un nombre réel mesurée par la fonc-
tion pb(m). Si x est un nombre réel écrit
en base b, on note pb(m) (et on dénomme
fonction complexité de x) le nombre de
séquences différentes de longueur m
rencontrées dans son développement en
base b.
Par exemple, 1/5 s'écrit, en base 2,
0,0011001100110011... Le nombre de
mots de longueur 3 rencontrés dans ce
développement est 4, puisque les seules
séquences de longueur 3 qu'on trouve
sont 001, 011, 110 et 100. Il s'ensuit que
pz(3) = 4 pour le nombre 1/5. Notons que
pz(m) est inférieur ou égal à zm, et que
pb(m) est inférieur à~-
Théorème de Adamczewski et Bugeaud. Si
x est un nombre irrationnel algébrique
écrit en base b, alors pb(m)/m croît indé-
finiment (pour m assez grand, pb(m)/m
dépasse 10, et ne revient jamais en des-
sous, plus loin il dépasse 100, etc.).
Dit autrement, la variété des séquences
de longueur m qu'on trouve dans le
développement d'un nombre algébrique
irrationnel est grande : elle augmente
plus vite que n'importe quelle fonction
linéaire. Ce théorème ne permet pas
encore de prouver que les nombres irra-
tionnels algébriques sont nor-
maux, ce que l'on pense vrai,
mais on tient là une affirma-
tion forte sur les décimales des
nombres algébriques irrationnels
qui nous approche un peu du but.
Le théorème est aussi un
outil puissant pour démon-
trer que des nombres sont
transcendants et il permet de
retrouver le résultat que le
nombre de Prouhet-Thue-Morse
0,0110100110010110... , souvent ren-
contré en arithmétique, est transcen-
dant (ce nombre est obtenu en écrivant,
après la virgule, 0 puis le complément
1, ce qui donne 01; on ajoute alors le
complément 10, ce qui donne O110 ; on
ajoute encore le complément 1001, ce
qui donne 01101001 ; et ainsi de suite).

En 2012, on a toutefois réussi à exhiber des
nombres calcu lables dont on a montré qu'ils
étaient normaux en base 2 et non normaux
en base 6 (2 et 6 sont indépendants). Bien
que minuscule en appa rence, il s'agit là d'un
progrès rema rquable, d'au tan t que cette fois
les nomb res en question se calculent pour
de vrai ! Le nombre de Stoneham dont nous
redonno ns la définition :
00 1
Œ2 ,3 = L
k=l
3k23k
est normal en base 2 et non normal en
base 6. Un au tre progrès récent (2007)est le
théorème de Boris Adamczewski, de l'Un i-
vers ité Lyon 1, et Ya nn Bugeaud, de l'Univer-
sité de Strasbourg (voir l'encadré ci-dessus).
Ainsi, le monde mat hématique est étrange;
on peut y fo rmuler des questions très
simples et très naturelles (toutes celles
concernant les nombres normaux le sont) et
buter dess us longuement: c'est par exemple
le cas pour la question « TI est-il normal en
base 10? ». On peut démontrer que des
objets existent sans que l'on puisse en
exhi ber un seul. C'est le cas des ensembles
non mesurables au sens de Lebesgue. On
peut aussi défi nir parfa iteme nt un ob jet
et être incapable d'en connaître le détail,
soit parce qu 'il est incalculable (comme les
nombres absolumen t normaux du type il),
soit parce que l'algorithme qui le construit
est si inefficace qu'on n'en tire concrète-
me nt rien (comme le nombre absolu ment
normal de Turing-Becher-Figueira). Pour-
tant, da ns ce labyrinthe de quasi-para-
doxes, les chercheurs réussissent à se frayer
un chemi n et avancent à petits pas ... sans
jamais renoncer.

Ê TRE NORMAL ? PAS S I FACILE ! .1 73

• De nouvelles
décimales de Tt
Le Français Fabrice Bellard a réussi un extraordinaire exploit.
Il a battu les supercalculateurs japonais avec un simple micro-ordinateur et...
beaucoup d'ingéniosité.
.,. Le nombre nreprésenté
par Francesco DeComité.
Chaque chiffre asa couleur.
Avec encore plusde
décimales, commenest très
probablement « normal », on
neverrait de loin quedu gris !
74 ,al MATHÉM ATIQUES ET MYST È R ES
e nombre TI est bi en vivant. Les tra-
L vaux théoriques ou pratiques po rtant
sur ce nombre sont un voyage vers l'infini
plein de surpri ses et d 'émerveillements.
Voici la chronique des dernières péripéti es
de l'aventure numérique et m athématique
de l'exploration de TI.
• Le train-train du calcul
En 2002, Yas umasa Kanada, du Centre des
technologies de l'informat ion de l'Univer-
sité de Tokyo, au Japon, réuss issait le calcul
de 1 241 100 000 000 chiffres décimaux
de TI. Un roman de taille moyenne co mpor-
ta nt environ un million de caractères, l'im-
press ion des 1 241 milli a rds de décimales
calculées pa r Y. Ka nada occuperait l'équi-
valent d'un million d'ouvrages ! Aussi,
personne ne s'est amusé à lire toutes les
décimales. En un sens, ces chiffres ne sont
connu s que de nos machines !
Y. Kanada n 'a, hélas, pas déta ill é les
méthodes qu 'il a utili sées. Il a juste indiqué
que les algorithmes mi s en œ uvre pour son
calcul et sa vérification s'appuyaient sur
des formul es à base de la fon ction arctg (ou
tan- 1) . C'est étonnant, car d 'autres formul es
plus effi caces sont connues depui s long-
temps et étaient utili sées pour les calculs
records précédents .. . y compri s les siens.
Peut-être Y. Kan ada a-t-il donné une indi-
cation fa usse pour brouiller les pistes ... Le
record a tenu sept ans, jusqu 'en août 200 9,
date à laquelle un autre Japonais, Daisuke
Takahashi de l'Université de Tsukuba, a cal-
culé 2 57 6 980 3 70 000 décimales de TI , soit
environ le double du record précédent avec,
cette foi s, des formul es reconnues pour leur
efficacité. Les algorithmes à parti r de 1970
sont « presque linéaires » : pour connaître
deux fois plus de décimales, il fa ut calculer
environ deux fois plus longtemps.
Les prog rès entre 200 2 et 200 9 so nt sur-
prenants ... ca r on pouva it s'attendre à
mieux. En e ffet, la « loi de Gordon Moo re »
indique qu e les capacités disponibles (de
calcul, de stockage de données, et plu s
généralement de traitement informa-
tique ) pour un coût fi xé doublent tou s les
18 mois environ du fait des progrès tech-
nologiques. Entre 200 2 et 200 9, la loi de
Moore a été globaleme nt vérifiée par les
technologies informatiques. Ain si, à condi -
tion de se d onner des moyens fin anciers
équivalents à ceux que Y. Kanad a a mobi -
li sés en 200 2, on aurait dû , en 200 9, ca l-
culer environ 20 foi s plus de déc im ales.
Pourquoi un tel décalage ?
La clef es t la durée des opérations : le
ca lcul de Y. Kanada avait pri s environ
600 heures, alors que celui de D. Takahashi
n'a exigé qu 'un peu plus de 60 heures. Le
facteur 10 qui manquait en 2009 ne résul-
terait que d'une durée de calcul plus courte.
En 200 9, on s'est contenté d'environ di x
foi s moins de te mps, donc d'une dépense
DE NOUVELLES DÉCIMALES DE D JI 75
 Les formules de calcul den
Formules utilisées par Y. Kanada pour le record de 2002
lt = 48 tan-' (1/49) + 128 tan-' (1/57)- 20 tan-' (1/239) + 48 tan-' (1/11043)
1t =176 tan-' (1/57) + 28 tan-' (1/239) - 48 tan-' (1/682) + 96 tan-' (1/12943)
Fonnules utilisées par D. Takahashi pour le record d'août 2009
Le premier calcul utilise la formule de Gauss-Legendre-Salamin-Brent qui
définit plusieurs suites par récurrence :
la suite pk convergeant vers rr. Le second calcul utilise la formule quar-
tique des frères Borwein, avec 1/ak convergeant vers JT :
114
_ 1 - (1-y,
Y.,,-1 +(1-y~"·
a,,,= a, (1 - Y,,,>'- 2"'' Y.., (1 +Y,, ,+ y,',,)
Fonnules utilisées par F. Bellard pour le record de décembre 2009
Pour le calcul général, il utilise une série des frères Chudnowski :
1 ~ (-1)' (6k)I (13591409+545140134k)
-=12~
lt ·- · (3k)! (k!)' 640320" '"'
Pour la vérification des derniers chiffres, il utilise sa formule de 1997 :
"' (-1)' 1 ~ (-1)' ( 32 8 1 )
lt =
4
t1, 4' (2k + 1) - 64 ~
1024' 4k + 1 + 4k + 2 + 4k + 3
dix foi s inférieure environ, ce qui a suffi
pour atteindre un nouveau record.
Ainsi, rien de très nouveau ni de très
intéressant ne s'est produit entre 2002 et
août 200 9.
• Coup de tonnerre
En revanche, en décembre 200 9, un évé-
nement inattendu s'est produit. Un infor-
maticien français, Fabrice Bellard, utilisant
un micro-ordinateur banal, s'est emparé du
record des universités japonaises. Le 31 dé-
cembre 2009, il publiait qu'il avait obtenu
2 699 99 9 990 000 décimales de TI.
Le progrès en nombre de décimales n'est
pas spectaculaire, comparé au record pré-
cédent. En revanche, les méthodes mises
en œ uvre par F. Bell ard sont remarquables
et ce sont elles qui justifient qu'on qualifi e
d 'exploit son calcul. La quantité de calculs
opérés par F. Bellard est environ 20 foi s
infé rieure à celle utilisée par D. Takahashi.
76 ,,j MATHÉMATIQUES ET MYSTÈRES
De plus, puisque l'utilisation d'un superor-
dinateur n'a pas été nécessaire, le nouveau
record a coûté environ 1 000 foi s moins. Le
progrès est donc cette foi s bien supérieur
à ce que la loi de Moore laissait attendre.
Comment cela a-t-il été poss ible ?
La manipulation de très grands nombres,
inévitables pour calculer autant de déci-
males de TI, semblait imposer le recours
à des superordinateurs disposant d'une
colossale mémoire interne rapide et que
seuls possèdent des centres scientifiques
spécialisés (météorologiques, militaires,
universitaires, etc. ).
L'exploit réalisé par F. Bellard ne doit rien
au h asard, et si David, avec son m icro-ordi-
nateur, a pu battre Goliath et son superor-
dinateur, c'est bien, comme nous allons le
voir, grâce à son ingéniosité. F. Bell ard a
38 ans et il avait dé jà fait parler de lui en
calculant des chiffres binaires de TI en pos i-
tion 1 000 milliards, ce qui lui avait valu
un article sur quatre colonnes dans le quo-
tidien Le Monde du 23 octobre 199 7.
Le Québécois Simon Plouffe avait décou-
vert peu avant une formul e permettant
le calcul individuel (sans avoi r à calculer
tous les chiffres précédents) des chiffres
binaires de TI . En 199 7, F. Bellard n 'utili sa
pas cette formul e, mais une autre, sensi-
blement plus rapide, qu 'il avait mise au
point. Cette fo rmule a été réutilisée pour
les records suivants de calcul de chiffres
binaires individuels et a joué un rôle dans
la phase de contrôle de l'exploit avec un
micro-ordinateur lors du calcul record de
décemb re 200 9.
• Les secrets de l'exploit
F. Bellard précise que les décimales de TI
ne l'intéressent pas particulièrement ;
ce sont les algorithmes nécessaires pour
mener des calculs en grande précision
(c'est-à-dire avec des milliers de milliards
de chiffres ... en attendant mieux) et tout
ce qu'il faut fa ire pour bien les utili ser qui
le conduisent à relever ce défi . F. Bellard
est auss i connu, entre autres choses, pour
son émulateur QEMU, un programme qui
simule certaines architectures matérielles
sur d'autres, autorisant par exemple l'exé-
cution de programmes prévus pour Win-
dows sur Mac ou sous UNIX.
Indiquons maintenant les éléments princi-
paux qui ont permis l'exploit (voir http://
bellard.org/ pi/ pi 2 7 OOe 9/ pi pcrecord .pdf
pour des précisions).
Tout d'abord, la formule (choisie après
une série de tests comparatifs) est une
formule rapide. C'est une extraordinaire
série découverte en 1988 par David et Gre-
gory Chudnowski, deux frères mathémati-
ciens ukrainiens aujourd' hui installés aux
États-Unis. Chaque nouveau terme pris
en compte permet d'obtenir 14 décimales
exactes supplémentaires. La voici :
1 . ~ (- l l (6k) 1 (13591409+545 140134k)
;;: = ~
12
(3k)! (k J)3 64032Q 3k+ 3/ 2
Cette formule utilisée naivement en calculant
les termes successivement ne conduit pas à
un algorithme rapide. Depuis 1976, on sait
calculer efficacement ce type de séries par
la méthode aujourd'hui dénommée binary
splitting, ou scindage binaire. La méthode
consiste à trouver des relations entre une
somme a 1 + a 2 + ... + an+ an+ 1 + ... + a 2n et
les deux sous-sommes a 1 + a 2 + ... + an et
an + 1 + ... + a 2n. Ces relations, exploitées sys-
tématiquement en redécoupant en deux
les morceaux, limitent la complexité totale
du calcu l et rendent alors compétitives
des séries comme celle des Chudnowski.
Ce découpage récursif, classique en algo-
rithmique, est au cœur des meilleurs algo-
rithmes de tri ou d'évaluation de xn quand
n est grand. Il se peut que Y. Kanada ait
lui aussi exploité la méthode du scindage
binaire pour son record de 2002.
Une seconde idée, peu utilisée jusque-là
pour TI , a été associée au procédé de décou-
page. Puisqu 'on manipule des fractions
dont les tailles deviennent de plus en plus
grandes, les simplifier en cherchant le PGCD
(plus grand commun diviseur) du numé-
rateur et du dénominateur évite une aug-
mentation trop forte de la taille des entiers
manipulés. Pendant le calcul, comme pour
::-: Les crop circ/es den
Les crop circ/es, ou cercles de culture, sont des motifs dessinés dans des
champs de céréales dont certains épis sont couchés. C'est ainsi qu'en juin
2008 a été découvert, dans le Sud de l'Angleterre, un crop circle d'une cin-
quantaine de mètres de diamètre qui code une dizaine de décimales den.
En partant du centre, le motif dessine une spirale composée d'arcs de
cercles. En comptant en dixièmes d'un cercle complet, les longueurs
des arcs de cercles qui composent la spirale donnent 3, 14159...
celui du PGCD, il se révèle intéressant de
représenter certains entiers comme des
produits de facteurs premiers. Il faut alors
décomposer les entiers à chaque étape. Il
n'était pas évident que cette décomposition
au « coût » important soit efficace ; c'est
cependant ce que des tests ont montré.
Les divisions nécessaires, en particulier
quand on simplifie les fractions, ont été
effectuées avec un algorithme fondé sur
la méthode inventée par Isaac Newton
en 1669 et présentée dans son ouvrage
De analysi per aequationes numero termi-
norum infinitas. Cette méthode ramène le
calcul d'une division à un petit nombre
de multiplications qu 'on sait traiter de
manière efficace (bien plus que la méthode
indienne qu 'on apprend à l'école primaire).
Pour les multiplications, là encore F. Bel-
lard, très bien informé de tous les progrès
récents dans le domaine, a soigneusement
choisi et organisé leurs calculs. Selon la
taille des entiers concernés, une technique
ou une autre est appliquée, dont celle à
base de transformées de Fourier rapides
DE NOUV ELLES DÉCIMALES DE D JI 77
 Statistiques sur n
que F. Bellard a reprogrammée et opti-
A. Sur les 2 699 999 990 000 chiffres cal- misée spécifiqueme nt.
culés, l'équilibre entre 0, 1, 2, ... et 9 est Si, pour mener tous les calculs exploitant la
presque parfait. série des frères Chudnowski, F. Bellard tra-
vaille en base 2, il veut le résultat en base 1O.
i Nombre dei Pourcentage
La conversion fin ale, contrairement à ce que
0 269999112082 9,9999671
1 269999947599 9.9999981 l'on penserait, n'est guère plus facile que le
2 270000971073 10,0000360 calcul de n: lui-même. F. Bellard l'a menée
3 269999844559 9,9999942 avec un algorithme ajusté et perfectionné.
4 270000455307 10,0000169
5 269999596957 9,9999851 Dan s un calcul à l'extrême limite de ce qui
6 269999464860 9,9999802 est poss ible, chaque point est important.
7 269999767215 9,9999914
8 270001112056 10,0000412 En particulier, il faut être attentif pour
9 269999718292 9,9999896 utili ser au mi eux la mémoire di sponible,
ne jamais pe rdre d 'es pace, ne pas avoir à
B. La plus longue répétition de Oen comporte 12 manipuler des données trop grandes et ne
et se termine en position 1 755 524 129 973. pas avoir à éc rire trop sur les di sques uti-
Dans les décimales connues, seul le 8 présente li sés pour stocke r le gros des informati ons
une répétition de longueur 13 qui se termine durant les opérations . Notons que l'espace
en position 2 164 164 669 332. de travail sur disque nécessa ire n 'a été
que de 6,42 fois la tai ll e du résu ltat fina l
i Longueur Emplacement
( 1, 12 té raoctet) et qu e la mémoire rapide
0 12 1755524129973
1 12 1041032609981
interne de l'ordinateur était de 6 gigaoc-
2 12 1479132847647 tets, soit 70 fois moins que la taille du
3 12 1379574176590 résultat.
4 12 1379889220413
5 12 1618922020656
6 12 1221587715177
7 12 368299898266
8 13 2164164669332 • Contrôler
9 12 897831316556 chaque erreur possible
Quand on manipule des nombres de plu-
C. Dans les décimales de n, le 0, le plus long
sieurs milliards de chiffres, le risque d'er-
à se montrer, n'apparaît qu'en position 32
après la virgule. Pour les séquences de deux reurs de copie ou de calcul faux à un moment
chiffres, la séquence 68, la plus longue à du déroulement de l'algorithme devient
apparaitre, vient en position 606. Ce type de important, car les matériels informatiques
calculs vérifie que n est un nombre normal ne sont jamais parfaits (et il subsiste des
(toutes les séquences de chiffres apparaissent erreurs possibles dues aux arrondis que cer-
à la même fréquence), ce qui n'a pas encore taines des méthodes choi sies par F. Bellard
été démontré. engendrent). Divers systèmes de contrôle et
de recalcul ont donc été m is en place pour
Séquence Emplacement
valider chaque étape du processus.
0 32
Pour contrôler le résultat fin al de man ière
68 606
483 8555 globale, un second calcul, utili sant une
6716 99849 autre formul e de série (cette fois due au
33394 1369564
569540 14118312 mathém aticien indi en Srinivasa Rama-
1075656 166100506 nujan, 1887-1920) qui donne huit chiffres
36432643 1816743912 de plus pour chaque terme, ava it été entre-
172484538 22445207406
5918289042 241641121048 pris par F. Bellard. Malheureusement, une
553m25040 2512258603207 défaillance technique grave d'un di sque l'a
rendu inutilisable. C'est pourquoi F. Bel-
lard a utilisé à la place le calcul d'un paquet

78 J, MATHÉMATIQUES ET MYSTÈRES
de chiffres binaires placés à l'extrém ité des
chiffres calculés en base 2. La concordance
de ces chiffres avec ceux du calcul massif
par la formule des Chudnowski ne garantit
pas de manière absolue le résultat de F. Bel-
lard, mais rend très improbable la présence
d'une erreur : si les derniers chiffres sont
bons, il n'y a pas d'erreur grossière ou géné-
rale dans la méthode de calcul et sa pro-
grammation. Cette vérification est moins
satisfaisante que celle qu'aurait fournie
l'about issement du calcul mené avec la
série de Ramanujan. Mais de toutes les
façons, même si le calcul massif avait été
réalisé deux fois, l'absence d'erreur n'aurait
pas été une assurance absolue de justesse,
car on peut toujours imaginer un concours
de circonstances conduisant deux fois à
la même erreur dans deux calculs menés
séparément par des méthodes différentes.
On peut diminuer la probabilité d'une
erreur, jamais l'éliminer entièrement.
La comparaison du résultat massif avec les
chiffres connus par les calculs des précé-
dents records donne une preuve de validité
supplémentaire.
Signalons encore que pour gagner du temps
et utiliser au mieux les capaci tés de calcul de
sa machine, F. Bellard a utilisé des méthodes
de vectorisation et de multithreading, c'est-
à-dire des méthodes permettant de mener
plusieurs calculs à la fois avec un seu l pro-
cesseur à plusieurs cœurs.
• Gérer les mémoires
La gestion de la mémoire de masse sur les
cinq disques durs branchés au micro-ordi-
nateur a elle aussi été conçue pour tirer le
maximum de puissance de tout l'ensemble.
Lorsqu 'on mène un calcul banal, le sys-
tème d'exploitation de votre ordinateur
gère lui-même la façon dont il écrit sur les
disques (internes ou externes), et s'i l ne le
fait pas de manière optimale, cela ne porte
pas à conséquence. Pour le calcu l record,
il n 'éta it pas possible de laisser les choses
se dérouler sans en prendre le contrôle
complet, ce qu'a fait F. Bellard. On le voit,
les compétences techniques nécessaires
pour la programmation de l'ensemble de
la méthode sont particulièrement fines,
va riées et étendues.
Au total, le succès est venu de la prise en
main de toute la chaîne du calcul et est dû
à la maîtrise :
- de bonnes mathématiques (celles des
Chudnowski en particulier et celles de la
formule que F. Bellard a élaborée en 1997) ;
- d'une bonne algorithmique (celle du
scindage binaire, des bons choix pour
stocker les données numériques et les
manipuler) ;
- d'une bonne programmation, fondée sur
des optimisations très pointues et des idées
variées (multiplication rapide, multithreading,
contrôle fin des écritures sur disques, etc.).
• La délicate loi de Moore
Cela nous condu it à revenir sur la loi de
Moore (pour une somme donnée, il se pro-
duit un doublement de capacité tous les 18
mois). Si cette loi est valide en moyenne sur
l'ensemble des technologies informat iques
durant une période de quelques années,
elle n 'est en revanche pas valide pour un
problème technologique spécifique sur
une courte période. On obtient parfois bien
mieux parce qu'une nouvelle idée ou une
nouvelle technique se met en place, on fait
parfois moins bien parce qu 'on rencontre
un obstacle ou qu'une technologie arrive à
bout de souffle.
La vitesse à laq uelle évolue la définition des
écrans à cristaux liquides est moins impor-
tante que ne l'indique la loi de Moore géné-
rale, de même que les capacités de stockage
des disques optiques (co et ovo) , ou (pour
TI c'est important) la vitesse des échanges
ent re processeurs dans un super-ord ina-
teur. En ce moment, les supports optiques
de stockage progressent lentement et se
font doubler par les disques durs magné-
tiques qui ont connu des progrès spectacu-
lairement rapides, en particulier grâce aux
travaux de Michel Jullière et Albert Fert
(prix Nobel de physique 2007).
DE NOU V ELLES DÉCIMALES DE D ., 1 79
 .:::· Le jeu de la vie calcule n
Le jeu de la vie est un automate cellulaire très
simple inventé par John Conway. Une configu-
ration étant dessinée (des cases noires sur un
quadrillage du plan), elle se transforme en une
nouvelle configuration en suivant la règle :
- une case blanche devient noire si, parmi les huit
cases qui l'entourent, trois exactement sont noires ;
- une case noire le reste si elle est entourée de
deux ou trois cases noires ;
- dans tous les autres cas, la case est blanche dans
la nouvelle configuration.
On a démontré que le jeu de la vie pouvait calculer
tout ce qui est calculable ; c'est ce que l'on nomme
un mécanisme de calcul universel. Il s'agit d'un
résultat théorique. En pratique, bien que cela soit
particulièrement difficile, on sait lui faire calculer
les nombres premiers.
En 2006, le mathématicien Dean Hickerson a réussi
à programmer le calcul de n avec le jeu de la vie
en exploitant la série :
n .. 4 (1- 1/3 + 1/5 - 117 + ...).
80 <il MATHÉMATIQUES ET MYSTÈRES
Le principe du calcul est le suivant. Quatre
« navires » (1) s'éloignent du centre de la confi·
guration en créant peu à peu (2, 3) un motif géo·
métrique (4) dont l'allure générale reste la même,
en augmentant de taille proportionnellement au
temps passé depuis l'instant zéro. Ce motif (4) est
composé de quatre parties identiques, et chaque
quart du motif est obtenu à partir d'une série de
triangles dont on montre que la partie sombre est
d'aire proportionnelle à 1 - 2/3 + 2/5 - 2{l +....
Comme les parties sombres du motif corres·
pondent à une densité constante de cases noires et
que le reste de la configuration devient négligeable
devant les parties sombres, la configuration glo·
baie contient un nombre de cellules noires asymp·
totiquement proportionnel à n - 2. En quelques
minutes, on obtient ainsi quatre décimales den. La
convergence de la série utilisée étant assez lente,
il est difficile d'en avoir plus ; mais en théorie, la
configuration donne des fractions qui approchent
n aussi précisément qu'on le souhaite.
.. .•:..
,•' .. r
~(f: !(\ :-ï'r·(;:(-;::;\'.ii::: ·::ii)l))l_\. l : /i i
'.l ;
·,. :;:::·· ..
• Calculer, c'est copier
Il semble assez étonnant que, grâce à la
découverte des « bonnes méthodes », l'es-
sentiel du problème se ramène à une ques-
tion d'entrée/sortie, autrement dit de copie
d'informations binaires.
Dans le monde vivant, l' « ingénierie infor-
matique du monde génétique » semble sur-
tout préoccupée de copie d'informations.
Sans cesse les cellules se dupliquent (avec
dédoublement de l'information présente sur
les chromosomes), sans cesse les gènes sont
transcrits, c'est-à-dire copiés avec quelques
modifications et altérations. Dans le monde
vivant, le calcul semble être surtout de la
copie, et dans le monde des records de calcul
des décimales de TI, c'est presque pareil !
Est-ce un hasard ?
Toujours est-il que ce type de calculs
confirme que TI est un nombre dit normal
(chaque séquence est présente dans TI et
la fréquence limite d'une séquence de lon-
gueur n est toujours 1/ 10"), ce qui, pour
l'instant, n'a pas été démontré (voir le cha-
pitre précédent).
Depuis 2009, le calcul de Fabrice Bellard a
été battu et le 2 octobre 2014, Houkouonchi
a réussi à calculer 13 300 000 000 000
décimales de TI , soit quatre fois plus que
Bellard. Les méthodes mises en œuvre
pour les nouveaux records copient celles
de Bellard, dont l'exploit restera donc
comme un moment singulier et profon-
dément innovateur de l'histoire du calcul
des décimales de TI 1.
1. Pour suivre l'évolution des records. consulter la page:
https://en.wikipedia.org/wi ki/Chronology _of_computation_of_n
DE NOUV ELLES DÉC IMALES DE D ..J, 81
Il Le calculateur amnésique
Un calculateur sans mémoire est-il sérieusement limité ?
Les résultats de l'algorithmique in situ montrent que non :
avec un peu d'astuce, il s'en sortira toujours.
f'ai la mémoire qui flanche
~ - - - - - - Je me souviens plus très bien
De quelle couleur étaient ses yeux
Je crois pas qu'ils étaient bleus
Étaient-ils verts ? Étaient-ils gris ?
Étaient-ils vert-de-gris ?
Ou changeaient-ils tout le temps de couleur
Pour un non, pour un oui ...
Jeanne Moreau, Cyrus Bassiak
et François Rauber
i vous avez déjà écrit des programmes
S informatiques, vous avez nécessai-
rement été confronté au problème sui-
vant : deux nombres sont stockés dans
les variables A et B, par exemple A = 44 et
B = 13, et vous voulez échanger le contenu
de A et B pour obtenir A= 13 et B = 44. La
méthode classique, que tout le monde réin-
vente, consiste à utiliser une variable C et
à écrire la séquence de trois instructions :
C: =A; A:= B ; B : = C.
Le signe : = est celui de l'affectation. L'ins-
truction X : = Y signifie que nous lisons le
contenu de Y et que nous le mettons dans X,
ce qui efface le contenu de X sans changer
celui de Y. Cette séquence de trois affecta-
tions pour l'échange de deux valeurs exige
l'utilisation d'une variable C supplémen-
taire. Or nous pouvons échapper à l'introduc-
tion de ce complément de mémoire par la
séquence su ivante : A : = A + B ; B : = A - B ;
A : = A - B. Le déroulement du calcul donne :
A B
Au départ: 44 13
Après A : = A + B : 57 13
Après B : = A - B : 57 44
Après A : = A - B : 13 44
82 ,l; MATHÉMATIQUES ET M Y STÈRES
La suite d'instructions est valable avec
n 'importe quelles valeurs à la place de
44 et 13. Elle fonctionne aussi avec des
valeurs booléennes où les signes + et - sont
remplacés par xor qui désigne l'opération
« ou exclusif » (0 xor O = 0 ; 0 xor 1 = 1 ;
1 xor O= 1 ; 1 xor 1 = 0). La suite d 'instruc-
tions est :
A : = A xor B ; B : = A xor B ; A : = A xor B,
où A et B valent O ou 1.
Vérifions que la séquence permute bien
les valeurs de A et B en examinant l'effet
de chaque opération. La première affecta-
tion met (A xor B) dans A. La deuxième met
donc ((A xor B) xor B) dans B; d'après l'asso-
ciativité du xor, cela vaut (A xor (B xor B))
c'est-à-dire A, puisque (B xor B) = 0 et que
A xor O = A. La troisième affectation met
donc (A xor B) xor A dans A ; comme
(A xor B) xor A = (A xor (B xor A)), cela
donne, par commutativité, (A xor (A xor B))
= ((A xor A) xor B) = (0 xor B) = B. Il y a bien
échange.
Ce type de calcu l est dénommé calcu l in situ
ou calcul sans mémoire. L'idée est d'opérer
les calculs sans faire appel à des variables
de stockage autres que celles qui commu-
niquent les données au programme, que
l'on utili se pour calculer et pour placer les
résu ltats une fois les opérations terminées.
L'étude de ce calcul in situ a pour fonction
d'identifier ce que peut calculer un amné-
sique qui, ne disposant de rien d'autre que
l'espace mémoire des données du calcul,
le réut ili se car il n 'a en propre aucune
mémoire à sa disposition.
:.::: La permutation circulaire
La question posée est : quel est le minimum
d'affectations dont on a besoin dans un
calcul in situ pour échanger circulairement
les contenus de trois variables A, B, C, (A,
B, C) devenant (B, C, A) ? Dans le tableau
de Mondrian et son faux, trois couleurs ont
été ainsi permutées. Petit exercice : quel
est le vrai (Composition Il en rouge, bleu et
jaune, 1930), quel est le faux ?
Notons d'abord que trois affectations ne
suffiront pas. Il faudrait en effet, dès la
première affectation, placer une bonne
valeur là où on fait l'affectation, ce qui
ferait disparaître la valeur qui y est
stockée, dès lors irrécupérable.
En revanche, réaliser la permutation
circulaire avec quatre affectations est
possible, donc 4 est le nombre minimum
d'affections nécessaires à la permutation
circulaire de trois nombres. Voici la solu-
tion en quatre affectations :
A a C xor, ce qui correspond d'ailleurs au + quand sur ses pieds à la fin.
Au départ A B C on calcule modulo 2). Cette remarque est L'espace nécessaire pour stocker A1
A :• A + B + C A+B+C B C
C:• A - 8 - C A+B+C B A
B :• A - 8 - C A+B+C C A
A :• A - 8 - C B C A
Le procédé se généralise pour opérer
une permutation circulaire entre n
mémoires, c'est-à-dire pour passer de
(Al A2A3 ... An-1 AJ à (A2A3 ... An- 1AnAJ.
À la première étape, on place dans A1 la
somme A1 + A2 + A3 + ... + An-1 + An, puis,
à chaque étape, toutes les valeurs ini- pour la variable A1 : s'il y a par exemple 10
tiales des variables sont présentes dans variables variant entre Oet 10, il faut pour
A2, A3, ... An _1, Ansauf une, ce qui permet, stocker A1 une variable capable de rece-
A, A,A, ........ A_, A,
voir toutes les valeurs entre Oet 100.
Au départ A, A2 A, ........ A_, A, Voici la réponse à l'objection. Oui, cela est
A,:=A,+ A, +... + A, A,+ A,+... +A, A, A, ........ A_, A. vrai pour la méthode avec des + et des -,
A,:•A,- A,-...-A, A,+A,+... + A, A A, ........ A_, A, c'est-à-dire avec les opérations arithmé-
A_ 1:=A,- A,-...-A, A,+ A,+ ...+ A, A, A, ........ A, A,
tiques habituelles entre nombres entiers.
A,:=A,-A,-...-A, A, A3 A, A, A, Cependant, puisqu'on peut mener un
calcul modulo k (où k est un entier fixé),
grâce àA1, de la placer au bon endroit. on dispose dans ce cas d'une méthode qui
L'affectation opérée pour An place donc n'utilise pas plus d'espace pour Ar
bien la valeur initiale de A1 en An, puis Une autre idée pour répondre à l'objection
l'affectation opérée pour An - l place donc consiste à écrire les nombres entiers en
bien la valeur initiale de A2 en An _1, etc. base 2 et, au lieu de faire des additions ou
Le calcul est présenté avec des + et des-, des soustractions entre deux nombres X
et fonctionne avec des nombres entiers, et Y, on calcule le nombre dont les chiffres
réels ou même complexes. binaires sont ceux obtenus en faisant le
Le calcul s'adapte aussi avec des nombres xor entre les chiffres binaires de X et de
calculés modulo k, ou aux variables boo- Y (exemple 1001 xor 0111 = 1110, autre-
léennes (en remplaçant les + et les - par ment dit, 9 xor 7 = 14) et l'on retombe bien
importante car elle permet de répondre à reste encore identique à celui néces-
une objection naturelle, mais essentielle, à saire pour stocker chaque nombre
la méthode proposée pour opérer une per- (p chiffres binaires par exemple si on
mutation circulaire den entiers. manipule des nombres de p chiffres
Voici l'objection : quand on calcule avec binaires). Les procédés décrits (traduits
des entiers, la méthode de calcul in situ avec des calculs modulo k ou des xor)
proposée triche, car elle stocke dans A1 la réalisent donc un calcul in situ sans
somme des valeurs de toutes les variables, avoir à considérer un espace mémoire
ce qui exige un espace mémoire plus grand particulier pour Ar
LE CALCULATEUR AMNÉSIQUE ,,j 83
 Avant de donner des détails sur les résul-
tats obtenus par les chercheurs qui étu-
dient cette algorithmique in situ, et pour
bien en mesurer la difficulté, posons-nous
une petite énigme.
Considérons une permutation circulaire
de trois données A, B, C, où l'on cherche à
passer de A = 3, B = 50, C = 700 à A = 50,
B = 700, C = 3. Nous voulons pour ce faire
utiliser un programme in situ, c'est-à-dire
n'utilisant aucune autre variable que A, B
et C, et bien sûr nous voulons qu'il fonc-
tionne pour tout jeu de données.
• Permutation circulaire
de trois valeurs
En voici un, avec le détail de l'état de cha-
cune des variables lors du calcul :
A B C tions sont envisagées une à une et chacune
3 50 700
A :=A+B 53 50 700
B := B + C 53 750 700
C := A - B + C 53 750 3 nouvelle ne dépend que des valeurs dispo-
B := B - A + C 53 700 3 nibles à cet instant du calcul et nous nous
A := A - C 50 700 3 imposons, dans le calcul in situ, de n'utiliser
En remplaçant les + et les - par des xor, on
obtient, comme précédemment, un pro-
gramme pour variables booléennes. Une
autre méthode aurait consisté à échanger les
valeurs de A et B, puis à échanger les valeurs
de B et C en utilisant deux fois la méthode
vue précédemment. Cela aurait nécessité six
affectations alors que notre proposition n'en
utilise que cinq. Peut-on faire mieux que cinq
affectations ? La solution est donnée dans
l'encadré en page précédente.
Expliquons maintenant avec plus de détails
ce que les chercheurs dénomment calcul in
situ. Un ensemble fini 5 est donné qui peut
être un ensemble de nombres, ou de lettres
ou de codes numériques chargés de repré-
senter informatiquement des objets réels.
On se donne aussi un nombre entier net une
application F de 5" dans 5", c'est-à-dire une
transformation qui à tout n-uplet d'éléments
de 5 en associe un autre. Dans l'exemple
de la permutation circulaire, l'application F
84 vil MATHÉMATIQUES ET MYSTÈAES
de 53 dans 53 est celle qui, à tout triplet de
valeurs (A, B, C), associe (B, C, A).
• Calcul in situ général
Quand on considère des variables boo-
léennes, cela signifie que chaque élément
de 5 est Oou 1. En plus du cas booléen, nous
envisagerons deux autres cas finis . Si nous
calculons avec des nombres entiers écrits
en binaire avec k chiffres alors les éléments
de 5 sont 0, 1, 2, ... , 2k - 1 ; si nous calcu-
lons modulo p (nous remplaçons chaque
nombre par son reste lors de la division
par p), les éléments de 5 sont 0, 1, ... , p - 1.
Dans le cas général, un calcul in situ pour
une application F est une suite d'affecta-
tions analogues à celles que nous avons
utilisées dans les exemples. Ces affecta-
attribue une valeur nouvelle à l'une des
variables dont l'ancienne valeur est donc
perdue ... c'est tout le problème ! La valeur
aucune variable supplémentaire.
Pour la permutation circulaire de
n variables proposée dans l'encadré 1, nous
considérons l'opération :
F : (A 1, A2, ... , An)-+ (A 2, ... , A,~ Ai).
La méthode proposée montre que n + 1
affectations suffisent pour réaliser cette
permutation circulaire, sans que nous n'uti-
lisions aucune autre variable que celles
données, et sans que nous ayons à stocker
dans les variables des nombres plus grands
que 2k - 1 dans le cas des nombres en
binaire, ou que p - 1 dans le cas du calcul
modulo p. L'encadré ci-contre explique
que lorsqu 'on se donne des variables où
l'on peut mémoriser des entiers sans limi-
tation de taille (ce qui est irréaliste en
informatique) , alors toute affectation F
de 5" dans 5" se calcule in situ en au plus
n + 1 affectations.
Cette valeur den+ 1, valable pour les permu-
tations circulaires de n variables et pour les
transformations F quelconques quand nous
utilisons des variables non bornées, n'est pas
générale. Pour la transformation F(A 1, A2,
A 3, A4 ) = (A2, A 1, A4 , A), on ne sait pas faire
mieux que six affectations pour un calcul in
situ avec des variables bornées.
Les programmes in situ, surtout s'ils sont
courts, devraient aider à concevoir des
puces électroniques moins gourmandes en
mémoire, ce qui augmentera la rapidité du
calcu l. En effet, calculer «localement » est
souvent plus effi cace pour un processeur
que de fa ire des requêtes aux mémoires
externes qu 'on doit associer à l'util isation
de va riables auxili aires.
Cette économie de mémoire entraîne un
allongement de la taille des programmes.
C'est là un nouvel exemple d'une règle
générale rencontrée en maintes occasions
en informatique : pour économiser de
la mémoire, il faut parfo is compliquer le
calcul. Les algorithmes de compression
de données fonctionnent aussi selon cette
maxime : en calcu lant les versions compres-
sées d'images, de musiques ou de vidéos
que nous voulons conserver, nous écono-
misons de l'espace. Aujourd'hui , mener des
calculs est devenu plus fac ile et l'algorith-
mique in situ est appelée à se développer et
à interve nir au plus profond des puces élec-
tro niques. Un brevet a été déposé dans cette
optique par les chercheurs du domaine.
Se rge Burckel, aujou rd 'hui enseignant à
l'Un iversité de La Réunion, est l'initi ateur
des trava ux de recherche sur l'algorith-
mique in situ et l'un des principaux auteurs
des découve rtes sur le su jet. Il pense que le
pr incipe du calcu l in situ a également un
sens phys ique.
• L'information est conservée
Pour S. Burckel, l'importance des calculs in
situ provient de ce que tout système phy-
sique isolé qui se modifie mè ne une sorte
de calcu l in situ. Le fa it d'être isolé impose
qu'aucune info rmation n'est copiée à l'exté-
rieur du système duran t sa transformation.
C'est donc que les variables internes qui
le décrivent gèrent l'évolution du système
<· Calcul in situ dans le cas infini
Au départ, nous avons un n-uplet : réunit dans A1 toute l'information
(A 1, A2, ... , An). Les variables A1, contenue dans les variables A1, A2,
A2, ..., An, sont choisies dans un ..., An. Pour récupérer A; à partir de
ensemble Snon borné, par exemple A', on calculera le nombre de fois
l'ensemble des entiers. que A' est divisible par pi' Le fait
Une application F attribue de nou- de placer 82 dans la variable A2
velles valeurs aux variables A1, A2, ne fait pas perdre l'information A2,
..., An qui deviennent 81, 82, ..., Bn. car celle-ci reste présente, mêlée
Utilisons des variables où nous pou- aux autres valeurs dans A'. On peut
vons mémoriser des entiers sans alors calculer tous les nouveaux A;
limitation de taille et voyons com- en récupérant toutes les valeurs
ment il a été démontré, dans ce des anciens A; dans A', puis en uti-
cas particulier, que toute applica- lisant l'application adéquate. A
tion F peut se calculer in situ en au l'étape n + 1, on calcule A1 en fonc-
plus n + 1 affectations. Pour que le tion de A'.
calcul soit in situ, nous devons tenir Comme nous avons regroupé et
compte du fait que lorsque nous codé (avec la décomposition en fac-
mettrons une valeur dans A;, celle- teurs premiers) toutes les valeurs
ci écrasera l'ancienne valeur dès de Al' A2, ... , An dans A', nous n'avons
lors indisponible. Pas question donc pas besoin de mémoire supplémen-
d'écrire un programme du type : taire et nous gardons à portée de
A1 :=f 1 (A 1,A 2, ...,An),A2 := Ez(A 1,A 2, main durant le calcul toutes les
..., An), ... , An:= En(A 1, A2, ..., AJ. valeurs initiales des variables mises
L'idée du calcul est de remplacer A1 «au chaud». Bien sûr, cette astuce
par A'= 2'4, 3A2 ... PnAn, où la suite P; ne fonctionne pas en informatique
désigne la suite des nombres pre- où chaque variable ne peut prendre
miers (2, 3, 5, 7, ...). Cette étape qu'un nombre fini de valeurs.
d'étape en étape sans que rien d'autre ne
soit util isé. Les lois de la physique ont pro-
bablement des fo rmes particulières qui
auto risent cela et même qu i fac ilitent l'ob-
tention de ces calculs in situ. Comp rendre
ce qui est fa isable par des algorith mes sans
mémoire est donc important non seule-
ment pour les applications qu 'on devrait en
tirer dans la conception des programmes
et des puces électroniques, mais auss i pour
saisir les principes généraux de la physique.
S. Burckel expli que que lorsqu 'il a com-
mencé à étudier cette algorith mique de
l'économie de mémoire, il a cherché à iden-
tifi er les transformations d'une suite de n
va riables booléennes calculables par un
programme in situ. Prenant des transfor-
mations de ce type au hasard, il a décou-
vert, à sa grande surprise, que chacune
d'elles se laissait programmer in situ. Ce
succès sur des exemples était certainement
LE CA LCULATEUR AMNÉSIQU E j 85
.. Calculer sans croiser de fils
Le croisement de deux fils où cir-
culent des informations est impos-
sible si l'on interdit à un fil de
passer sur l'autre (si deux fils se
touchent, les informations vont
se mélanger). L'utilisation de trois
portes logiques xor permet l'équi-
valent d'un croisement de fils. On
exploite la permutation in situ en
trois affectations :
A : = A xor B , B : = ((A xor B) xor
B) = A ; A : = ((A xor B) xor A = B.
Plus généralement, si des infor-
mations arrivent sur n fils dans
un certain ordre et doivent
repartir dans un autre (c'est-à-
dire une permutation quelconque
de n fils, ce que l'on désigne par-
fois sous le nom de tresse) sans
aucun croisement de fils, la pro-
grammation in situ de la permu-
tation de variables donnera une
solution utilisant au plus 3n2/2
portes logiques xor.
Nous savons depuis des siècles que toute
permutation se décompose en cycles. La
méthode de décomposition proposée pour
notre exemple se généralise donc sa ns dif-
ficulté : toute permutation possède un pro-
gramme in situ.
Puisqu'il faut n + 1 affectations pour une
permutation circulaire entre n va riables,
il faut dans le pire cas (quand tous les
cycles sont des cycles d'ordre 2) 3n/2 affec-
tations si n est pair, et (3n - 1)/2 affecta-
tions si n est impair. Dans le cas d'une

B,_ E>-
AxorB
A xor B ---,-....,....°"', xor
'
,-
xor A ·-
- - - - - 8' = A
B résultat de l'idée indiquée au-dessus, est
la conséquence d'un théorème général qu 'il
a fini par obtenir : toute transfo rmation de
l'ensemble {O, 1}" (les n-uplets de O et de 1)
dans lui-même se programme in situ.
Une longue quête a alors commencé
pour, selon les différents types de trans-
format ions, élaborer les meilleures listes
d'affectations poss ibl es constituant les
programmes in situ. Nous allons présenter
quelqu es-uns des résultats obtenus.
• Les meilleurs
résultats connus
Après les permutations circulaires de
va riables, les transformation s les plus
simples sont les permutations quelconques
de variabl es, par exemple :
(A, B, C, D, E)--+ (B, E, D, C, A).
Un peu d'attention montre que la trans-
formation se décompose en 2 cycles :
A --+ B --+ E --+ A et C --+ D --+ C.
Autrement dit, on est ramené à deux per-
mutations circulaires, l'une portant sur trois
éléments, l'autre sur deux. Puisque chacune
se décompose en suites d'affectations (res-
pectivement quatre et trois affectations),
ce sera le cas de la transform ation qui
réunit les deux cycles. Elle pourra donc être
obtenue in situ en sept affectations.
permutation se décomposa nt en k cycles
non réduits à un point, c 1, c 2, .. . , ck de lon-
A'= B
ic ickl'
gueurs ic 11, 2!,... , le programme in situ,
ic
composé de k + 1I + ic 21 + ... + icki affec-
tations. Ce no mbre est le meilleur qu 'on
pui sse obtenir. La décomposition d'une
permutation quelconque de variables en
un programme in situ de 3n/2 opérations
au plus permet d'échanger de l'information
entre n fils qui ne peuvent pas se cro iser
(car placés sur un même pl an), en utili-
sant 3n/2 portes logiques xor au plus (voir
/'encadré ci-dessus).
D'autres résultats ont été obtenus pour les
applications linéaires. Tout d'abord sur des
variables booléennes et plus généralement
modulo p avec p premier (S. Burckel et
Marianne Morillon) et par la suite sur des
entiers modulo k, pour tout entier k fixé
(Emmanuel Thomé). Un exemple est donné
dans l'encadré en page de droite.
Les résultats obtenus indiquent que toute
transformation linéaire peut s'obtenir par
un programme in situ comportant au plus
2n - 1 affectations, chacune correspondant
à une opération elle-même linéa ire (comme
dans l'exemple). De plus, on peut imposer
l'ordre dans lequel se feront les affecta-
tions : 1, 2, ..., n, n - 1, ..., 2, 1 (affectation
de la première variable, de la deuxième, etc.)
• Trouver le simple
est compliqué
Toute transformation n'est pas linéaire,
aussi fa llait-il étudier le cas gé néral. Dans

86 " MATHÉMATIQUES ET MYSTÈRES

 Nouvelle décomposition de matrices pour le calcul in situ
La décomposition d'une application linéaire Fen série d'affec- les variables. Cela peut se faire en utilisant des pseudomatrices
tations pour en tirer un programme in situ est toujours pos- unités où une seule ligne est transformée. Ainsi, la matrice F de
sible en 2n - 1 étapes, ce qui est très peu. la transformation est décomposée en un produit des matrices},
La lecture de ces 2n - 1 affectations (toutes linéaires aussi) K. L et M, explicitées ci-dessus. On obtient avec ces matrices :
s'interprète comme la décomposition de la matrice de départ F(A, 8, C, D) =ML KJ (A. 8, C, D)
en un produit de matrices simples : chacune est obtenue en =~+~A+8+~A+C+~A+4
modifiant une unique ligne à la matrice identité. C'est là un
nouveau type de décomposition d'une matrice en produit de Multiplication de matrices
matrices simples. 1 0 0 1 1 001 A A+O

Donnons un exemple avec un calcul modulo 2. 0 1 0 0 01 00 B B

J. 00 1 0C C
0 0 1 0
Nous voulons aboutir à l'affectation finale : 0001 D D
0 0 0 1
F(A. 8, C, D) = (A + D, A + 8 + C, A + C+ D, A + C). Multiplication de motrices Calcul modulo 2
Comme toute application linéaire, on peut l'écrire sous la forme 1 0 0 0 1 0 00 A+O A+O A+O
du produit d'une matrice et d'un vecteur colonne. K= 1 1 11 1 1 1 1 B A+ B + C + 20 A +B +C
0 0 1 0 0010 C C C
Multiplication de matrices 0 0 01 0001 D 0 D
0 0 1 A A+O
Multiplication de motrices
F• 0 B A+B + C 1 0 0 0 1 0 0 0 A+O A+D
=
0 1 C A+C+O L= 0 1 0 0 0 1 0 0 A+B+C A+B+C
0 0 0 A+C 1 0 1 0 1 0 1 0 C A+C+O
0 0 0 1 0001 0 0
_L'application est définie par le vecteur colonne indiqué. Toute- Multiplication de motrices Calcul modulo 2
1 0 00 1 0 00 A+O A+O A+O
fois, le calcul ne peut se faire in situ d'un seul coup car, dès que M= 01 00 0 1 00A+B+C A+B+C A+B+C
l'on a remplacé A par A + D, il faut réaménager le calcul en fonc- 0 0 10 0 0 1 0 A+C + D A+C+O A+C+O
tion de cette nouvelle valeur de A. et ainsi de suite pour toutes 0 0 11 0 0 11 D A+ C + 20 A+C

un premier temps, il a été établi que toutes
les transfo rmations bijectives (linéai res ou
non) F de S" dans S" possédaient des pro-
grammes in situ et que 2n - 1 affectations
suffisent. S. Burckel et Emeric Gioan ont
ensuite montré que Sn - 4 affectations suf-
fisent toujours, quelle que soit la complexité
de F et cela même quand F n'est pas bijec-
tive. Lorsque le nombre d'éléments de S
est une pu issance de 2, on peut même des-
cendre jusqu'à 4n - 3.
Ces résultats récents améliorent un
résul tat précédent obtenu par S. Burckel
et M. Mori llon qu i indiquait que n2 affecta-
tions suffisa ient dans le cas booléen. Le gain
de n2 à 4n - 3 est cons idérable. Malheureu-
sement, le calcul des décompos itions est
parfois très diffic ile et lorsque le nombre
de variables est grand, on risque de se
heurter à une impossibi lité pratique. Autre-
ment dit : la complexité des algorith mes
pour calculer les décompos itions les plus
simples est grande. On a là, u ne fo is encore,
u ne illustration de la maxime « Trouver le
simple est compliqué ».
Ces résultats ne donnent pas nécessaire-
ment les décompositions optimales, qui sont
encore plus diffic iles à trouver. Les explo-
rations exhaustives sont en théorie envisa-
geables, puisque nous sommes dans un cas
fini. Elles garantissent de trouver les pro-
grammes in situ opti maux, mais elles sont si
coûteuses en calcul qu'on ne peut les envi-
sager que si n est vraiment petit (inférieur
à 10). De nombreux résultats sont donc
encore attendus da~s ce domaine à la fois
combinatoire, algébrique et algorithmique.
Il est à parier qu'à mesure des perfection-
nements apportés aux méthodes pratiques
pour calculer les décompositions en pro-
grammes in situ, leur intérêt concret appa-
raîtra et leur utilisation se généralisera.

LE CALCULATEUR A MNÉS IQUE ~ 87

a La logique
de la perfection
Les logiciens ne manquent pas de culot. Ils se permettent de raisonner
sur d'hypothétiques êtres omnipotents ou omniscients et concluent, de façon
presque catégorique, à l'impossibilité de leur existence.
a logique, par essence universelle, veut
L tout envisager. Toutefoi s, contraire-
ment à la poés ie et à certaines formes de
philosophie, elle s'impose une rigueur
aussi parfaite que poss ible, qu 'elle prétend
atteindre par la formalisation. Or certains
domaines ne se laissent pas enfermer dans
des règles en nombre limité et n 'utilisant
qu 'un nombre fini de composants : com-
ment les traiter ?
Les questions concernant les êtres parfa its,
l'omnipotence et l'omniscience sont déli-
cates. Elles touchent à des sujets que la théo-
logie aimerait tenir éloignés des logiciens et
des mathématiciens ergoteurs qui risquent
de produire des conclusions déplaisantes et
contraires aux traditions. Le souhait, et sans
doute la nécessité, de ne professer que des
théories solides et la volonté d'y argumenter
sans risquer d'incohérences ont cepen-
dant conduit les théologiens à préciser des
arguments, aussi serrés que possibles, sur
les êtres tout-puissants ou dont le savoir
recouvre tout. Thomas d'Aquin et bien
d'autres se sont occupés de ces sujets, et les
ont ouverts à la discussion rationnelle.
Nous allons envisager des questions considé-
rées comme hors du champ des sciences, et
nous nous interrogerons sur ce qu 'un esprit
rigoureux permet de formul er à propos de
l'omnipotence et de l'omniscience.
Un être omnipote nt peut-il exister ? Vieille
question ! Il est délicat de trouver une
définition de l'omnipotence qui résiste à
90 ,Ï MATH É M ATI Q U ES ET M YSTÈRES
l'analyse logique, ca r l'idée d'omnipotence
amène des contradictions.
Le premier paradoxe de la toute-pui ssance
est le paradoxe de la pierre. Il semble être
connu depui s le XII e siècle et a été dis-
cuté par Ave rroès (1126-11 98 ) et Thomas
d'A quin (1224-1294). Il s'exprime sous la
forme d'une ques tion : Un être tout-puis-
sant peut-il créer une pierre si lourde qu'il
ne puisse la soulever ? S'il ne peut créer
une telle pierre, c'est qu 'il n'est pas tou t-
puissant. S'il le peut, alors, puisqu'il ne
pourra pas soulever la pierre créée, c'est
qu'il n'est pas tout-puissan t. Conclusion : il
n'existe pas d'être tout-pui ssant.
• Un être tout-puissant est-il
soumis aux lois de la logique ?
Thomas d 'A quin répond que ce type de
paradoxe se fonde sur une incom préhen-
sion de la toute-pui ssance. Un être tout-
pui ssant ne l'est que dans la mesure où ses
actes ne s'opposent pas à la logique, c'est-
à-dire ne sont pas des absurdités : « Ce
qui implique contradiction ne tombe pas
sou s la toute-pui ssance de Dieu. » Créer
un « cercle carré » est logiquement impos-
sible. Cela n 'a aucun sens de demander
une telle chose à un être tout-pui ssant. Être
tout-pui ssant, c'est seulement di sposer du
pouvoir de fa ire tout ce qui ne s'oppose
pas à la logique. Qu 'un être tout-pui ssant
crée u ne p ierre qu'il ne pourra pas sou-
lever est un non-sens pu isque, en fa isant
cela, il niera it son omni potence ; d 'après
Thomas d'Aquin, il n'y a pas à se poser la
ques tion.
La disc uss ion n'est cependant pas terminée,
car la répo nse de Thomas d'Aquin conduit
à s'interroger sur ce que signi fie « logique-
me nt imposs ible » . Le philosophe anglais
contempora in Tzachi Zamir soutient que la
toute-puissa nce inclut la possibil ité de ne
plus l'exercer et qu 'un être tout-pui ssant
peut décider à tout mome nt, pui squ'il est
libre, de ne plus l'être : un charpentier peut
décider de construire un bateau si lourd
qu'il sera incapable de le soulever une fois
terminé. Di eu peut fa ire de même : il n'y
a do nc pas de cont rad iction en soi dans la
ques tion de la lourde p ierre.
Certains philosophes ont défe ndu l'idée
que le dieu de la Bible, réputé omnipotent,
pouvait s'opposer à la logique. Descartes,
par exemple, attribue au dieu des chrétiens
le pouvoir extrême de changer des vérités
qui nous semblent nécessaires, y compris
les vérités mathématiques. Les spécialistes
se disputent encore aujourd' hui sur cette
omni potence extrême. Descartes explique
sa position da ns deux lettres au père Mer-
senne datées du 6 et 27 mai 163 0 :
« Ceux qui n'o nt point de hautes pensées,
peuvent aisément deveni r athées ; et parce
qu'ils comprennent parfaitement les vérités
mathématiques, et non pas celle de l'exis-
tence de Dieu, ils ne croient pas qu'elles
en dépendent. Mais ils devraient juger au
cont raire, que puisque Dieu est une cause
dont la puissance surpasse les bornes de

Existe+il un pouvoir qui dicterait sa loi à la
logique ? La proposition de loi « pi » faillit être
adoptée en 1897 par l'Assemblée législative
de l'Indiana. C'est l'une des tentatives les plus
connues pour établir une vérité scientifique par un
accord législatif. La proposition visait à valider la
quadrature du cercle du mathématicien amateur
Edwin Goodwin qui annonçait la valeur 3,2 den.
La loi n'a jamais été adoptée grâce à l'intervention
d'un professeur de mathématiques, Clarence
Abiathar Waldo, appelé à la rescousse (a]. Le
problème est posé : la loi peut-elle imposer une
contre-vérité mathématique ? Plus encore : Dieu
peut-il, dans sa toute-puissance, enfreindre les
lois mathématiques ? tcoutons René Descartes
(b) dans sa lettre à Mersenne du 27 mai 1630 :
«Je sais que Dieu est l'auteur de toutes choses et
que ces vérités [les vérités éternelles, dont celles
des mathématiques] sont quelque chose et par
conséquent qu'il en est l'auteur.[...] Vous demandez
[...]quia nécessité Dieu à créer ces vérités : et je
dis qu'il a été aussi libre de taire qu'il ne fût pas
vrai que toutes les lignes tirées du centre de la
circonférence fussent égales, comme de ne pas
créer le monde. » Thomas d'Aquin (c) pense que ce
qui est impossible ou contradictoire n'existe pas et
est en dehors de la volonté de Dieu.« Quant aux
objets qui impliquent contradiction, ils ne sont pas
compris dans la toute-puissance divine, parce qu'ils
ne peuvent pas avoir raison de possible. Pour cette
raison, il convient de dire d'eux qu'ils ne peuvent
pas être faits, plutôt que de dire : Dieu ne peut pas
les faire. Et cette doctrine ne contredit pas la parole
de l'ange : "Rien n'est impossible à Dieu." Car ce
qui implique contradiction ne peut être un concept,
nulle intelligence ne pouvant le concevoir. »

LA LOGIQUE DE LA PERFECTION ,i 91
 L'omniscience peut être un handicap
L'omniscience n'est pas toujours un
avantage. Le jeu du poulet (chicken
game) est la situation où deux adver-
saires sont dans une compétition telle
que si aucun ne cède, une catastrophe
se produit, alors que si l'un cède, il perd
mais évite la catastrophe.
L'exemple type démocrates et les républicains à propos
d'une telle situa- de la question du relèvement du plafond
tion a été rendu de la dette américaine : si aucun des par-
populaire par le tis ne cédait, l'État américain était mis en
film de 1955 mis faillite. Dans un tel jeu, celui qui ne peut
en scène par Nico- ou ne veut pas comprendre la gravité
las Ray La fureur de de la situation se crée un avantage, car
vivre, avec James l'autre, se pensant seul informé du risque
Dean. Deux voi- de catastrophe imminente, acceptera de
tures foncent vers perdre. Un être omniscient qui sait ce que
un précipice. Celui vous allez faire est donc gravement han-
qui se jette hors dicapé dans une telle situation :face à lui,
de la voiture en ne sautez pas de la voiture, car il sait que
premier est traité de lâche et a perdu, vous ne céderez pas et donc lui sautera.
l'autre a le temps de sauter. Si aucun des La prise en considération d'hypothé-
deux ne cède, ils périssent tous les deux. tiques êtres idéaux introduit toutes
Celui qui abandonne perd la partie, mais sortes de situations nouvelles en théo-
sauve sa vie... et celle de son adversaire. rie des jeux. Elles ont été étudiées par
Aux États-Unis, une telle situation Steven Brams dans son livre (voir la
s'est produite en juillet 2011 entre les bibliographie en fin d'ouvrage).

l'entendement humain, elles sont quelque
chose de moindre, et de suj et à cette puis-
sance incompréhensible. »
Pour Descartes, Dieu aurait pu « faire
qu'il ne fût pas vrai que toutes les lignes
tirées du centre de la circonférence fussent
égales» .
• Quand Descartes renonce
à son propre entendement
Jacques Bouveresse, dans le tome V de ses
essais (éditions Agone), nous aide à saisir
cette étonnante conception du défenseur de
la théorie physique des tourbillons : « Nous
• La solution
savons que les vérités auxquelles nous
de saint Augustin
sommes conduits par la démonstration sont
bien celles que Dieu a décidé de créer. Mais il
aurait pu en créer d'autres, et s'il avait décidé,
par exemple, de créer un monde dans lequel
il n'est pas vrai que 2 et 2 fassent 4, ce devrait
être aussi un monde dans lequel nous ne pou-
vons pas démontrer que 2 + 2 = 4. Il est évi-
dent que, tout comme Dieu aurait pu créer
d'autres vérités éternelles, il aurait pu créer
aussi une autre relation de conséquence
logique et aurait même nécessairement dû
le faire dans ce cas-là. Si on accepte la doc-
trine de la création des vérités éternelles,
on doit admettre qu 'il aurait pu fa ire, par
exemple, que de "/\' et "Si A, alors B", on
ne puisse pas déduire "B", mais plutôt, par
exemple, "non-B". »
À l'opposé des idées de Descartes sur le pou-
voir supposé de son dieu de changer même
les mathématiques, saint Augustin (354-430)
dans La cité de Dieu définit l'omnipotence
comme la possibilité de faire tout ce que
nous voulons, et non tout ce que nous pou-
vons imaginer qu'un être pourrait vouloir.
Une telle définition minimale résout sans
doute le paradoxe de la pierre : un être
omnipotent n'es t pas gêné par la question
posée dans le paradoxe, tout simplement
parce qu 'il ne souhaite pas créer une pierre
si lourde qu'il ne puisse la soulever.
Cette solution n'est guère satisfaisante :
pour être omnipotent, il suffit de ne rien
vou loir ! Chacun peut devenir tout-puissant
en limitant ses désirs à ce qu 'il lu i est faci le

92 ,/1 MATHÉMATIQUES ET MYSTÈRES

d'obtenir. C'est certes très sage, mais ne fa it
pas des adeptes d'une telle philosophie des
êtres omnipotents au sens habituel !
Notons que les théologiens sont confrontés
à d'autres paradoxes de l'omnipotence. Il y
a le paradoxe du libre arbitre :
(1) S'i l existe des êtres disposant du libre
arbitre, ils possèdent une certa ine capacité
d'action autonome ; (2) si un être possède
une certaine capacité d'action autonome, il
dispose alors du pouvoir de ne pas obéir à
son créateur; (3) si un être dispose du pou-
voir de ne pas obéir à son créateur, alors
celui-ci n 'est pas tout-puissant. Conclu-
sion : si nous disposons du libre arbitre,
sans lequel le péché n'a pas de sens, le créa-
teur de toute chose, s'il y en a un, n'est pas
omnipotent.
Le paradoxe suivan t est lui aussi sujet à
débat : si le dieu des chrétiens est infini-
ment bon et omnipotent, pourquoi le mal
existe-t-il ?
::<. L'impassibilité de Newcomb
Un être omniscient capable de
connaître le futur me propose le jeu
suivant.
« Une boîte A contient 1 000 euros
ou rien. La boîte B contient 1 euro.
Tu vas ouvrir et prendre pour toi le
contenu des deux boîtes A et B, ou
seulement de la boîte A.Je remplis la
boîte A selon deux règles.
(1) Si je prédis que tu vas ouvrir les
deux boites, je ne mets rien dans A.
(2) Si je prédis que tu vas ouvrir seu-
lement la boite A (et donc renoncer à
l'euro qui est dans B), je mets 1 000
euros dans A.J'ai rempli les deux boites
et je n'y touche plus. Atoi de jouer. »
Un raisonnement s'impose.
- Je ne vais ouvrir que la boîte A,
car l'être omniscient qui remplit les
boîtes sait ce que je vais faire, et donc
si j'ouvre les deux boîtes, d'après la
règle (1) je ne gagnerais qu'un euro,
alors que j'en aurai 1 000, d'après
la règle (2), si j'ouvre seulement la
boîte A.
Pourtant un autre raisonnement par-
faitement logique est aussi possible.
-Quoi que l'être omniscient ait fait au
moment où je me trouve devant les
boîtes remplies (à cet instant, leurs
contenus ne peuvent plus changer),
j'ai intérêt à ouvrir les deux plutôt
qu'une, car il est toujours vrai que :
(contenu de A) + (contenu de B) vaut
un euro de plus que (contenu de A).
Donc, je vais ouvrir les deux boîtes.
Peut-on conclure de cette contradic-
tion qu'un être omniscient, capable
de prédire le futur de manière par-
faite, est impossible?

• Mathématicien omnipotent ?
Oublions maintenant Descartes et admet-
tons avec Aristote que certains absolus
logiques comme le principe de non-contra-
diction ne peuvent jamais être négligés, et
que donc même un être om nipotent, s' il
en existe, y est soumi s. Que penser alors
du pouvoir d'un être omnipotent sur des
problèmes de nature mathématique ?
Voici quelques questions et tentatives de
aux axiomes mathématiques, ou même
réponse sur ce thème.
changer la cent milliardième décimale de TI
Un être tout-puissant peut-il changer les
(ce qui conduirait aussi à O = 1), n'est pas
décimales de TI et faire que TI= 3,2, comme
envisageable. Tout être, aussi puissant soit-
une loi envisageai t de l'imposer dans l'État
il, est donc contraint de mener un calcul
de l'Indiana aux États-Unis en 1897?
pour connaître TI, sans avoir la possibilité
Non, ce serait contraire au principe de non-
de décider quoi que ce soit le concernant.
contradiction, car si on suppose par exemple
Et il en va ainsi de pratiquement tous les
que TI= 3,2, alors en quelques pas de déduc-
énoncés mathématiques.
tion mathématique on tombe sur O= 1, d'où
l'on peut démontrer toute proposition et
ainsi que sa négation : en logique, une seule
contradiction a pour conséquence que tout
• L'Oiympe n'a pas de roi
est vrai et fa ux à la fois, ce qui rend alors Une autre question se pose : un être tout-
sans intérêt les mathématiques et même puissant peut-il résoudre un problème
tout raisonnement. Vouloir ajouter TI = 3,2 indécidable ?

LA LOGIQUE DE LA PERFECTION -' 93

 L'ensemble des parties et l'omniscience
Patrick Grima inventé un argument indi-
rect montrant que l'omniscience n'existe
pas. Cet argument est qualifié de can-
torien, car il utilise le résultat de Georg
Cantor que l'ensemble des parties d'un
ensemble (même infini) est strictement
plus grand que l'ensemble lui-même.
S'il y avait un ensemble V des vérités
(mathématiques ou autres), alors pour
chaque partie E de V (par exemple pour
la partie {La tour Eiffel est à Paris, les hau-
teurs d'un triangle se croisent en un point,
il y a une infinité de nombres premiers}) et
pour chaque vérité v de V (par exemple :
le Titanic a heurté un iceberg), on pourrait
considérer la question: est-ce que v est
dans E ?
Deux réponses sont possibles : v est dans
E, v n'est pas dans E. L:une est une vérité. li
y a donc au moins autant de vérités que de
parties de V. D'après le théorème de Cantor, Reste que l'argument de P. Grim est par-
cela n'est pas possible. ticulièrement simple et qu'il se fonde sur
A cet argument qu'il n'existe pas d'en- la version de la théorie des ensembles
sembles de toutes les vérités, et qu'en aujourd'hui universellement pratiquée :
conséquence l'omniscience (la connais- l'omniscience, qui consiste à connaître
sance de l'ensemble de toutes les véri- tous les éléments de l'ensemble de
tés) est inconcevable, les philosophes ont toutes les vérités, est donc difficile à
proposé diverses réponses ... auxquelles concevoir.
P. Grim a répondu. La situation est assez
confuse à propos de cet argument can-
torien. Elle l'est sans doute
plus encore dans le cadre
des théories alternatives
des ensembles où le théo-
rème de Cantor n'est plus
vrai. En effet, dans de
telles théories, iI ne serait
plus absurde d'envisager
un ensemble de toutes les L'ensemble V L'ensemble des parties
des vérités de l'ensemble Vdes vérités
vérités.

Un problème indécidable est un problème qu'on a d'un être omnipotent implique

qu'aucun algorithme ne peut résoudre.
Aucun algorithme ne peut par exemple indi-
quer, pour toute équation de la fo rme P = 0,
où P est un polynôme à coefficients entiers,
si oui ou non elle possède des solutions en
nombres entiers (x2 - y3 = 1 en possède une,
x = 3, y = 2 ; 2x2 + 3y4 = 1 n'en possède pas).
L'indécidabilité de ces équations dites dio-
phantiennes, thème du dixième problème de
Hilbert, a été démontrée par Youri Matiyase-
vich en 1970. Un autre résultat d'indécidabi-
lité a été prouvé par Alan Turing dès 1936 :
aucun algorithme ne peut déterminer quels
sont les programmes qui s'arrêtent et ceux
qui calculent indéfiniment.
Un être tout-puissant pourrait-il s'affran-
chir de cette indécidabilité et résoudre
toute équati on diophantienne qu'on lui
soumettrait, ou identifier sans erreur les
programmes qui ne s'arrêtent pas ? En
stricte logique, rien ne s'oppose à une telle
idée. On peut en effet imaginer un être
supéri eur qui sache résoudre le problème
des équations diophantiennes, car rien ne
l'oblige à résoudre le problème par une
procédure méca ni sable. Au contraire, l'idée
assez naturellement qu 'il ne soit pas
limité à des algorithmes, comme l'est un
ordinateur.
Les mathématiciens se sont amusés à ima-
giner ces êtres « surpui ssants ». Dans la
théorie de la calculabilité, Turing et Emil
Post ont introduit la notion de « machine
avec oracle » : c'est, par définiti on, un
mécanisme de calcul, qui a accès à une
base de données infinie lui fourni ssant la
réponse à une fa mille infi nie de questions.
Cet accès rend l'oracle plus puissant que
toute autre machine et lui pe rmet alors de
résoudre des problèmes indécidables.
Une machine disposant d'un oracle lui
indiquant les programmes qui s'arrêtent
et ceux qui bouclent est ainsi en position
de résoudre toute équation diophantienne.
Pour chaque équation E qu'on lui soumet,
la machine à oracle, construit le programme
PrE qui énumère toutes les solutions envi-
sageables (éventuellement en nombre infi ni)
de l'équation étudiée et s'arrête dès qu 'une
solution est trouvée. Plutôt que de fa ire fo nc-
tionner ce programme PrE, la machine à
oracle interroge sa base de données infinie

94 •# M ATHÉM AT IQUES E T M YSTÈRE S

au sujet de PrE qu'elle vient de construire. Si
elle obtient la réponse « oui, le programme
PrE s'arrête », alors elle lance le calcul et
finit par trouver au moins une solution.
Sinon, elle répond : équation sans solution.
Ainsi disposer de l'oracle qui indique l'arrêt
permet de résoudre le problème indécidable
des équations diophantiennes. On montre
que l'inverse est vrai : un oracle qui indique
les équations diophantiennes ayant des solu-
tions serait en mesure de résoudre le pro-
blème de l'arrêt.
Chacune des machines à oracle dispose
d'une puissance qui lui est propre, et on com-
pare les puissances des diverses machines à
oracle. Si la machine à oracle A sait résoudre
tous les problèmes que la machine à oracle B
résout, mais que A en résout que B ne résout
pas, la machine A est plus puissante que la
machine B. Toutes les machines à oracle ont-
elles la même puissance (comme c'est le cas
pour celle des équations diophantiennes
et celle de l'arrêt) ? Existe+il une machine
omnipotente dans le sens « au moins aussi
puissante que toutes les autres machines à
oracle» ?
La réponse à ces questions mathématiques
est connue. Il y a plusieurs niveaux chez les
oracles et il n'y a pas d'oracle omnipotent. En
effet, les techniques permettant de traiter ce
type de questions conduisent au résultat sui-
vant : pour toute machine M à oracle, il existe
une machine à oracle M' strictement plus
puissante que M. (La démonstration utilise la
même idée que celle permettant de démon-
trer qu'il existe des problèmes indécidables. )
Une multitude de questi ons ont été réso-
lues concernant la structure de la relation
d'ordre ent re machines à o racle. Cette
théorie mathématique étudi e la hiérarchie
entre les êtres « surpuissa nts » que sont les
machines à oracle : c'est une étude sociolo-
gique de !'Olympe. Les divers ni veaux dans
cette hiérarchie se dénomment les degrés
de Turing et ils constituent une échelle qui
détermine la gravité de l'indécidabilité des
problèmes indécidables.
En plu s de savoir qu 'il n'y e n a pas de
plu s grand (pas d 'être omnipotent dans
cet Olympe m athém atique), on sait par
exemple qu'entre deux degrés différents,
il y en a tou jours une infinité de degrés
intermédiaires. On sai t aussi qu 'entre
deux degrés donnés différents M et M ',
avec M < M ', il en existe deux qui ne sont
pas comparables, N et N ' : N a une puis-
sance intermédiaire à celle de M et de M ',
de mêm e que N', m ais N n'est pas supé-
rieur à N', ni N' supérieur à N.
• Omnipotence
et nombres réels
Parmi les questions qu 'on peut se poser
concernant l'omnipotence m athém atique,
celles concernant le continu des nombres
réels viennent à l'esprit.
Par exemple, peut-on envisager l'existence
d'un être tout-puissant qui m anipule les
nombres réels comme nous manipulons
les entiers ?
Là encore, rien ne semble s'y opposer et
les mathématiciens ont étudié la théorie de
ces êtres hypothétiques surpuissants qui
calculent avec les no mbres réels aux déve-
loppements décimaux infi nis comme s'il
s'agissait de nombres entiers : ils peuve nt
multiplier sans erreur deux nombres réels
ou les comparer, ce qu 'un m athém aticien
humain ne peut pas fai re en général.
Dernière question à propos de l'omnipo-
tence mathématique : Est-il envisageable
qu'un être tout-puissant explorant les sous-
ensembles infinis de l'ensemble des nombres
réels, IR, réussisse à savoir s'il en existe d'un
cardinal intermédiaire entre N (l 'ensemble
des entiers) et IR ? En d'autres termes : est-ce
qu'on peut envisager qu'un être tout-puis-
sant résolve « expérimentalement » le pro-
blème de l'hypothèse du continu ?
Le fa it qu 'on pui sse a jouter à la théorie
des ensembles class iques (de Zermelo-
Fraenkel) sans obtenir de contradicti on (si
elle est sans contradiction) que l'hypothèse
du continu est vraie, ou qu 'elle est fa usse,
doit êt re pri s en compte, et cela rend diffi-
cile une réponse.
Cependant, les travaux menés aujourd'hui
en théorie des ensembles, en particulier par
LA LOGIQUE DE LA PERFECTION ,,1 95
 · Paradoxes de Moore et de Frederic Fitch
Les deux paradoxes que nous présen-
tons ici ont donné lieu depuis quinze ans
à un nombre considérable de travaux
dont deux livres et une thèse. Ils ne s'ap-
puient ni sur des autoréférences (qu'on
considère interdites) ni sur une capacité
supposée à connaître le futur (que l'on
considère impossible). On utilisera deux
raccourcis d'écriture :
pas : il est possible que...
connu : il est connu que...
Pour connu, on ne précise pas qui connaît,
mais cela pourrait être la CIA. vous, moi ou
Dieu pour ceux qui sont croyants.
• Paradoxe de Moore
On suppose qu'il est connu qu'une cer-
taine affirmation p est vraie, mais qu'elle
n'est pas connue. On va démontrer que
cela conduit à une contradiction.
(1) connu (pet non connu p).
On a d'après la règle évidente
connu (A et B) • > (connu A et connu B):
(2) connu p et
connu (non connu p).
Maintenant, on s'appuie sur la règle que ce
qui est connu est vrai: (connu p •> p). Là
encore, c'est un axiome raisonnable pour
manipuler le symbole connu. La formule
(2) donne alors :
(3) connu p et non connu p.
La formule (3) est une contradiction.
L'avoir obtenue signifie qu'il n'est pas
possible de connaitre une affirmation p
en même temps qu'on sait qu'on ne la
connaît pas. C'est ce qu'on dénomme le
paradoxe de Moore. Peut-être n'est-ce pas
vraiment paradoxal : après tout, personne En l'utilisant à partir de (4) et (5), on
de sensé ne dira : « Il pleut, mais je ne sais en tire:
pas qu'il pleut. » (6) non (p et non connu p),
ce qui est logiquement équivalent à :
• Paradoxe de Fitch (7) p •> connu p.
Le paradoxe de Fitch (qui utilise la Le passage de (6) à (7) se justifie par la
conclusion de Moore) est plus ennuyeux. suite d'équivalences :
Il va montrer que, si l'on accepte l'idée non (A et non B) <•>
que « Tout ce qui est vrai est connais- (non A ou non non B) <=>
sable », alors « Tout ce qui est vrai est (non A ou B) <• > (A • > B).
connu».
On part de l'hypothèse suivante (parfois En conclusion, l'utilisation de principes
dénommée axiome de la connaissabilité) : logiques, tous d'une parfaite évidence, et
p => pas (connu p), soit tout ce qui est d'un raisonnement en sept étapes conduit
vrai est connaissable. à l'affirmation que si « tout ce qui est vrai
On va maintenant établir qu'il ne peut est connaissable », alors « tout ce qui est
pas exister de proposition p qui soit vraie vrai est connu ». C'est inattendu (d'où les
en même temps que non connue (ce qui nombreux travaux récents sur ce raison-
signifie que la CIA. vous, moi et Dieu nous nement). Cela a en particulier une grave
sommes omniscients). conséquence pour l'idée d'être omnis-
D'après l'axiome de la connaissabilité cient. En effet :
qu'on applique en remplaçant p par (p et A. Soit il existe des vérités non connais-
non connu p) : sables, et il n'y aalors pas d'être omniscient.
(4) (pet non connu p) •> B. Soit toute chose vraie est connue, et
pas (connu(p et non connu p)). alors non seulement Dieu est omniscient.
D'après le raisonnement de Moore, connu mais la CIA, vous et moi nous le sommes
(pet non connu p) entraîne une contradic- aussi.
tion. Il n'est donc pas possible que Il est clair que ni la CIA, ni vous, ni moi
connu (pet non connu p). nous ne sommes omniscients, donc B
Dit autrement, il est faux que est faux et il existe par conséquent des
pas (connu (pet non connu p)). vérités inconnaissables : il n'existe pas
c'est-à-dire : d'être omniscient. Notons bien que, cette
(5) non pos (connu fois, l'impossibilité de l'omniscience ne
(pet non connu p)). provient pas de la capacité supposée
La règle logique de contraposition d'un être omniscient à voir le futur,
indique: comme c'est le cas avec le paradoxe de
(As> B) <•> (non B => non A). Newcomb.

Hugh Woodin, et qui envisagent des logiques
infinies dans le but de traiter l'hypothèse
du continu peuvent être considérés comme
l'étude de nouvelles formes d'êtres surpuis-
sants en quête de cette solution. On est tenté
de se dire que la théologie, au jourd'hui, est
l'affaire des mathématiciens et qu'une forme
de haute spiritualité se trouve à J'œuvre dans
cette exploration de l'infini et de la surpuis-
sance qui les occupe.
L'omnipotence est peut-être une idée trop
vague et susceptible d'un trop grand nombre
de définitions différentes. En plus des
difficultés logiques que posent les idées de
saint Augustin, Thomas d'Aquin ou Descartes,
les formes nouvelles de la surpuissance que
les mathématiques associent à l'infini consti-
tuent des domaines trop différents pour que
soit donnée une bonne définition de l'omni-
potence et que l'on puisse apprécier sa possi-
bilité. Abordons donc maintenant la question
plus facile de l'omniscience.
Un être omnipotent est omniscient: celui
qui peut tout faire peut savoir tout ce qu 'il
y a à savoir. Pourtant, la chose est loin d'être
aussi simple et en théorie des jeux, par

96 ~ MATHÉMATIQUES ET MYSTÉRES
exemple, Je fait d'être omniscient constitue
parfois un handicap grave qui interdit de
gagner... et donc empêche l'omnipotence
(voir l'encadré p. 92).
Indépendamment de ces questions, dont
on peut se libérer en imaginant qu 'un être
omniscient ne joue pas, l'existence d'êtres
omniscients dépend de ce qu'on considère
comme objets possibles de savoir.
Si toutes les propositions, y compris auto-
référentes, doivent être objet du savoir
d'un être omniscient, alors Patrick Grim
a montré qu'il n 'existe aucun être omnis-
cient. De même, le paradoxe de Newcomb
(voir l'encadré p. 93) établit que connaître
parfaitement le futur est une impossibilité.
Envisageons l'omniscience sans la capa-
cité de prévoir l'avenir et en interdisant les
phrases autoréférentes. Malheureusement,
même ainsi, divers paradoxes récents
créent encore de fatales difficultés qui nous
empêchent d'imaginer un être omniscient.
• L'omniscience,
idée indéfendable
Le paradoxe de Frederic Fitch (voir l'en-
cadré ci-contre) établit que si « tout ce qui
est vrai est connaissable », alors « tout ce
qui est vrai est connu » (par un être omnis-
cient, mais aussi par vous et par moi). C'est
absurde, à moins de considérer que tout
n 'est pas connaissable et donc, en particu-
lier, qu'il n'existe pas d'êtres omniscients.
Une autre difficulté soulevée par P. Grim
concerne la possibilité d'un être omnis-
cient même si celui-ci ne s'intéresse qu'aux
mathématiques. P. Grim emploie un pro-
cédé analogue à celui utilisé pour démon-
trer qu'il n 'y a pas d'ensemble de tous les
ensembles dans la théorie classique des
ensembles (voir l'encadré p. 94).
Finalement, même si certains tentent des
réponses aux divers paradoxes ici évo-
qués de l'omniscience, il semble bien que
l'idée, sur un plan strictement logique et
mathématique, ne puisse pas résister, tant
elle engendre de contradictions et d'inco-
hérences de toutes sortes. Comme c'est le
cas aussi à propos de l'omnipotence, cela
ne trouble guère les mathématiciens et les
logiciens qui, au contraire, se réjouissent
de la richesse des idées et théories qui
naissent de ces questions théologiques
quand on les transpose en mathématiques.
Peut-être est-ce la preuve d'ailleurs que ces
dernières ne sont qu'une forme extrême et
abstraite de théologie ?
LA LOGIQUE DE LA PERFECTION .;J 97
Il L'impossible hasard
Depuis les premiers dés, il y a trois millénaires, l'homme imagine
et fabrique des objets pour produire du hasard. A-t-il réussi ?

L a nouvelle de Jorge Luis Borges inti-

tulée La loterie à Babylone se déroule
dans J'antique Mésopotamie. Cette loterie
distribue des lots aux gagnants et, forte
de son succès, se diversifie en prenant
une importance grandissante. On y gagne
et l'on y perd toutes sortes de biens m até-
riels ; elle intervient dans les décisions
famili ales, sociales et politiques : elle vous
envoie en prison, fait de vous un ministre,
fixe le sort de vos enfants, etc. Elle évolue
à nouveau, pour devenir cachée et obliga-
toire. Finalement, plus personne ne sait ce
qu'elle décide pour les gens et les choses et
l'on doute même de son existence !
Ce hasard, que Borges imagine, joue avec
nous à chaque instant. Que savons-nous de
lui ? Avons-nous la capacité de le produire
et sommes-nous certains que ce que nous
croyons être du hasard l'est réellement ?
Ces questions sont impor-
tantes pour assurer """'~ii!!II•;!
que les loteries et
les jeux sont
équitabl es.
Elles sont essentielles quand nous vo ulons
mener des simulations et cruciales pour la
mi se en œ uvre des m éthodes mathéma-
tiques de calcul de type Monte-Carlo où la
justesse et la précision du résultat dépendent
de la qualité du hasard utilisé ou de cer-
taines propriétés du pseudo-hasa rd mis en
œ uvre. Enfin, en cryptographie, le hasa rd
est au cœur de nombreuses méthodes, dont
la résistance aux attaques est liée à sa plus
ou moins grande perfection.
Nous aborderons ici le hasa rd de la phy-
sique et particulièrement celui des lancers
de pièces et des di spositifs quantiques.
• Tests, compression
et prédiction
La théorie des probabilités contourne le
problème de la défi nition du hasard en rai-
sonnant sur l'ensemble des cas possibles
- par exemple les six fa ces d'un dé
- sans indiquer ce qu 'est une

98 ,. MATHÉMATIQUES ET MYSTÈRES
::::: Les procédés physiques macroscopiques
Les moyens physiques pour engendrer le
« hasard »sont nombreux... et pas toujours
équitables. On retrouve périodiquement
lors de fouilles des dés romains [à gauche
en bas de fa page ci-contre). Les mêmes
dés sont utilisés dans le jeu de Craps des
pays anglo-saxons. Les roues de loterie
où l'on pouvait gagner des kilos de sucre
attiraient les badauds des années 1950
qui avaient été privés de sucre pendant
la Seconde Guerre mondiale (on notera
l'escroquerie de l'épaisseur des bandes de
gain des gros montants de kilos de sucre).
La roulette et sa variante la boule sont les
instruments du casino. Le rééquilibrage
des roues et les plots que heurtent la bille
lors de sa descente augmentent la sensi-
bilité aux conditions initiales.
Les machines à sous, dénommées parfois
« bandits manchots », ont été inventées
à San Francisco par Charles Fey vers
1890. Deux méthodes différentes sont
utilisées pour engendrer le hasard. Dans
un premier temps, le mécanisme à pro-
duire du hasard était macroscopique et
déterministe : la force avec laquelle on
lançait les roues (initialement il y en avait
trois) en tirant sur le bras de la machine
déterminait le résultat. Le mécanisme
était conçu pour qu'aucun contrôle précis
ne soit possible et la machine était assi-
milable à une loterie ou à une roulette
de casino enfermée dans une boîte. Bien
sûr, des trucages mécaniqués favorisant
certaines combinaisons étaient possibles.
A partir des années 1960, ces machines
sont devenues électroniques : un généra-
teur algorithmique pseudo-aléatoire pro-
duit plusieurs dizaines de fois par seconde
des chiffres sans jamais s'arrêter. Ces
chiffres sont effacés de ses mémoires et ce
n'est qu'au moment où l'utilisateur joue (en
appuyant sur un bouton ou en tirant le bras
de la machine) que les derniers chiffres
produits sont exploités. Ils déterminent
alors une combinaison qui est affichée sur
l'écran de la machine (après un délai et une
animation factices) et qui fixe le résultat du
jeu, provoquant, lorsque c'est nécessaire,
la chute d'une quantité de pièces.
Ce procédé est-il convenable? Si on
exclut les tricheries passant inaperçues
aux yeux des organismes officiels chargés
de contrôler les machines, le procédé est
satisfaisant aussi bien pour les joueurs
que pour les propriétaires des machines.
D'une part, le propriétaire peut choisir la
machine qu'il veut (ou plus tard la modifier
en changeant certains composants élec-
troniques) pour que le pourcentage d'ar-
gent redonné en moyenne aux joueurs soit
celui qu'il décide (en général entre 75 %et
99 %). Ce pourcentage sert parfois d'argu-
ment publicitaire. Il peut aussi choisir
une machine qui donne souvent de petits
lots et rarement des gros, ou le contraire
(cela tout en respectant le pourcentage
d'argent redonné en moyenne aux joueurs
et fixé à l'avance).
D'autre part, une fois la machine fermée,
personne ne peut tricher. Personne n'a
d'informations sur l'état du générateur
pseudo-aléatoire qui tourne en continu
et, de plus, le geste du joueur n'est pas
assez précis pour qu'il contrôle l'instant
où il joue.
Le fait que ce mode de fonctionnement
soit convenable pour tous ne signifie
pas que le processus général du jeu pro-
duit des suites aléatoires au sens fort.
En interne, il n'y a pas d'aléa puisque ce
qui se passe est algorithmique. Quant
au joueur, il se peut qu'il appuie incon-
sciemment d'une manière régulière.
Rien n'assure donc que les suites de
résultats d'une machine de casino soient
aléatoires au sens de Martin-Lof.
L ' IMPOSSIBLE HASARD -~ 99
 Les algorithmes
Une multitude de méthodes ont Les méthodes plus lentes,
été imaginées et mises en œuvre mais utilisables en cryptographie.
en informatique pour engendrer Exemple : l'algorithme ees de Leo-
rapidement des suites pseudo- nore et Manuel Blum et Michael
aléatoires. Avant de les utiliser, on Shub.
vérifie qu'elles passent les batte- On se donne un entier positif : M et
ries de tests comme celles du NIST une graine x0, et on calcule
(National lnstitute of Standards and x•• 1 • x/ mod M
dont on ne retient que la parité (0
Technology). Il faut distinguer deux
types de méthodes algorithmiques : si on a un nombre pair, 1sinon).
C'est un peu plus coûteux qu'un
Les méthodes rapides. générateur congruentiel linéaire,
Exemple : les générateurs mais, à condition de bien choisir M,
congruentiels linéaires. on est assuré que la connaissance
Trois entiers positifs a, b etc étant d'une série de bits ainsi produits ne
fixés et x0 un entier initial choisi permet pas de deviner les suivants
(on parle de germe, ou de graine), en un temps raisonnable.
on calcule: En pratique et selon les usages
Xn+ 1 • aXn + b mod C, qu'on veut en faire, on connaît
Cela donne une suite de nombres donc aujourd'hui des méthodes
entiers compris entre Oet c - 1, satisfaisantes pour engendrer
dont on extrait (en les écrivant en plus ou moins rapidement des
binaire) une suite de bits Oou 1. bits qui satisferont les batteries
C'est la méthode la plus courante. de test statistiques (voir l'encadré
p. 103). En revanche, il est certain
Si les paramètres sont bien choisis,
que ces méthodes, du fait qu'elles
elle donne des résultats acceptables,
sauf pour les usages cryptogra- se fondent sur des algorithmes
phiques, car, connaissant quelques déterministes, ne donnent pas des
points de la suite, on peut en déduire suites aléatoires au sens fort de
assez aisément les suivants. Martin-Lof.
suite aléatoire de lancers de dé ou de pile
ou face. En fait, définir ce qu'est une suite
aléatoire a longtemps semblé impossible.
En 1965, le Suédois Per Martin-Lof a pro-
posé une définition : une suite infinie de 0
et de 1 est aléatoire lorsqu 'elle passe tous
les tests statistiques raisonnables. Cette
idée a été acceptée quand on a montré
qu'elle est équivalente à deux idées plus
simples : d'une part, qu'une suite est aléa-
toire si elle est incompressible (impossible
à représenter par un programme plus court
qu'elle-même) ; d'autre part, qu'une suite
est aléatoire si elle est imprévisible, aucun
système de pari mécanique ne gagnant
contre elle. Cette triple caractérisation
mathématique d'une suite infinie aléatoire
est un succès scientifique du :xx• siècle.
100 .à MATHÉMATIQUES ET M Y STÈRES
Ainsi la suite d'« un milliard de zéros »
n 'est pas aléatoire, car sa définition, la
phrase précédente, est bien plus courte que
l'écriture du milliard de zéros de la suite ; la
suite des chiffres du nombre TI ne l'est pas
non plus, car elle se calcule facilement et est
donc prévisible.
Le cœur du problème est qu'aucun procédé
algorithmique (fondé sur des programmes)
ne produira un hasard véritable, car une
suite calculée par un algorithme est prédic-
tible, donc non aléatoire. Comme l'informa-
tique n 'a pas la capacité de produire du bon
hasard, nous nous rabattons sur les suites
produites physiquement par des dés, des
lancers de pièce de monnaie, des loteries ou
des dispositifs quantiques. La question se
pose à nouveau : sont-elles aléatoires ?
• Pièces, dés et loteries
Bien sûr, on peut tricher et piper un dé en
décalant son centre de gravité par rapport
au centre géométrique, le forçant à donner
presque toujours 6. De même, une rou-
lette de casino peut être déséquilibrée ou
avoir des cases de profondeurs inégales
qui faussent l'équiprobabilité des numéros.
Exploitant cela, plusieurs joueurs auraient
fait fortune ; le Britannique Joseph )agger
aurait ainsi empoché l'équivalent de plu-
sieurs centaines de milliers d'euros à
Monte-Carlo en 1873.
Peut-on piper de la même façon une pièce
de monnaie pour fausser le pile ou face ? La
question est intéressante, mais sa réponse
exige qu'on distingue les méthodes utili-
sées pour lancer la pièce.
Si, après avoir lancé la pièce en l'air, vous la
rattrapez dans la main (sans manipulation
particulière), il semble qu'aucun moyen ne
permette de « piper » la pièce. Des expé-
riences avec une pièce dont une face avait
été recouverte d'une rondelle de balsa n'ont
montré aucun biais en faveur de la face la
plus légère ou la plus lourde.
En revanche, plusieurs techniques per-
mettent de fausser l'équilibre des chances
à pile ou face. Avec un peu d'entraînement,
vous maîtriserez la rotation de la pièce
autour de son axe et la rattraperez du côté
que vous souhaitez. Si vous la faites tourner
comme une toupie sur une surface plane, le
tirage sera rarement équitable, car la forme
du bord et l'équilibre des masses faussent
l'égalité des chances des deux faces. En
menant des expériences avec une pièce
neuve de deux euros (belge), j'ai trouvé
que le côté face était obtenu dans plus de
60 pour cent des cas. Il existerait même des
pièces qui, lorsqu'on les fait tourner ainsi,
donnent toujours face.
• Biais de 51 pour cent
Une étude réalisée en 2007 par Persi Dia-
conis (le mathématicien illusionniste de
l'Université de Stanford), Susan Holmes et
Richard Montgomery a établi qu'une pièce
de monnaie lancée en la rattrapant après
qu'elle a tourné en l'air (sans manipulation
délibérée du lanceur) donne un biais de
51 pour cent en faveur de la face qui est au-
dessus au moment du lancer.
Ce biais a été expliqué en étudiant les équa-
tions du mouvement. Lorsque la pièce
tourne parfa itement (la normale au centre
de la pièce restant toujours dans un même
plan), les probabilités de pile et de face sont
presque identiques dès que la pièce tourne
un assez grand nombre de fois (et parfai-
tement identiques lorsque le nombre de
rotations tend vers l'infini). En revanche,
pour un lancement imparfait (la normale à
la pièce décrivant une courbe gauche), un
biais existe en fave ur du côté de la pièce ini-
tialement ve rs le haut. Ne pas rattraper la
pièce n'est pas une solution, car lorsque la
pièce fr appe sur le sol, elle risque fort de se
mettre à tourner comme une toupie, ce qui
conduit à des biais plus importants.
La conclusion à laquelle on arrive alors
est assez subtile. Si vous voulez opérer un
tirage équitable à pile ou face, deux cas sont
à distinguer.
Cas 1. Vous avez confiance en celui qui
lance la pièce ou vous la lancez vous-même ...
sans tricher. Alors la méthode consistant à
rattraper la pièce dans la main assure une
assez bonne équité (et une totale équité si
celui qui lance ne choisit pas et ne regarde
pas le côté de la pièce situé au-dessus au
moment du lancer).
Cas 2. Vous n 'avez pas confiance en celui
qui lance la pièce. Alors vous choisissez
vous-même une pièce (que vous n 'avez pas
testée) et demandez à votre adversaire de la
lancer au sol. Même s'il existe un biais favo-
rable à l'une des faces quand la pièce tour-
noie, aucun d'entre vous ne saura lequel, et
le tirage sera équitable.
Si aucun des joueurs n'a confiance en
l'autre, une assez bonne méthode existe :
les joueurs prennent chacun une pièce de
leur choix ; l'un choisit « mêmes côtés »
et l'autre « côtés différents » ; ils lancent
chacun leur pièce et dévoilent simultané-
ment leurs résultats. Si les pièces montrent
le même côté, celui qui avait choisi cette
option gagne, sinon c'est l'autre.
Notons aussi qu'une étude de Daniel
Murray et Scott Teare a établi que la pièce
américaine de ci nq cents (le « nickel ») a
une chance sur 6 000 de ne donner ni pile
ni face, en tombant sur la tranche.
• Casino newtonien
P. Di aco ni s et son équipe ont construit un
di spos itif mécanique de lancer de pièce qui,
une fois réglé, donne le même résultat dans
100 pour cent des lancers. Il n 'y a pas de
surprise à cela : la mécanique newtonienne
est déterministe et une bonne connaissance
(ou un bon contrôle) des conditions initiales
permet de calculer l'état du système quand
la pièce s'est immobilisée.
En revanche, dès que le lancer est moins
contrôlé et surtout si la pièce reste un long
moment en l'air, il faudrait, pour effectuer
une prédiction correcte, connaître les para-
mètres du lancer avec une précision impos-
sible, même avec les caméras et les lasers
les plus perfectionnés.
Il en résulte que les histoires de tricherie
à la roulette du cas ino impliquant des
équ ipes de techniciens munis d'appareils
de mesure et de calcul dissimulés dans leurs
L ' IMPOSSIBLE HASARD JI 101
 , e ou ... p1·1e .'
:.... : p·t
Les tirages au sort fondés sur des procédés
macroscopiques pour engendrer des suites
aléatoires (dé, lancer de pièce, roue de loterie,
roulette, tirage de cartes, etc.) cumulent les
inconvénients : ils sont très lents et l'on sait,
d'après la physique classique (ce que de nom-
breuses expériences ont confirmé), qu'ils sont
fréquemment biaisés et prédictibles dès qu'on
dispose de moyens de mesure suffisants.
Lorsque le mécanisme physique est com-
pliqué et implique par exemple de nombreux
chocs (pièce qui rebondit sur un sol irrégulier,
boule de roulette qui cogne les petits obs-
tacles disposés sur sa trajectoire, etc.), toute
prévision des résultats devient pratiquement
impossible. Cependant, cette imprévisibi-
lité pratique ne signifie pas qu'une série de
tirages sera aléatoire au sens fort, car dans
un monde newtonien déterministe le hasard
fort est impossible. D'ailleurs, Persi Diaconis
a réalisé un dispositif mécanique qui lance
une pièce dans un récipient et qui, quand il
est réglé, est tel que tous les tirages donnent
le même résultat.

vêtements sont probablement fa usses. Les
cas inos dont la poli tique a tou jours été de
faire croire qu 'i l existait des mart ingales et
des méthodes favorab les au x joueurs sont
heureux de laisser circu ler les fab les affir-
ma n t q u'on peut savoir à l'ava nce sur quels
numéros, ou quelle zone du cylindre, la
bi lle lancée par le croup ier va s'arrêter pour
peu qu'on mes ure son geste et qu 'on mène
les bons calculs.
Claude Shanno n, l'u n d es pères de la
théorie de l'in fo rmation, trava ill a su r un
tel pro jet avec le gra nd spéciali ste des jeux
de cas ino Edward T horp, inve n teur du
systèm e de comptage qu i permetta it au
jeu de black jack de faire bascu ler l'ava n-
tage en faveur du joueu r. Leur système fut
tes té e n 196 1 pour la roulette et, au d ire de
Thorp, « un problème m ineur de maté riel
les empêcha d 'en tirer des profits », ce qui
laisse penser que le problème de la préci-
sion in suffi sante des mesures n'a pas été
surmonté.
D'autres histoires du même type ont été
racontées (par exemple da ns le livre The
Newtonian Casino de Thomas Bass) sans
jamai s fournir de preuve de la capacité
vé ritable des sys tèmes cachés à prédire les
numéros de la rou lette.
Jaros law Str za lko, Juli usz Grabski et
Tomasz Kapita ni ak donnent des dé tail s
su r la préd ictibi li té des lancers de dé et
su r la poss ibili té de les co nsidérer comme
des phénom ènes chaot iques. Dans leur
liv re Dynamics of Gambling Origins of
Randomness in Mechanical Systems, paru
en 2009, ces spéc iali stes du hasard méca-
nique formu lent la co nclu sion suiva nte,
qu i devra it calmer les rêveurs : « Si les
do n nées montrent que les résultats d'u n
lancer de pièce, de dé ou d 'u ne rou lette
sont prédict ibles au sens de la défin ition
jmathémat iquej et que ces processus so nt
inéqu itab les, ces conclus ions sont théo-
riques, et, en prat ique, pour réuss ir une pré-
vision fiab le, il fa u t connaître les condit ions

102 .~ MATHÉMATIQUES ET M Y STÈRES

::: . Les tests statistiques
Les statisticiens étudient et élaborent
des tests pratiques s'appliquant à une
suite finie de chiffres (on ne peut pas
en pratique tester des suites infinies !).
lis indiquent, pour une suite donnée, s'il
est raisonnable ou non de croire qu'elle
provient d'une suite de tirages aléatoires
indépendants et équitables de Oet de 1.
Une telle suite doit par exemple possé-
der à peu près autant de Oque de 1. Bien
sûr, elle peut avoir plus de Oou plus de 1,
mais l'écart doit être raisonnable. Le
calcul donne des informations du type :
- Si une suite de 100 bits(0 ou 1) provient
de tirages indépendants et équitables, la
probabilité que l'écart entre les nombres
de Oet de 1 soit supérieur à 30 est infé-
rieure à 0,18 pour cent.
- Si une suite de 10 000 bits provient
de tirages indépendants et équitables, la
probabilité que l'écart entre les nombres
de O et de 1 soit supérieur à 400 est
inférieure à 0,007 pour cent.
li est ainsi peu vraisemblable qu'une
suite de 10 000 bits donnant 6 000
fois O et 4 000 fois 1 provienne d'une
suite de tirages équitables.
Une multitude de tests de cette nature
évaluent des dizaines de propriétés que
doivent posséder des suites provenant
de tirages indépendants et équitables.
L'Insti tut américain de la normali sa-
tion et de la technologie, le NIST, pro-
pose une telle batteri e de tests (voir
http://csrc.nist.gov/groups/ST/toolkit/
rng/index.ht ml). Ces tests contrôlent
la nature aléatoi re d'u ne suite et
repèrent les générateurs pseudo-aléa-
toires déficients. Prudent dans son rap-
port de 2010, le NIST précise : « Aucun
ensemble de tests statistiques ne peut
certifier de manière absolue qu'un géné-
rateur donné est approprié à certains
usages donnés. »
Malheureusement, les suites de déci-
males de nombres irrationnels comme
n, e, .J2, .J3 ou les suites de chiffres
obtenus en faisant des divisions du
type k/p (où p est un grand nombre
premier et k un entier positif), passent
tous ces tests. En pratique, ces suites
ressemblent autant que possible à des
suites aléatoires, mais n'en sont pas, au
sens de Martin-Lof.

initiales avec une prec1s1on inatteignabl e
da ns des expériences rée lles. »
Donc, en pratique, nous ne d isposons pas
aujourd' hui d'une technologie permettant
de prédire les résultats d'un lancer de pièce,
de dé ou de roulette. Cependant, il s'agit
de phénomènes prédictibles (car déter-
ministes ) et le plus souvent bi aisés. Ils ne
satisfont donc pas les critères mathéma-
tiques de la définiti on de Ma rtin-Lof ou les
critères équivalents d'incompress ibilité et
d'imprédictibili té absolue.
Qu 'en est-il du mo nde microscopique,
dont les physiciens pensent très sé rieu-
sement qu 'il fon ctionne de man ière non
déterm iniste ?
• Hasard quantique
Différentes mac hines sont ve ndues pour
produire du hasa rd à partir de phénomènes
mi croscopiques. Les appa reils de la Société
suisse ID Quantique exploitent un procédé
d'optique quantique pou r enge ndrer des
suites aléatoires de O et de 1. Des pho tons
so nt envoyés un par un sur un miroir sem i-
transparent ; avec une probabilité éga le, le
photon trave rse le m iro ir ou est réfléchi , ce
qui donne O ou 1. Les différentes ve rsions
de leurs appareil s produi sent jusqu'à
4 000 000 de bits par seconde (ce qu 'aucun
procédé mécanique ne peut égaler).
La Société américaine ComScire propose un
appareil qu i produ it seule ment 2 000 000
de bits par seconde, mais en combinant
plusieurs méthodes microscopiques diffé-
rentes (bruit thermique, transistor satu ré,
etc. ). À chaque foi s, cependant, le principe
théorique se fond e sur la nature quantique
de ce qui se passe aux très petites échelles.
Tous les appareils mi s en vente reposent
sur l'idée que la mécanique quantique pro-
duit un hasa rd qui , une foi s bien contrôlé
(pour en équilibrer les productions), serait
le hasard véritable caractérisé en 1965
par Mart in-Lof et que le déterm inisme de
la mécanique newto nie nne n'est pas en
mesure d'a tteindre.
Cette idée est-elle justifi ée et fond ée théo-
riquement ? La réponse n'est pas tra nchée,
car il n'est pas possible de tirer, des prin-
cipes de la mécanique quantique, l'affirma-
tion que les suites produ ites par exemple
par les photons du di spositif vendu par
ID Quantique sont aléatoires au sens de
Martin-Lof De l'indétermination concer-
nant le passage ou no n du photon à tra-
vers le miroir que la méca nique quantique
exprime comme un axiome, on peut sans

L ' IMPOSS IBLE H ASARD il 103

 Les procédés physiques microscopiques
De nombreux modèles de petites
machines à produire du hasard à partir de
phénomènes microscopiques, donc d'ori-
gine quantique, sont proposés à la vente.
Connectés à un ordinateur, ces appareils,
comme celui de la Société genevoise ID
Quantique, créent ce que l'informatique
classique (où tout est déterministe) ne
peut pas produire : de l'incertitude.
Ces appareils sont souvent présentés
comme engendrant d'authentiques suites
aléatoires. C'est là une affirmation dis-
cutable. En effet, si les suites produites
aléatoires au sens mathématique. On mécanique (qui est prouvé mauvais !),
considère que la mécanique quantique mais il est faux de croire qu'il correspond
laisse indéterminées certaines variables à l'aléa mathématique absolu. Comme l'in-
et que les opérations de mesure sur de dique David Branning du Trinity College
telles variables ne dépendent d'aucun dans un récent article sur la question :
paramètre caché et sont assimilables « L'aléa des phénomènes quantiques peut
aux variables aléatoires de la théorie des être considéré comme une hypothèse tes-
probabilités. Cependant, ces hypothèses table de plein droit et indépendante des
(qu'on énonce rarement clairement) autres questions que posent les fonde-
n'impliquent pas que les suites de tirages ments de la théorie quantique. »
obtenus par un procédé
quantique sont aléa-
toires au sens fort défini

=-~om ~iI
passent les tests statistiques standards, en 1965 par Martin-Lof,
c'est aussi le cas des décimales de n ou ce qui, par exemple, en (ÏQQ_
Quantum Random
Number Generator
de nombreuses suites pseudo-aléatoires assurerait !'incompres- 4c\;
algorithmiques dont on sait avec certitude sibilité. Il semble raison- us,,_,No r.s,,_..,; J
qu'elles ne sont pas aléatoires au sens fort. nable d'avoir un peu plus
De plus, aucun argument théorique confiance dans cet aléa
n'assure que les suites produites sont quantique que dans l'aléa

doute conclure que les su ites produites par
un tel dispositif sont semblables à celles
que produi sent des va ri ables aléatoires uni-
fo rmes indépendan tes. Cependant, rien ne
permet d'affirmer qu'une suite particulière
ti rée des photons (ou d'un aut re procédé
m icroscopique) est une su ite aléatoire au
sens de Martin-Lof : les suites prove nant de
tirages indépendants équi li brés ne sont pas
toutes aléatoires au sens mathématique.
Il n'existe ainsi aucune méthode dont on
puisse dire avec certitude qu 'elle produ it
des suites aléatoires, et celles de la méca-
nique quantique ne font pas exception.
Les méthodes algorithm iques n'en pro-
duisent certainement pas et cela conce rne :
- les ch iffres des nombres irrationnels tels
que rr, J2, etc.;
- les méthodes proposées dans les lan-
gages de programmation qu i produ isent un
hasa rd assez bien équ il ibré, mais parfo is
prédictible et souvent imparfa it quand on
y regarde de près ;
- les méthodes cryptograp hiques, q ui sont
conçues pour ne pas être aussi fac ilement
prédictibles, mais q ui, du fait de leur nature
algorithm ique, n'en donnent pas pour
autant des sui tes aléatoires au sens absolu.
Pour les procédés mécaniques, la physique
newton ienne affirme que les tirages succes-
sifs sont détermin istes et, par conséquent,
n 'ont aucune raison de donner des suites
incompress ibles ou imprévisibles.
Quant aux méthodes m icroscopiques, rien
dans les principes mêmes de la mécani que
quantique ne garantit la production de
véritables séquences aléatoires au sens fo rt.
À moins de compléter les axiomes de la
théorie, il n'est au jourd'hu i pas justifi é de
d ire qu'un procédé quantique produit avec
une certi tude absolue de l'aléa for t comme
Marti n-Lof l'a défin i. Il faut peut-être refor-
mu ler la théorie quantique pour que cela
change, m ais personne pour l'instant ne
le propose. Il faut donc cesser d'affirmer
que les méthodes quantiques de produc-
tio n d'aléa so nt bien fond ées, à l'opposé des
méthodes mécan iques ou algorithmiques.
• Insaisissable hasard
Malgré tout cela, et c'est ici qu'il y a un
paradoxe, pour les tests conçus depui s un
siècle et qu i sont soigneusement collectés,
par exemple par le N I ST aux États-unis, tout

104 J M A T H ÉMATIQUES ET MYSTÈRES

semble aller très bien. Il n'y a pas de diffé-
rences repérables entre les moins assurées
(théoriquement) des suites pseudo-aléatoires
(comme la suite des chiffres de TI), les suites
aléatoires mécaniques (produites avec pré-
cautions) et les suites aléatoires quantiques.
Régulièrement, certains chercheurs ont
prétendu repérer et mesurer des diffé-
re nces entre dive rses suites aléatoires (par
exemple entre les chiffres de TI et ceux
d'autres constantes). Cependant, jamais
ces affirmations n'ont été confirmées et,
au contraire, on a en général découve rt des
erreurs méthodologiques de la pa rt de ceux
qui annonçaient avoir repéré des nuances
mesurables entre suites aléatoires. Un
article de George Marsaglia, grand spécia-
liste de l'aléa informatique, publié en 200 5
conclut de manière formelle après l'utilisa-
tion des meilleures batteries de tests di spo-
nibles que les chiffres des développements
de nombres irrationnels tels que TI, e, )2,
aussi bien d'ailleurs que ceux des nombres
rationnels k/p, où p est un nombre premier
assez grand, semblent se comporter comme
s'ils provenaient d'une suite de tirages indé-
pendants équitables : la théorie et la pra-
tique divergent au maximum !
L 'I MPOS S IBLE H ASAR D ,Îil 105
 I

El Equations résolubles
ou non?
Parfois, une équation semble impossible à résoudre. Cette impossibilité
est-elle théorique et définitive, ou peut-on la contourner? En cherchant à répondre
à de telles questions, les mathématiciens ont, au fil des siècles,
franchi des étapes capitales.

u lycée, on apprend à résoudre des symboliques et traitent des équations trop

A équations et des systèmes d'équa-
tions. L'élève qui a compris les méthodes
ense ignées traitera une large catégo rie de
problèmes. Pour chacun d'eux, il mettra en
œuvre une «recette» qui , s'il procède avec
soin, le condu ira à la soluti on.
Les logiciels de calcu l formel, Sage, Pari/CP,
Mathematica, Maple, etc., se substituent à
l'élève et, à l'a ide de fo nctions qui se nom-
ment par exemple salve, fon t des calculs
compliquées pour le cerveau humain. Util i-
sant toute la puissance de nos machi nes et
le savoir-fa ire des mathématiciens et ingé-
nieurs qu i développent et perfectionnent
les algorithmes, ces logiciels sont d'incom-
parables experts en calcul. Le logiciel Maple,
par exemple, trouve instantanément les
quatre solu tions de l'équation X4 - 6X2 + 6 = 0 :
3+\/3, - ~ ,~ , -~ .

L'invention des nombres complexes

Jérôme Cardan a publié une méthode (sans HIERONYMI CAR
doute due à son rival Tartaglia) pour résoudre ai'+bx2+cx+d = O a / 0
DAN! . PRA;STANTISSIMI MATH E
les équations polynomiales de degré 3 à une •AT ICI• , Jfll.OIOP • t• A C a a DICh

inconnue. Comme pour celles de degré 2, il b ARTIS MAGNJE,

X1 = S +T-- SIVE DE REGVLIS ALGEBRAICIS.
propose des formules qui donnent les solu- 3a u,...,.,, Qpl 8< IOdul opaù dcAridimaia, cp,d
tions en fonction des coefficients de l'équation,
S+ T b iy'3 OPVS PERFECTVM
Z2 = - - - - + - ( S - T) lnfaipG<,dlin ordù,cOccimu,.
notés ici a, b, c et d, et du nombre complexe i. 2 3a 2
S+T b iy'3
Les formules générales pour le troisième X3 =------(S-T)
degré sont analogues à celles qu'on apprend 2 3a 2
à l'école pour le second degré ... mais sont
beaucoup plus compliquées. Nous les indi- S=JR+~
quons ci-dessous en notation moderne et
sans démonstration, juste pour le plaisir
esthétique.
T= JR-JQ +R 3 2

l.'.Ars Magna de Jérôme Cardan a été publié en

1545. li est écrit en latin. Cet ouvrage contient
3ac-b2
Q=~
les premières solutions générales d'équations
polynomiales de degré 3. R = 9alx:- 27a2d- 2b3
54a3

106 _. MATH ÉMATIQU E S ET MYSTÈRES

Il écrit ainsi les résultats, et non pas de
manière approchée en donnant quelques
décimales (ce qu 'il sait faire aussi) .
Mieux, il trouve les six solutions de
l'équation : X 6 -2 6X5 + 250X4 - l l 60 X 3 +
2749X 2 -313 4 X + 1320=0, qui sont 1, 2, 3,
4, 5, 11 . Il n 'a aucun mal non plus quand on
utilise des nombres transcendants comme
coeffi cients (qu 'il ne remplace pas par des
valeurs approchées, mais traite symboli-
quement) . Pour l'équation :
_x'!- rrX3 -6X3 +6rrX2 + l lX2 - l lrrX-6X+ 6 n: =0,
en quelq ues fr actions de seconde, il donne
les solutions qui sont 1, 2, 3, n:.
Se posent alors plusieurs questions. Ce que
font ces logiciels est-il parfa it ? Seront-ils
améliorables jusqu'à résoudre toute équa-
tion ? Seront-ils confrontés à des difficultés
insurmontables et si oui, connaît-on des
équations définiti vement insolubles?
Les réponses à ces questions exigent une
formulation plus précise, mais si nous fai-
sons cet effort, alors ce que nous apprennent
les mathématiques et la logique est extrê-
mement clair... et souvent inattendu. Au
passage, nous constaterons que de nom-
breux progrès mathématiques prov iennent
de l'étude des équations insolubles, ou qui
apparaissaient telles. C'est en comprenant
la nature des insolubilités que de profondes
ava ncées se produi sent, dont l'histoire est
loin d'être achevée. Ces avancées annon-
cent peut-être des mathématiques créées
par les ordinateurs, que David Ruelle entre-
voit (voir l'encadré p. 111).
On sait depuis !'Antiquité que certaines
équations n'ont pas de solution, ou du moins
n'en ont pas du genre qu 'on aurait aimé.
L'équation X2 - 2 = 0, équi valente à X2 = 2,
provoqua une révolution mathématique. La
résoud re, c'est trouver des nombres qui,
multipliés par eux-mêmes, donnent 2.
Les mathématiciens grecs recherchaient
et attendaient une solution sous la fo rme
d'un quotient de deux entiers. Au y e siècle
ava nt notre ère, Hippase de Métaponte
déco uv rit, du moins d 'après ce qu 'on croit
savoir de l'hi stoire de cette période peu
docu mentée, qu 'on n'y arri ve rait jamais. Il
n'existe pas de soluti on à cette équation de
L'équation du cinquième degré
Les équations polynomiales de pas trop que l'existence d'Abel se
degré 5 ne possèdent pas tou- soit passée si tristement. Celui qui,
jours de solution s'exprimant à pendant toute sa vie, a dû aller à
l'aide des coefficients de l'équa- une aussi rude école, a le privilège
tion, des opérations usuelles (addi- de voir et de penser autrement que
tion, soustraction, multiplication, la majorité des hommes; et si, par
quotient) et du symbole de racine ses efforts et ses études profondes,
(cinquième ou autre}. Cette insolu- il a acquis le don de lire les pensées
bilité par radicaux des équations des temps à venir, il ne se fait pas
de degré 5 ou plus fut établie par l'illusion d'être compris par les
Niels Abel, et précisée par Éva- siens ou par ses contemporains.
riste Galois. Leurs travaux mirent Mais, quand le bonheur lui échap-
fin à une quête infructueuse de perait, il n'en a pas moins beaucoup
plus de trois siècles, durant les- vu, et il sait qu'il n'a pas vécu en
quels on chercha à généraliser les vain.»
méthodes de Cardan pour le troi- La veille de sa mort en duel, Galois
sième degré et de Ferrari pour le annota son mémoire sur la théorie
quatrième. de !'insolubilité des équations de
Abel (1802-1829) et Galois (1811- degré supérieur à 5. Pressé par le
1832) sont morts jeunes et mal temps, il écrivit (ci-dessous): « Il y
compris. Toutefois le biographe a quelque chose à compléter dans
d'Abel, Carl Anton Bjerknes, cette démonstration. Je n'ai pas le
écrivit: « Au reste, ne regrettons temps».
la forme X= n/d avec n et d entiers. C'était
très ennuyeux, ca r la diago nale d'un carré
de côté 1 a pour lo ngueur un no mbre X qui
vé rifie l'équation, ce qui rend donc inco n-
cevable de nier l'existence d 'une solution
à l'équatio n !
Prouve r l'inexistence de n et d est simple et
p rocède d 'un raiso nneme nt par l'absurde.
Il utili se le fait que le carré d 'un nombre
impair l'est aussi, ce qui est évide nt car
(2m + 1) 2 = 4m 2 + 4m + 1, et des ma nipu-
lations fa ciles. Supposon s qu 'il existe un
couple d 'entiers (n, d) tel que (n/ d) 2 = 2, et
mont ro ns que cela conduit à une contra-
dictio n. On peut supposer q ue n est im pair
ÉQUATIONS RÉSOLUBLES OU NON ? .JI 107
 ou que d est impair (si net d sont tous les
deux pairs, on les divisera par 2 autant de
fois que nécessaire). On tire de l'égalité
supposée que n2 = 2d 2, dont on déduit que
n est pair (s'il était impair, n2 le serait et ne
pourrait pas être égal à 2d2, qui est pair).
En posant n = 2n', on obtient 4n,z = 2d 2 ,
donc 2n ,z = d2. On en tire alors que d est
pair (s'il était impair, d2 le serait aussi et ne
pourrait être égal à 2n'2 ). On a ainsi prouvé
que n et d étaient tous les deux pairs, ce
qui contredit le fait que nous avions
déjà simplifié la fraction n/d. L'équation
X 2 - 2 = 0 est donc insoluble, pour celui
qui ne recherche que des solutions s'écri-
vant comme quotient des deux entiers.
Aujourd'hui, on sait qu'en acceptant les
nombres irrationnels (non-quotients de deux
entiers), l'équation est résoluble, et qu'elle
a deux solutions que nous écrivons V2 et
- V2. Le nombre V2 se calcule aussi loin
qu'on le souhaite, bien que son écriture
en base 10 (ou n'importe quelle base) ne
s'arrête jamais (puisqu'il est irrationnel):
V2 = l,4142135623730950488016887 ...
La morale de cette histoire est que, pour
mesurer les objets les plus simples de
la géométrie, nous ne pouvons nous
contenter des quotients de deux entiers.
L'élémentaire figure géométrique d'un
carré nous oblige à accepter l'infinité des
chiffres de certains nombres. La notion
moderne de nombre réel est née d'une
insolubilité rencontrée par les Grecs.
Les équations polynomiales à coefficients
entiers ont d'ailleurs été à l'origine d'autres
progrès mathématiques quelques siècles
plus tard, notamment l'introduction des
nombres complexes.
L'équation X2 + 2X + 2 = 0 n 'a pas de solu-
tions réelles : le carré d'un nombre réel est
toujours positif ou nul, d'où:
x2 + 2x + 2 =x2 + 2X + 1 + 1
= (X+ 1)2 + 1 ;:;,, 1 > O.
Aucun nombre réel, rationnel ou irra-
tionnel, ne peut annuler le polynôme qui
ne prend que des valeurs strictement posi-
tives. On a affaire à une équation inso-
luble. Comme précédemment, elle ne l'est
plus si on élargit notre idée de nombres
108 j MATHÉMATIQUES ET M Y STÈRES
et qu'on envisage que les nombres néga-
tifs soient des carrés. Jérôme Cardan,
au milieu du xv1• siècle, franchit ce pas
téméraire, qui a conduit à la théorie des
nombres complexes.
En introduisant un nombre i dont le carré
est -1 (c'est-à-dire i 2 = -1) , on obtient un
ensemble de nombres particulièrement
intéressants, les nombres complexes. Ils
permettent d'affirmer qu'une équation
polynomiale de degré n possède toujours
n solutions (théorème fondamental de
l'algèbre). Un autre énoncé plus précis
est que tout polynôme de degré n, à coef-
ficients réels ou complexes, se factorise
sous la forme du produit d'une constante c
par n monômes (X - s) avec c et s des
nombres complexes (les s sont les racines
du polynôme).
Les logiciels de calcul formel utilisent
les nombres complexes. Ils indiquent
ainsi que l'équation X2 + 2X + 2 = 0 a
deux solutions s 1 = - 1 + i et s 2 = - 1 - i,
ce qui conduit à la factorisation:
X2 + 2X+2= [X- {-1 + i)l[X - {-1 - i)].
Un autre problème d'équation insoluble est
à l'origine de l'algèbre moderne. La méthode
apprise au lycée pour résoudre les équations
du second degré utilise des racines carrées.
Souvenez-vous : aX2 + bX + c = 0 ; t:,. = b2 - 4ac,
s = (- b± vt,,)/2a.
• Résoluble par radicaux?
La méthode s'étend aux équations du
second degré à coefficients complexes.
Mieux, toujours grâce aux nombres com-
plexes, Cardan montra (en volant semble-
t-il l'idée à Niccolo Fontana Tartaglia)
que toute équation du troisième degré a
des solutions qui s'expriment à l'aide de
racines cubiques. Mieux encore, Ludo-
vico Ferrari établit que toute équation du
quatrième degré a des solutions qui s'ex-
priment avec des racines quatrièmes. On
s'est alors imaginé qu 'on trouverait des
formules utilisant les racines n-ièmes pour
résoudre les équations polynomiales de
degré n.
 Faisable ou pas?
Certains problèmes d'équations ou d'inéqua-
tions sont traitables par algorithme, d'autres
non. Le travail du mathématicien est de pré-
ciser l'endroit exact où passe cette frontière
entre le possible et l'impossible.
Voici deux exemples, l'un d'un problème déci-
dable et l'autre d'un problème indécidable.
proposés en 2002 par Mikl6s Laczkovich
(Proc. of the Am. Math. Soc., vol. 131, pp.
2235-2240).
1) On considère toutes les expressions f(x)
utilisant des nombres entiers. l'addition. la
Ce problème de la « résolubilité des équa-
tions de degré n par radicaux n-ièmes » se
révéla plus coriace que prévu : pendant
presque trois siècles, on a essayé en vain
de trouver une méthode générale pour les
équations de degré 5, qui aurait succédé à
celle de Ferrari.
L'illusion fut dissipée quand le mathéma-
ticien norvégien Niels Abel (1802-1829)
prouva en 1824 que certaines équations de
degré 5, comme X5 - 3X - 1 = 0, ne sont
pas résolubles par radicaux. Une telle équa-
tion a bien cinq solutions comme l'indique
le théorème fondame ntal de l'algèbre, mais
on ne peut pas les exprimer en utilisant seu-
lement les notations usuelles et les radicaux
cinquièmes (ou autres). Vouloir ne consi-
dérer comme nombre que ce qu'on obtient
à partir des entiers, des radicaux et des opé-
rations arithmétiques habituelles, comme
vouloir se limiter aux nombres quotients
d'entiers, rend insolubles des équations qui
ont pourtant des solutions. Dit autrement:
ajouter Y2 et les nombres du même type ne
suffit pas pour avoir tous les nombres réels.
Notre logiciel de calcul indique que l'équa-
tion X5 - 3X - 1 = 0 a trois solutions réelles
et deux solutions complexes. Il n'en propose
pas des expressions formelles, puisqu'elles
n'existent pas, mais il les écrit sous forme
approchée quand on le lui demande :
x 1 = 1,388 79198440725 ...
X2 =-0,33473414 1943352 ...
X3 = -1 ,21464804269846 ...
soustraction, la multiplication, x, sin(xn), et
sin(x.sin(x1). Exemple:f(x) • 3sin(sin(x5J)sin(x3)- t
Il n'existe pas d'algorithmes permettant de
savoir, pour toute expression f(x) de ce type,
s'il existe un nombre réel x tel que f(x) > O.
2) On considère toutes les expressions f(x) utili-
sant des nombres entiers, l'addition, la soustrac-
tion, la multiplication, x, sinM, cos(xn). Exemple:
f(x) " 3sin(x5) + cos(x3.) sin(x2) - cos(x7).
On connaît un algorithme permettant de savoir,
pour toute expression f(x) de ce type, s'il existe
un nombre réel x tel que f(x) > O.
X4 =0, 080295100117 ... + 1,328355 1098 ... i
X 5 =0,0802951001 l 7... - l ,3283551098 ...i.
Notons que Abel avait été précédé par le
mathématicien italien Paolo Ruffini (1765-
1822) qui affirma !'insolubilité par radi-
caux des équations de degré supérieur à 4,
mais sans en proposer de démonstrations
satisfaisantes. Le jeune et génial mathé-
maticien français Évariste Galois (1811 -
1832) perfectionna les résultats d'Abel,
ouvrant la voie au point de vue structural
en algèbre qui prévaut encore aujourd'hui.
Les trois découvreurs de !'insolubilité par
radicaux des équations de degré supérieur
à 4, du fait de la nouveauté de leurs tra-
vaux, ne réussirent que très difficilement
à les faire reconnaître par la communauté
mathématique. Celle-ci les considéra avec
scepticisme ou mépris, avant d'encenser
ces exceptionnels inventeurs ... après leur
mort.
Cela n'était pas du tout évident au moment
où les extensions de la notion de nombres
furent proposées, mais la leçon est que si
on se donne une équation et un domaine de
nombres dans lequel on recherche les solu-
tions, il se peut que la réponse soit : « Dans
le domaine où vous recherchez des solu-
tions, vous n'en trouverez pas! ». En mathé-
matiques, établir « Ce problème n'a pas de
solution » est une faço n parfaitement satis-
faisante de le résoudre ... pourvu que !'insolu-
bilité soit démontrée. De plus, se dégager de
!'insolubilité en introduisant de nouveaux
ÉQUATIONS RÉSOLUBLES OU NON? .~ 109
 L'inso/ubilité du problème des trois corps
Le problème des n corps en phy- les résoudre. On les perfectionne
sique donne des équations diffi· sans relâche et aujourd'hui, on
ciles à résoudre analytiquement sait simuler la dynamique de sys-
dès que n est supérieur à 2. Mais tèmes de n corps avec n dépas-
cette impossibilité de résoudre sant un million.
le problème en produisant des Les progrès réalisés par les
solutions dotées d'expressions méthodes numériques portent
mathématiques simples (il y a aussi sur la classification des solu-
diverses façons de définir ce tians périodiques du problème
que sont de telles expressions) des trois corps. En 2013, Milovan
est analogue à l'impossibilité Suvakov et Veljko Dmitrasinovic
de la résolution des équations de l'Université de Belgrade ont
polynomiales de degré 5 par ainsi découvert 13 nouvelles
radicaux et ne signifie pas familles de solutions périodiques
que les équations sont inso- au problème des trois corps. (voir
lubies. Les méthodes de calcul la prépublication http://arxiv.org/
approché réussissent très bien à pdf/1303.0lBlvl.pdf).
nombres est une méthode féconde et un
moteur efficace du progrès.
Le problème dit des n corps est moins
connu, mais d'une nature comparable aux
questions que nous venons de mentionner.
Il s'agit de déterminer les trajectoires de
n corps soumis aux forces de gravitation.
Dans le cas de deux corps, la solution des
équations a été donnée par Newton. Pour
plus de deux corps, le problème est sou-
vent présenté comme insoluble. Pour-
tant, ce n'est vrai que si l'on recherche
des solutions d'un certain type ou par des
méthodes fixées à l'avance. On a tort de
dire que le problème des n corps est inso-
luble, en laissant entendre qu'il présente
des difficultés mathématiques insurmon-
tables ou qu'il n'a pas du tout de solution.
Ce problème possède des solutions que la
nature calcule, seule, sans mal, et que nos
machines savent aussi déterminer avec une
précision aussi grande qu'on le veut. Les
insolubilités mentionnées ne sont que par-
tielles, comme quand on voulait des solu-
tions avec radicaux pour les équations de
degré supérieur à 4. Sur un plan pratique,
même quand les solutions d'une équation de
degré supérieur à 4 ne s'expriment pas avec
des radicaux, on sait en calculer des valeurs
approchées aussi bonnes qu'on le souhaite.
On dispose d'excellentes techniques pour
110 ~ MATHÉMATIQUES ET MYSTÈRES
traiter le problème des n corps et mener
des simulations de la dynamique de n corps
avec un million de corps quand on prend en
compte les collisions, et avec un milliard de
corps si on néglige les collisions.
Dans le cas du problème des trois corps,
quelque chose d'intéressant et d'inattendu
se produit. Une solution analytique exacte a
été découverte par Karl Sundman en 1909.
Elle se présente sous la forme de séries
infinies dont la convergence est extrême-
ment lente, au point qu'il faudrait utiliser
108000000 termes de ces séries pour obtenir
une précision équivalente à celle des calculs
habituels d'éphémérides. Ces séries sont
donc inutiles et, pour résoudre le problème
numérique, on utilise des méthodes appro-
chées générales plutôt que les séries de
Sundman. Rechercher des solutions ayant
de belles expressions mathématiques est ici
contre-productif!
Notons que la recherche sur ces sujets se
poursuit avec, parfois, d'étonnantes décou-
vertes. En 2013, Milovan Suvakov et Veljko
Dmitrasinovic de l'Université de Belgrade
découvrirent à l'aide de calcul massif par
ordinateur 13 nouvelles familles de solutions
périodiques au problème des trois corps,
complétant les trois familles périodiques déjà
connues, dues à Lagrange et Euler pour la
première, à Roger Broucke et Michel Hénon
pour la seconde et à Christopher Moore pour
la troisième.
• Quand le calcul numérique
est impossible
Pour de nombreuses familles d'équations,
les méthodes numériques donnent des
résultats satisfaisants, qu'on cherche bien
évidemment à perfectionner, par exemple
pour que la convergence des calculs soit plus
rapide - une tâche sans fin. Il existe pour-
tant un cas remarquable où la situation est
désespérée, même en utilisant des méthodes
numériques.
Le nombre fl (oméga) de Chaitin, défini
comme une probabilité d'arrêt d'une cer-
taine machine abstraite, est la solution d'une
 Les ordinateurs prendront-ils le pouvoir?
Les logiciels de
calcul formel, de
démonstration auto-
matique et les assis-
tants de preuve (qui
aident le mathéma-
ticien à écrire des
démonstrations sans erreur) conduisent
à une pratique des mathématiques où
l'ordinateur tient un rôle de plus en plus
important.
Dans un article intitulé Post-Human
Mathematics, le mathématicien-physi-
cien David Ruelle, professeur honoraire à
l'IHÊS, s'interroge sur l'avenir des mathé-
matiques quand les ordinateurs y joue-
ront un rôle peut-être devenu dominant
(http://arxiv.org/pdf/1308.4678.pdf).
« Ma conclusion temporaire est que
nous ne pouvons pas exclure que les
ordinateurs puissent penser, mais que
s'ils y arrivent, alors ce sera d'une
façon très différente de celle des
humains. La situation est un peu sem-
blable à celle de la chimie organique
de synthèse: la synthèse de composés
organiques n'est pas impossible, loin de
là, mais on y arrive en général en pro-
cédant d'une façon très différente des
organismes vivants. [...] Les mathéma-
tiques d'aujourd'hui sont une construc-
tion humaine où les ordinateurs sont de
plus en plus utilisés, mais ne jouent pas
un rôle créatif.
La situation pourrait changer: les ordi-
nateurs pourraient devenir créatifs, et
puisqu'ils fonctionnent d'une manière
très différente des cerveaux humains,
ils pourraient produire des mathéma-
tiques très différentes. [...]. Je ne suis
pas impatient de voir les ordinateurs
remplacer les mathématiciens humains.
Ce serait, ou ce sera, une chose triste
à certains égards, mais je ne veux pas
être aveugle à cette éventualité. Les
effets de la synthèse organique indus-
trielle sur l'humanité ont été énormes,
ce fut parfois bien et parfois terrible,
mais aucun retour en arrière à l'époque
pré-Wohler n'est possible. De même, les
mathématiques entrent probablement
dans une ère nouvelle, et il est sans
aucun doute intéressant de deviner ce
qu'elle sera.»

équation faisant intervenir une énuméra-
tion de machines élémentaires. C'est un
nombre parfaitement défini, dont on peut
approcher la valeur en menant des calculs,
ce qui d'ailleurs a été fait en 2002 par Cris-
tian Calude, Michael Dinneen et Chi-Kou
Shu. Cependant, cette résolution d'équation
est déconcertante pour une double raison.
- On sait produire des suites de nombres
rationnels (r,) ayant !l pour limite, mais
on ne sait pas dire jusqu'où il fa udrait aller
dans la suite pour avoir une erreur infé-
rieure à 1/ n par exemple. En calculant (rn)
on est certain qu 'on s'approche, mais il
est impossible de proposer des évalua-
tions de l'erreur qui tendent vers O quand
n augmente.
- On sait que toute suite de nombres
rationnels (r,) calculée par algorithme
et approchant !l le fait plus lentement
que n'importe quelle suite calculable de
nombres rationnels s'approchant de O. La
convergence vers O de l'erreur est assurée,
mais elle sera toujours plus lente que celle
de l/n, plus lente que celle de 1/ [ln (n) J,
plus lente que celle de 1/ [ln (ln (n)) J, etc.
([xj désigne la partie entière de x, utilisée
ici pour avoir des suites de nombres
rationnels).
L'équation dont !l est solution est donc
insoluble en ce sens qu 'aucune méthode
ne sera jamais efficace pour en calculer
la solution même de manière approchée.
Cette forme d 'insolubilité pratique que
la théorie du calcul et la logique mathé-
matique nous offrent ici est loin d'être la
seule que le xx• siècle a mise en évidence.
Elle prolonge les résultats d'insol ubilité
de Ruffini, Abel et Galois .
• Des algorithmes
pour toute équation?
Nous qualifierons cependant tous ces cas
d'insolubilité de bénins : on sait que l'équa-
tion n'a pas de solution ou on sait que, du
fait de sa nature, elle a des solutions qu 'on
ne connaîtra que de manière approchée et
même parfois sans pouvoir contrôler l'er-
reur, mais au fond, l'équation est quand
même traitée. Ce qui importe pour le
mathématicien et encore plus pour l'ingé-
nieur qui perfectionne les programmes
de calcul forme l est la mise au point de

ÉQUATIONS RÉSOLUBLES OU NON ? ,I 111

 méthodes générales permettant de résoudre
une famille d'équations.
En algèbre linéaire, on sait par exemple
comment s'y prendre face à n'importe
quel système d'équations du type:
X+ 2y + 3z = 1,
x+3y+2z=1,
3x +y+ 2z = 1,
dont x = y = z = 1/ 6 est l'unique solution,
ce qu'un logiciel de calcul formel trouve
immédiatement. La présence de coeffi-
cients irrationnels ne gêne pas un bon logi-
ciel, qui résoudra sans plus de peine un
système tel que :
X+ 2y + 3z =TI+ 5,
2x + 3y + 2z = 2n: + 5,
3x + n:y + n:z = Sn:,
dont les solutions sont x = n:, y = z = 1.
Des algorithmes mis au point par les mathé-
maticiens sont introduits dans le programme
des logiciels de calcul formel. Ils traitent
donc parfaitement des familles entières
d'équations et de systèmes d'équations, voire
d'inéquations. La question est alors de savoir
si on pourra toujours aller plus loin dans la
mise au point d'algorithmes qui fonctionne-
raient pour des familles variées d'équations
et d'inéquations, de plus en plus vastes.
Par expérience, on sait depuis longtemps
qu'il est difficile de résoudre les équations
polynomiales à coefficients entiers comme
xi + 5 Y 3 + 2Z 4 = 11 dont on cherche des
solutions entières. Ces équations sont dites
diophantiennes (en l'honneur du mathéma-
ticien grec Diophante d'Alexandrie) . David
Hilbert affirma en 1900 qu'il n'existait pro-
bablement pas de méthode générale pour
les résoudre. L'un des grands succès de la
logique mathématique fut de donner un sens
et une démonstration à cette intuition. Ache-
vant un travail commencé par les chercheurs
américains Martin Davis, Hilary Putnam et
Julia Robinson, le mathématicien russe Yuri
Matiyasevich prouva en 1970 qu'il n'existe
pas d'algorithme permettant de savoir, pour
toute équation diophantienne, si elle a ou
non des solutions entières.
Cette « indécidabilité du dixième problème
de Hilbert» signifie que les logiciels de calcul
formel ne sont pas tout-puissants. Jamais on
112 ., i M ATHÉMATIQUES ET M Y STÈRES
n'en programmera un qui, face à n'importe
quelle équation diophantienne, saura dire si
elle possède des solutions entières, et a for-
tiori les déterminer quand il y en a.
Aujourd'hui encore, on s'intéresse aux équa-
tions diophantiennes. On recherche non
plus des solutions qui soient des nombres
entiers, mais des nombres appartenant à
d'autres structures algébriques. Des résultats
positifs et négatifs sont obtenus, précisant
le paysage de !'insolubilité selon les familles
de nombres que l'on considère. Le travail du
mathématicien est devenu double : trouver
des méthodes algorithmiques de résolution
pour des familles d'équations les plus larges
possible et, le cas échéant, démontrer que de
telles méthodes n'existent pas.
Kirsten Eisentrager et Alexandra Shlapen-
tokh ont ainsi établi en 2013 un résultat très
général résolvant le dixième problème de
Hilbert pour les équations diophantiennes
dont on recherche les solutions parmi les
fonctions . Assez étrangement, un problème
très simple de cette catégorie reste obstiné-
ment mystérieux : celui des nombres ration-
nels. En effet, on ignore s'il existe oui ou
non un algorithme permettant de trouver
les solutions rationnelles de toute équation
polynomiale à coefficients rationnels.
• Simplifier n'importe
quelle expression?
Terminons en mentionnant un résultat
inattendu qui montre que même la vérifi-
cation d'une formule ou sa simplification
pose parfois d'insurmontables difficultés.
Si on vous souffle que X= 1, Y= 2 et Z= 3 est
une solution de l'équation diophantienne
xi+ 2Y3- 3Z - 8 =0, vous n'aurez aucun mal
à le vérifier (il suffit de remplacer les variables
de la partie gauche par les valeurs proposées,
et de faire le calcul). Vérifier une identité
semble être une simple question de patience
qu'un ordinateur sera toujours capable de
mener. Contrôler que des solutions propo-
sées pour une équation sont correctes est une
tâche plus facile qu'en trouver les solutions :
c'est la fameuse asymétrie entre «trouver »
et «vérifier» , si utile en cryptographie. Pour-
tant, même le travail de vérification peut être
difficile: il existe des familles de problèmes
de vérifications qu'aucun algorithme ne trai-
tera jamais parfaitement.
Parmi les identités faisant intervenir les
fonctions sin x et cos x, on a la fameuse
relation sin 2 x + cos 2 x = 1, ainsi que
sin 2x = 2 sin x cos x, dont on déduit par
exemple: 4 sin 2 x cos 2 x + cos 2 2x - 1 = O. Un
logiciel de calcul formel trouve effective-
ment Oquand on lui demande de simplifier
4 sin 2 x cos 2 x + cos 2 2x - 1. Plus compliqué
(j'ai essayé !), il trouve aussi que 2 sinx cos x
+ 4cos 3 x - 3 cosx - sin2x- cos3x vaut 0
pour tout x.
Face à de telles identités, dispose-t-on de
méthodes de simplification efficaces et
générales, c'est-à-dire garantissant que si
on leur donne une expression identique-
ment nulle, elles s'en apercevront ?
Le théorème de Daniel Richardson, démontré
en 1968 et récemment perfectionné par
Mikloz Laczkovich, indique que, là encore, le
pouvoir des algorithmes est limité. Ce théo-
rème décrit une catégorie de problèmes de
simplification qu'aucun algorithme ne sera
jamais capable de traiter parfaitement.
D. Richardson considère toutes les expres-
sions désignant des fonctions d'une variable
réelle et construites en utilisant des nombres
rationnels, les constantes TI et ln (2), les fonc-
tions sinx, expx et lxl (valeur absolue de x) ,
et les opérations d'addition, de soustrac-
tion, de multiplication et de composition de
fonctions. Il démontre qu'aucun algorithme
ne peut reconnaître toutes les expressions
désignant la fonction nulle. Autrement dit,
aucune méthode automatique ne sera jamais
capable de simplifier toutes les formules qui
peuvent l'être.
Une multitude de résultats de ce type sont
maintenant connus concernant les équa-
tions entre mots, entre matrices, entre
fonctions, ou concernant le calcul automa-
tique des primitives. Ils nous apprennent
que l'automatisation des tâches de calculs
et de résolution d'équations est limitée
dans toutes les directions. Cela n'empêche
pas des progrès continus dans la program-
mation des calculs mathématiques et, au
contraire, permet d'y être plus efficaces.
Le travail de ceux qui améliorent les logi-
ciels de calcul formel présente un double
visage: d'une part, identifier ce qui est
impossible en prouvant des résultats
comme ceux de Y. Matiyasevich et de
D. Richardson, afin d'en déduire des objec-
tifs raisonnables; d'autre part, rechercher
des bons algorithmes qui mèneront des
calculs de plus en plus complexes, rapides
et variés. Les équations insolubles sont
au cœur des mathématiques depuis !'An-
tiquité. C'est en les maîtrisant et en les
comprenant que, bien souvent, les mathé-
matiques avancent.
ÉQUA TIONS RÉSOLUBLES OU N O N? JI 113
• L'embarrassant
paradoxe de Simpson
Les statistiques conduisent à des décisions fondées et rationnelles ...
à moins qu'un paradoxe ne s'en mêle, comme cela arrive
avec certains jeux de données.

n bon paradoxe est un paradoxe dont prescrire pour soigner les patients atteints
U on ne réussit jamais à se débarrasser.
Quand vous croyez en avoir trouvé la clef,
de la maladie.
Mais en analysant plus en détail les données
une remarque vous fait découvrir que et en considérant le sexe des personnes ayant
rien n 'est résolu. Les paradoxes de Zénon participé aux tests, on a une surprise : parmi
à propos de l'impossibilité du mouve- les hommes, le placebo réussit mieux que le
ment sont de tels paradoxes. Mais le plus médicament, et il en va de même parmi les
élémentaire de tous est le paradoxe de femmes . La somme des deux tableaux 2 et 3
Simpson dont on imagine des solutions ... redonne bien le tableau 1.
qui conduisent à d'autres paradoxes !
Sans cesse, des scientifiques et des utilisa- Total Guéri Non guéri Taux de guérison
teurs de statistiques tombent dans les pièges
Médicament 40 40 50 %
qu'il tend. Chaque année, paraissent des
articles qui tentent de déterminer son sens Placebo 32 48 40%
profond et la façon dont on doit le traiter. 2
Malgré cette littérature abondante, il n 'est Hommes Guéri Non guéri Taux de guérison
pas certain que l'on détienne une solution Médicament 60 %
36 24
entièrement satisfaisante pour se libérer de
Placebo 14 6 70 %
cette récalcitrante absurdité.
Imaginons la situation suivante. On mène 3
des tests en double aveugle sur un nouveau Femmes Guéri Non guéri Taux de guérison
médicament traitant une maladie grave. On Médicament 4 16 20 %
a traité 160 patients, dont 80 ont reçu le Placebo 30 %
18 42
médicament, et les 80 autres un placebo.
Le taux de guérison varie selon que l'on
considère les malades ayant pris le médica- Les trois tableaux sont compatibles, aucune
ment ou ceux ayant pris le placebo (voir le erreur ne s'est produite. Les résultats sont
tableau 1 ci-contre). Parmi les 80 patients sans appel : chez les hommes, le placebo
ayant pris le médicament, 40 ont été est meilleur que le médicament ; chez
guéris (50 % ). Parmi les 80 patients les femmes, le placebo est meilleur que
ayant reçu le placebo, seuls 32 ont été le médicament. Pourtant, en regroupant
guéris (40 % ). Ces résultats suggèrent que hommes et femmes, le médicament pro-
le médicament est efficace. Il faut donc le duit de meilleurs résultats que le placebo.

114 J MATHÉMATIQUES ET MYSTÈRES

 . Interprétation graphique
Le paradoxe de Simpson apparaît lorsque (c+c', d+d')
a/b < c/d, aïb' < cïrf et que néanmoins (a+a', b+b')
(a + a1/(b + b1 > (c + c1/(d + d'). Les gra-
phiques où les rapports a/b sont une
fonction monotone des angles indiqués
en fournissent la preuve graphique.
Grâce à cette représentation, on trouve
un exemple qui prouve que les trois
inégalités, même dans des cas simples
impliquant de petits nombres, peuvent
être vraies simultanément.

On se trouve dans un cas du paradoxe de • Explication arithmétique

Simpson: la fusion de données concluant
individuellement dans un sens - l'inutilité
du médicament testé - donne des résultats
concluant dans le sens inverse, l'utilité du
médicament.
La plus lointaine mention d'un cas ana-
logue remonte à 1899, où le mathéma-
ticien anglais Karl Pearson décrivit des
données équivalentes. Plus tard, en 1903,
Undy Yule redécouvrit le phénomène, et
le Britannique Edward Simpson (né en
1922) écrivit en 1951 un article où cette
singularité statistique était soigneusement
étudiée et discutée. Assez injustement
aujourd 'hui, ce type de données para-
doxales porte son nom.
De nombreux cas réels présentent cette
inversion de résultat lorsqu'on regroupe
plusieurs catégories complémentaires en
une seule. Chaque année, on découvre de
nouveaux exemples produisant étonne-
ment et incrédulité. On a rencontré le para-
doxe à propos des taux d'admission des
filles dans divers départements de l'Univer-
sité de Berkeley en 1973 : elles étaient meil-
leures que les garçons dans la plupart des
départements de l'université, mais quand
on fusionnait les résultats, leur taux général
d'admission à l'université était inférieur
à celui des garçons. De nombreux cas en
médecine ont été rapportés. Le paradoxe
a aussi été rencontré à propos de l'analyse
des matchs de basket-ball, en démographie,
dans l'étude des risques d'accidents, etc.
(voir l'encadré p. 116).
Avant de tenter de savoir s'il faut oui ou
non prescrire le médicament testé dans le
cas des tableaux 1-3, étudions l'arithmé-
tique du paradoxe. Si l'on note A, B, C et D
les quatre nombres du premier tableau, a, b,
cet d les quatre nombres du second tableau,
a', b', c' et d' les quatre nombres du troisième
tableau, on a les relations suivantes :
A = a + a' ; B = b + b' ; C = c + c' ; D = d + d' ;
A/B > CfD ; a/b < c/d ; a'/b' < c'/d'.
L'étonnement vient de ce que l'on croit que
[a/b<c/d et a'fb'<c'/d'J entraîne A/ B < C/D,
ou encore avec seulement les petites
lettres : [a/b < c/d et a'fb' < c'fd'J entraîne
(a+ a ')/ (b + b') < (c + c')/ (d + d').
Or aucune démonstration n'établira cette
implication entre inégalités arithmé-
tiques, puisque justement les nombres des
tableaux 1-3 vérifient les deux premières
inégalités et pas la troisième : 36/ 24 < 14/ 6
et 4/ 16 < 18/ 42, mais 40/ 40 > 32/ 48 (soit
1,5 < 2,33 et 0,25 < 0,42, mais 1 > 0,66).
Sur le plan arithmétique, il n'y a pas le
moindre paradoxe - seulement une légère
surprise dont on se libère en analysant
l'exemple qui nous montre que même si
a/b < c/d et a'fb' <e'fd', il ne faut pas en
conclure que (a+ a ')/ (b+ b') < (c+ c')/ (d+ d').
Une représentation graphique des don-
nées (voir l'encadré ci-dessus) illustre pour-
quoi il ne faut pas s'étonner de rencontrer
des jeux de huit paramètres produisant le
«paradoxe ». Cette représentation conduit
d'ailleurs à découvrir des cas encore plus

L'EMBARRASSANT PARADOXE DE SIMPSON .,,, 115

 Trois exemples réels
Pris parmi des dizaines d'autres, voici mesuré séparément par groupe eth-
trois cas réels où le paradoxe de Simpsonnique s'est accrue dans chaque groupe
a produit des surprises et a contraint à d'au moins huit points.
analyser plus finement ce que des mani- Gerald Bracey, de l'Université George
pulations statistiques imprudentes fai- Mason, a étudié cet étrange phénomène
saient apparaître. et a conclu qu'on était là en présence
d'un cas du paradoxe de Simpson.
Aptitudes en progrès pour tous, La clef de l'explication se trouve dans
mais dont la moyenne est stable. le fait que pendant la période consi-
Aux États-Unis, au cours des années dérée, le nombre d'élèves blancs soumis
1981-2002, la moyenne des notes obte- au test a proportionnellement décru,
et que la proportion d'élèves apparte-
nues par les élèves soumis au test lin-
nant à des minorités (réussissant en
guistique SAT (Scholastic Aptitude Test)
général moins bien le test linguistique)
a été stable, avec un résultat toujours
a augmenté, conduisant au total à une
proche de 504 points. Pourtant, durant
stagnation des résultats globaux qui,
cette période, la moyenne pour le test pourtant, progressaient dans chaque
catégorie.
Mauvais taux de mortalité dans chaque
tranche d'âge, mais globalement bons.
En 1986, Joel Cohen, de l'Université Roc-
kefeller à New York, a identifié un cas
réel de paradoxe de Simpson dans le
domaine de la démographie. Il s'est inté-
ressé à la mortalité au Costa Rica et en
Suède (connue pour son excellente espé-
rance de vie). Sans surprise, il a trouvé
qu'en 1960, le taux de mortalité des
femmes dans toute tranche d'âge fixée
était supérieur au Costa Rica, comparé
au taux équivalent en Suède. Pourtant,
le taux de mortalité général des femmes
au Costa Rica était inférieur à celui de la
Suède.
L'explication est encore liée au para-
Limitation de vitesse doxe de Simpson, et elle provient de la
structure différente des populations.
La population du Costa Rica est beau-
coup plus jeune en moyenne que celle
de la Suède, et donc les jeunes classes
d'âge (qui ont un faible taux de morta-
lité) pèsent plus dans la moyenne pour
le Costa Rica que pour la Suède, condui-
sant à un taux de mortalité global assez
faible au Costa Rica, malgré un taux
assez mauvais dans chaque tranche
d'âge.
En roulant plus vite, vous aurez moins
d'accidents.
Gary Davis, de l'Université du Minne-
sota, étudiait en 2004 la relation entre
le nombre d'accidents piéton-véhicule
et la vitesse moyenne des véhicules en
divers endroits d'une ville.
Il proposa une modélisation de cette
relation qu'il voulait utiliser pour éva-
luer l'intérêt de limiter plus sévèrement
la vitesse autorisée des véhicules. De
façon inattendue, le modèle montrait
qu'en faisant passer la limite de 30 miles
par heure à 25, le nombre d'accidents
augmenterait.
Là encore, bien que pour chaque type
de sites, le nombre d'accidents diminuait
quand la vitesse limite était réduite,
une agrégation malheureuse des don-
nées (qui ne prenait pas en compte que
le nombre d'accidents était bien plus
rare dans les zones résidentielles) engen-
drait une conclusion absurde.

simples de jeux de données présentant
la prétendue anomalie. En imposant aux
variables d'être des entiers entre 1 et 4,
on trouve pour les huit paramètres quatre
solutions qui sont:
(1, 2, 3, 4, 4, 2, 3, 1) (1, 3, 2, 4, 4, 3, 2, 1)
(4, 2, 3, 1, 1, 2, 3, 4) (4, 3, 2, 1, 1, 3, 2, 4 ).
Lorsqu'on impose aux variables d'être des
entiers entre 1 et 5, le nombre de solutions
explose: il y en a 232. Pour l'intervalle de
1 à 6, il y en a 1 370. Pour les intervalles
suivants, le nombre de solutions est 8 126,
puis 28 252, puis 86 140, etc. La proportion
de jeux de huit entiers pris entre 1 et n véri-
fiant les inégalités du paradoxe (ou les inéga-
lités inverses qui sont aussi paradoxales) tend
vers 0,9606 % quand n tend vers l'infini.
• Comment raisonner?
Tout n'est cependant pas réglé pour autant
et, dans la réalité, un médecin face aux
données des trois tableaux indiqués doit
prendre une décisio n : oui ou non, faut-
il prescrire le médicament qui semble

116 ,I MATHÉMATIQUES ET MYS T ÈRES

efficace (d'après le tableau 1) et qui semble
moins bon que le placebo (d'après les
tableaux 2 et 3) ?
Imaginez-vous à la place du médecin. Com-
ment allez-vous raisonner? Plusieurs atti-
tudes sont possibles.
Point de vue 1. Quand j'ignore si c'est un
homme ou une femme (car par exemple je
suis en train de traiter le cas d'un malade
anonyme), je ne tiens compte que de la sta-
tistique générale qui est celle qui s'applique
dans ce cas. Je donne donc le médicament,
car je sais qu'il conduit à la guérison dans
50 % des cas d'après le tableau 1, alors que
le placebo ne conduit à la guérison que dans
40 % des cas. En revanche, lorsque j'ai plus
de précisions sur la personne à traiter et que
je sais s'il s'agit d'un homme ou d'une femme,
je regarde la statistique correspondante (donc
le tableau 2 ou le tableau 3). Pour un homme,
je donne le placebo, car la statistique du
tableau 2 pour les hommes me conseille de
donner le placebo. Pour une femme, je donne
aussi le placebo, car la statistique du tableau 3
pour les femmes me dit que c'est préférable.
L'information sur le sexe du patient me
conduit à changer de prescription. Ce n'est
pas absurde: l'apport de nouvelles informa-
tions justifie souvent de changer ses choix.
Mais à y regarder de près, ce point de vue
met mal à l'aise et ne semble pas rationnel.
C'est ce qu 'exprime le second point de vue.
Point de vue 2. La conclusion du point de
vue 1 est absurde. Un patient est soit un
homme, soit une femme, et que ce soit l'un ou
l'autre quand je connais le sexe du patient la
consigne déduite est la même : donner le pla-
cebo. Ma décision ne dépend pas du résultat
de la question : « S'agit-il d'un homme ou
d'une femme? » Il en résulte donc, de toute
évidence, que même quand j'ignore le sexe
du patient, je dois donner le placebo et ne pas
tenir compte de la statistique générale qui ne
sert plus à rien dès l'instant où je dispose des
deux statistiques particulières. On se trouve
dans un cas assez usuel : la connaissance de
nouvelles données (ici les statistiques parti-
culières concernant séparément les hommes
et les femmes) change la conclusion que je
faisais avant d'en disposer. Ce changement
est général et n'est pas dû à ma connaissance
du sexe du patient, mais à ma connaissance
des tableaux 2 et 3. Il n'y a rien d'irrationnel
à changer d'avis quand on est mieux informé,
certes, mais ici le changement doit conduire
à oublier le tableau 1 qui ne sert plus à rien
quand on a les deux autres.
Notons que, pour tirer une règle de données
statistiques, on exige en général d'avoir des
effectifs totaux plus élevés que ceux qui
apparaissent dans nos tableaux. Mais cela
est sans importance pour tout ce que nous
venons de dire et pour tout ce que nous
dirons plus loin, car on peut très bien ima-
giner que tous les nombres de nos tableaux
sont multipliés par 100 ou même 10 000 et
que les déductions que nous faisons des sta-
tistiques des tableaux sont de ce fait parfai-
tement sûres.
Le point de vue 2 est confirmé par un argu-
ment formel: de (A =- B) et (non-A =- B),
on déduit B. C'est ce qu'on nomme parfois
le « principe de la chose sûre» : si, lorsque
A est vrai, j'en déduis B, et que, lorsque
A est faux, j'en déduis aussi B, alors c'est
que B est toujours vrai.
Le point de vue 2 correspond à l'analyse
classique du paradoxe et semble nous en
libérer. On l'exprime parfois en disant qu'il
faut prendre des précautions pour agréger
des données. Je croyais satisfaisant ce point
de vue, quand j'ai pris conscience d'une cri-
tique qui en montre l'absurdité.
• Plus rien ne va!
Critique du point de vue 2. Imaginons que
je dispose aussi d'une statistique sur les
patients aux yeux clairs et d'une statistique
sur les patients aux yeux foncés, et qu'elles
mènent chacune à la conclusion que le
médicament est plus efficace que le placebo.
Une telle situation est tout à fait possible
et les données que nous proposons pour
les tableaux 4 et 5 sont compatibles avec
les trois premiers tableaux. C'est ce que
démontrent les tableaux suivants 6, 7, 8
et 9 ; pour chacune des quatre catégories
« Hommes aux yeux clairs », « Hommes aux
yeux foncés », « Femmes aux yeux clairs »,
L'EMBARRASSANT PARADOXE DE SIMPSON ,I 117
 4 7
Yeux clairs Guéri Non guéri Taux de guérison H.yeux foncés Guéri Non guéri Taux de guérison
Médicament 20 20 50 % Médicament 17 11 60,71 %
Placebo 16 24 40% Placebo 8 4 66,66 %

5 8
Veux foncés Guéri Non guéri Taux de guérison F.yeux clairs Guéri Non guéri Taux de guérison
Médicament 20 20 50 % Médicament 1 7 12,5%
Placebo 16 24 40% Placebo 10 22 31 ,25 %

6 9
H.yeux clairs Guéri Non guéri Taux de guérison F.yeux foncés Guéri Non guéri Taux de guérison
Médicament 19 13 59,375 % Médicament 3 9 25 %
Placebo 6 2 75 % Placebo 8 20 28,57%

« Femmes aux yeux foncés», ils indiquent • Une attitude prudente

les taux de réussite respectifs du médica-
ment et du placebo.
On vérifiera sans peine que les tableaux 6
et 7 redonnent 2, que 8 et 9 redonnent 3,
que 6 et 8 redonnent 4, et enfin que 7 et 9
redonnent 5. Une situation comme celle
envisagée ici est parfaitement possible.
Avec ces tableaux, le point de vue 2 est insou-
tenable. En effet, si j'adopte ce point de vue
et que je l'applique non pas à la distinction
homme-femme, mais à la distinction yeux
clairs-yeux foncés, je dois conclure qu'il faut
prescrire le médicament. Le point de vue 2
conduit donc, selon qu'on s'attache au sexe
des patients ou à la cou leur de leurs yeux,
à des prescriptions contradictoires. Dans le
cas décrit par l'ensemble des tableaux pré-
sentés, tous parfaitement compatibles, le
point de vue 2 conduit à deux conclusions
opposées; il serait irrationnel de le défendre.
En résumé, le point de vue 1 est clairement
absurde, et le point de vue 2 aussi car il
conduit à des prescriptions contradictoires.
Comment sortir du paradoxe ?
Il semble inévitable d'opter pour un point de
vue prudent et d'admettre que sans données
plus précises, aucune prescription ne sera
sûre. Ce point de vue 3, expliqué ci-dessous,
ne satisfera pas le médecin qui n'a pas la
possibilité de différer son choix, mais l'éven-
tualité de cas tels que ceux décrits ci-dessus,
et encore plus tels que celui décrit dans
l'encadré ci-contre, force cette conclusion
attentiste.
Point de vue 3. Dans une situation où seules
les données des tableaux 1, 2 et 3 sont dis-
ponibles, aucune prescription ne s'impose
absolument, du fait de l'existence possible
d'une partition contradictoire comme celle
donnée par les tableaux 4 et 5. Celui qui dis-
pose des données des tableaux 6, 7, 8 et 9,
qui indiquent pour chaque catégorie précise
(sexe connu et couleur des yeux connue) si
le médicament est meilleur que le placebo
pourra en revanche prescrire un traitement
à un patient dont on connaît le sexe et la
couleur des yeux: il se référera au tableau
le concernant. Ce jugement prudent est
confirmé par deux arguments.
Argument 1. Quand on dispose de données
analogues à celles du tableau 1 (indiquant
que « le taux de guérison est meilleur avec
le médicament qu 'avec le placebo ») et que
les effectifs ne sont pas trop petits (supé-
rieurs à 3), il est toujours possible de faire
une partition des patients en deux catégo-
ries complémentaires de façon à avoi r des
tableaux 2 et 3 produisant des conclusions
opposées à celle du tableau 1 («le placebo
est meilleur »).
En effet, composons la catégorie 1 de
patients guéris par le placebo (on en garde
au moins un pour la catégorie 2) et aucun
de la catégorie que le placebo ne guérit pas,
auxquels on ajoute tous les patients que le
médicament guérit et quelques patients
que le médicament ne guérit pas. Ce choix

118 -~ MATHÉMATIQUES ET MYSTÈRES

·=: Faisable ou pas ?
Ce jeu de données, que nous nommons le aux yeux clairs», «Hommes aux yeux foncés »,
«Double-Simpson », a été découvert par Jean- «Femmes aux yeux clairs »,« Femmes aux yeux
François Colonna le 20 mars 2013 en menant foncés »), selon qu'on lit les tableaux A ou 8
des calculs intensifs. Il a les propriétés para- dans la même catégorie, on trouve que le médi-
doxales suivantes. cament surpasse le placebo ou l'inverse, mais
- Dans le tableau 1, on considère une popu- on n'a jamais le même résultat pour A et 8.
lation de 183 personnes séparées en deux Cette divergence systématique entre les don-
groupes complémentaires dont l'un prend le nées A et 8 montre que quelqu'un disposant
médicament et l'autre un placebo. Le taux de des tableaux 1-5 ne peut rien conclure pour
guérison est meilleur pour le groupe prenant le aucune personne quelle que soit sa catégorie
médicament qui semble donc devoir être pres- (Homme, Femme, Yeux clairs, Yeux foncés).
crit aux malades. A6
- Quand on sépare les hommes et les femmes H. yeux clairs Guéri Non guéri Taux de guérison
(tableaux 2 et 3), pour chaque catégorie le pla-
Médicament 21 13 61,76 %
cebo est meilleur que le médicament. C'est le
paradoxe de Simpson simple. Placebo 8 5 61,53 %
- Quand on considère séparément les per-
sonnes aux yeux clairs et les personnes aux A7
yeux foncés (tableaux 4 et 5), le médicament H. yeux foncés Guéri Non guéri Taux de guérison
est à nouveau meilleur. Médicament 19 13 59,37 %
- De plus, et ce fut le point le plus délicat à satis- Placebo 8 4 66,66 %
faire, les données des tableaux 1-5 résultent
de deux séries de tableaux, soit A6-A7-A8-A9, AB
soit 86-87-88-89, aux propriétés opposées. F. yeux clairs Guéri Non guéri Taux de guérison
Pour chacune des quatre catégories («Hommes Médicament 3 6 33,33%
Placebo 13 23 36,11 %
Général Guéri Non guéri Taux de guérison A9
Médicament 47 42 52,80 % F. yeux foncés Guéri Non guéri Taux de guérison
Placebo 38 56 40,42 % Médicament 4 10 28,57 %
Placebo 9 24 27,27%
2
Hommes Guéri Non guéri Taux de guérison
Médicament 40 26 60,60 % B6
Placebo 16 9 64 % H. yeux clairs Guéri Non guéri Taux de guérison
Médicament 21 14 60 %
3 Placebo 9 4 69,23 %
Femmes Guéri Non guéri Taux de guérison
B7
Médicament 7 16 30,43 % H. yeux foncés Guéri Non guéri Taux de guérison
Placebo 22 47 31,88 %
Médicament 19 12 61,29 %
Placebo 7 5 58,33 %
4
Yeux clairs Guéri Non guéri Taux de guérison B8
F. yeux clairs Guéri Non guéri Taux de guérison
Médicament 24 19 55,81 %
Médicament 3 5 37,50 %
Placebo 21 28 42,85 %
Placebo 12 24 33,33 %
5 B9
Yeux foncés Guéri Non guéri Taux de guérison F. yeux foncés Guéri Non guéri Taux de guérison
Médicament 23 23 50 % Médicament 4 11 26,66 %
Placebo 17 28 37,n % Placebo 10 23 30,30 %

L 'EMBARRASSANT P ARADOX E DE SIMPSON ,1 11 9

 Visualisation de la fréquence du paradoxe
27 = 0,64 +M6 +2,4+ 3,1=0123 en base 4 216-- 3,64+ 1'16 +2'4 +0,1 • 3120 en base4
27 Guéri Nonguéri Taux de~ 216 Guéri Non guéri Taux de guérison
Médicament 1 3 25 % Médicament 4 3 57 %
Placebo 2 4 33% Placebo 2 1 66 %
Le placebo est meilleur Le placebo est meilleur
243 Guéri Non guéri Taux de i,iérisoo
MATRICE SOMME Médicament 5 6 45,45 %
Placebo 4 5 44,44 %
Le médicament est meilleur
Cette figure représente l'ensemble des cas possibles lorsqu'on
considère le nombre de guérisons pour des patients hommes
prenant le médicament ou le placebo et pour des patientes
femmes prenant le médicament ou le placebo (cela corres-
pond aux tableaux 2 et 3 du texte). On a envisagé tous les
ass ure que dan s la catégorie 1, le taux de
réussite du placebo es t 100 %, et qu 'il ne
l'est pas pour le médicament. Dans la caté-
gorie 2, il n 'y a aucun patient que le médi-
cament guérit (ils ont tous été m is dans la
catégorie 1) et donc le taux de guérison
avec le médi cament est nul, ce qu 'il n 'est
pas pour le placebo puisqu'on a réservé
au moins un patient guéri par le placebo
pour la catégorie 2. Auss i bien dans la caté-
gorie 1 que 2, le placebo sera donc stricte-
ment meilleur que le médicament. Si les
coeffi cients du tableau 1 sont (2, 2, 2, 3), la
méthode décrite donne (2 , 1, 1, 0) pour le
tableau 1 et (0, 1, 1, 3) pour le tableau 2.
120 J, M ATH ÉMATI Q UES ET MYSTÈR ES
cas lorsque les huit éléments des deux tableaux parcourent
toutes les valeurs entières entre 1 et 4. Cela fait 48 = 65 536
cas différents.
En regroupant les tableaux hommes et femmes d'un cas, on
obtient un tableau de synthèse (hommes et femmes réunis) qui
donne parfois une situation de type «paradoxe de Simpson»: les
tableaux hommes et femmes vont dans le même sens Oe médi-
cament est meilleur, ou le placebo est meilleur), mais le tableau
synthétique donne une conclusion opposée.
Chacun des 65 536 cas est représenté par un pixel. Les quatre
coefficients du tableau pour les hommes (première colonne: a,
b; deuxième colonne: c, d) fournissent l'abscisse du pixel en
considérant le nombre entier dont l'écriture en base 4 a pour
chiffres (a - 1), (b - 1), (c - 1), (d - 1). Les quatre coefficients
du tableau pour les femmes donnent, selon le même codage,
l'ordonnée du pixel. La couleur du pixel est choisie selon les
règles suivantes.
- Si on a un cas «normal » Oes tableaux hommes et femmes
donnent une même conclusion, qui est aussi celle du tableau
de synthèse), le pixel est vert ou marron selon que le placebo
l'emporte dans le cas général ou non.
- Si on a un cas sans grand intérêt Oes tableaux hommes et
femmes se contredisent, ou il y a égalité entre les succès du
médicament et du placebo), le pixel est noir.
- Si on a un cas de paradoxe de Simpson Oe tableau de syn-
thèse s'oppose aux deux tableaux hommes et femmes qui
vont dans le même sens), le pixel est clair, entouré d'un halo
pour aider à le repérer. Il n'y a que huit cas, correspondant
aux huit pixels (27, 216), (39, 228), (78, 114), (114, 78),
(141, 177), (177, 141), (216, 27) et (228, 39), le premier étant
détaillé ci-contre.
Cette représentation, imaginée et réalisée par Jean-François
Colonna, montre qu'heureusement le paradoxe de Simpson se
produit assez rarement.
Ce type de partages est certes artific iel,
mais il montre que le risque de paradoxe de
Simpson est toujours présent : tout tableau
composé de données pas trop petites est
susceptible d'être séparé en deux tableau x
créant un paradoxe de Simpson .
Argument 2. Il existe des situations que
l'on nommera «Double-Simpson », dont la
première a été découverte par Jean-Fra n-
çois Colonna, du Centre de mathématiques
appliquées de !'École polytechnique, où :
- Le tableau 1 suggère que le médicament
est meilleur que le placebo.
- Les tableaux 2 et 3 suggèrent que le pla-
cebo est meilleur que le médica ment.
 Le paradoxe de Simpson et l'émergence de la coopération
Dans la compétition entre organismes pas une surprise) bien qu'au total, les Population
biologiques, le maintien des « biens non-producteurs voyaient leur effectif Sous-groupes
communs» est une question impor-
tante. Lorsqu'il y a un producteur de ce
bien commun et un consommateur (un
organisme qui en bénéficie sans le pro-
global décroître en proportion. Il s'agis-
sait d'un phénomène de type paradoxe
de Simpson.
Pour un biologiste, ce système est
ô 0,50 0,75 0,50 0,25
T T T T

duire), les consommateurs ont tendance
à proliférer aux dépens des producteurs.
L'oxygène de l'air est un exemple de bien
commun produit seulement par certains
organismes et consommé par d'autres
qui ne le produisent pas. En 2009, des
chercheurs de l'Université Rockefeller à
New York Uohn Chuang, Olivier Rivoire,
Stanislas Leibler) ont créé et étudié
une telle situation avec deux souches
de la bactérie Escherichia coli. L'une
des souches produisait un antibiotique
utile aux deux souches et l'autre en pro-
fitait sans le produire. Les chercheurs
ont composé plusieurs groupes de bac-
téries, chaque groupe comportant les
deux types de bactéries. Une situation
apparemment paradoxale est apparue :
les non-producteurs croissaient plus
vite dans chaque groupe (ce qui n'est
un exemple frappant de conflit entre
niveaux de sélection. Les bactéries
productrices du bien commun sont les
bénéficiaires de l'ensemble du système
quand on les considère comme un tout,
alors qu'à un niveau individuel (celui
auquel opère la sélection), elles sont
désavantagées, puisque dans chaque
groupe leur proportion diminue.
Grâce aux effets du paradoxe de
Simpson, un trait qui bénéficie à la popu-
lation considérée comme un tout peut
ainsi se trouver sélectionné, bien qu'à un
niveau individuel le trait soit désavanta-
geux. La chose est étonnante: ce qui est
mauvais au niveau individuel se trouve
au total favorisé par l'effet mécanique
d'un paradoxe de Simpson. La réalisation
concrète de l'expérience par les cher-
cheurs démontre que cet effet sélectif
()~o~
0,533 0,70 0,45 0,20
En vert, la proportion initiale de bactéries de type 1.
En bleu, la proportion finale de bactéries de type 1.
paradoxal n'est pas seulement théorique,
mais doit être pris en compte par les spé-
cialistes de l'évolution. Cette dynamique
doit être envisagée comme mécanisme
de sélection de traits individuels favo-
rables à la coopération et à l'altruisme.
Utiliser le paradoxe de Simpson est l'une
des ruses que la sélection naturelle met-
trait en œuvre pour favoriser les traits
coopératifs et faire ainsi émerger et pros-
pérer des entités collectives d'individus
coopérateurs et solidaires.

- Les tableaux 4 et 5 suggèrent que le médi-
cament es t meilleur que le pl acebo.
- JI existe deux jeux de données (tableaux
6A-9A et tableaux 6B-9 B) compatibles
avec les tableaux 1-5 et tels que pour
chaque catégorie précise (il y en a quatre),
ce que laissent suppose r les données A est
l'inverse de ce que suggèrent les données B
(voir l'encadré p. 11 9).
Cette poss ibilité de jeux A et B condui-
sant à des prescripti ons opposées pour
chacu ne des quatre catégories n'était pas
connue avant les expériences numériques
de J.-F. Colonna. Elle établit définitivement
que dans certaines situations, celui qui veut
des certitudes absolues ne peut agir à cause
du paradoxe de Simpson.
Heureusement, dans les cas que nous avons
envisagés, celui qui est prêt à prendre le risque
de se tromper (en médecine le prescripteur
est souvent dans une telle situation) réus-
sira à prendre des décisions à peu près sûres.
On montre en effet que celui qui connaît un
tableau comme notre tableau 1 et le sépare en
deux catégories complémentaires ne tombera
sur des résultats opposés (tels les tableaux 2
et 3) qu'avec une probabilité de 1,92 %. De
même, en fusionnant deux tableaux donnant
des indications dans le même sens, la proba-
bilité que le tableau résultant contredise les
deux premiers est faible. De même encore, la
probabilité que trois tableaux, dont l'un est la
somme des deux autres, présentent un para-
doxe de Simpson est faible.
La conclusion est que même si les cas où le
paradoxe de Simpson se produit sont vrai-
ment gênants (c'est ce qu 'établit le « Double-
Simpson »), ils sont heureusement assez
rares. On peut donc prendre le risque... de ne
pas y penser !

L ' EMBA RR A SSANT PA R A DOXE DE S IMPS ON .,# 121

li Indécidables
utiles et inutiles
Les affirmations sur la complexité sont souvent indécidables.
D'où l'idée d'en utiliser comme axiomes pour limiter la désagréable incomplétude
de toute théorie mathématique, découverte par Kurt Gëdel il y a 80 ans.

e qui est simple peut se dire en peu
C de mots et do nc ce qu i es t complexe
en demande beaucoup. Le hasard ne pou-
vant pas se résume r, il est incompress ible
et fourn it les ob jets les plus complexes.
Ces idées élémentaires servent de fond e-
ment à la « t héori e algorit hmiq ue de l'in-
format ion » ou théorie de la « complexité
de Ko lmogorov ». Créée il y a 50 ans par
le m athématicien ru sse Andreï Ko lmo-
gorov et q uelques autres théoriciens, son
importance se confirme d'ann ée en année :
on l'utili se en physique pour défi ni r l'en-
trop ie, e n biologie pour concevoi r des
algorithmes de comparai son de séquences,
en psychologi e pour mesurer la ca pac ité
des humain s à reconn aître et simu le r le
hasard, etc.

La complexité ne peut être calculée

in,
La complexité de Kolmogorov d'une
suite finie s de O et de 1 est la taille
du plus court programme écrit dans un
langage assez puissant qui produit s.
On la note K(s). Une suite d'un million
de O a une faible complexité de Kol-
mogorov, car il existe des programmes
courts qui l'engendrent (par exemple :
« Pour i de 1 à 1000 000, print ·o·»).
C'est vrai aussi de la suite composée
d'un million de chiffres de TT ou de e,
car, grâce aux nombreuses séries qui
donnent TT ou e, on sait écrire des pro-
grammes courts qui calculent un mil-
lion de chiffres de TT ou de e. Il existe
un programme de moins de 200 carac-
tères U. Gibbons, Amer. Math. Manthly,
vol. 113, pp. 318-328, 2006) qui réussit
l'exploit de calculer indéfiniment des
chiffres de TT. Bien sûr, il les calcule de
plus en plus lentement, mais il ne s'ar-
rête que lorsque toute la mémoire de la
machine a été utilisée. Il ne s'arrêterait
pas si l'on ajoutait progressivement de
la mémoire à la machine.
Il est assez facile de montrer qu'il existe
des suites s de complexité K(s) aussi
grande qu'on le souhaite ; mais Gregory
Chaitin a établi que si l'on se donne une
théorie formalisée T, elle ne peut démon-
trer qu'un nombre fini de théorèmes de
la forme «K(s) = n» ou «K(s) > n». Cela
signifie que, sauf pour un nombre fini
de suites s, la théo~ie T ignore tout de
la complexité de s: la complexité est,
sauf rares exceptions, indécidable. La
situation est presque paradoxale: une
théorie T (par exemple l'arithmétique
de Peano, formalisation la plus natu-
relle des modes de raisonnements en
arithmétique) prouve qu'il existe des
suites de grande complexité, mais n'en
connaît aucune. Cette forme particu-
lière de l'incomplétude est remarquable,
car contrairement aux formules dont
Kurt Gôdel a démontré l'indécidabilité,
les formules concernant la complexité
de Kolmogorov sont immédiatement
compréhensibles.

122 ~ MATHÉMATIQUES ET MYSTÈRES

:;::: Réduire /'incomplétude en ajoutant des axiomes
La complexité de Kolmogorov, la
taille K(s) du plus court programme don-
nant une suite s, est rarement petite.
Les programmes sont des suites de O
et de 1. Chaque programme produit une
suite binaire s et certains programmes
n'en produisent pas, car ils ne s'arrêtent
jamais.
Le nombre de programmes de taille 99
est au plus 299( iI y a 299 suites différentes
de Oet de 1). Le nombre de suites s pro-
duites par les programmes de taille 99
est donc inférieur ou égal à 299• Le
même raisonnement montre que les pro-
grammes de taille 1, 2, ..., 99 produisent
au plus 21 + 22 + 23+ 2"+ ... + 299 suites
binaires différentes. La somme de cette
série géométrique est égale à 2100 - 1.
On en déduit que le nombre de suites s,
de longueur 110 par exemple, produites
par un programme de longueur infé-
rieur à 100 est au plus 2100 • Cela signifie
aussi que le nombre (2 11°.) de suites de
longueur 110 ayant une complexité K <
100 est inférieur à 2100• La proportion de
suites de longueur 110 ayant une corn-
plexité K < 100 est inférieure à 210012110
= 1/210 = 1/1024: moins d'une suite sur
mille de longueur 110 a une complexité
K < 100. Plus généralement, la proportion
de suites de longueur n ayant une com-
plexité K< n - m est au plus 112m.
Comme il est facile d'écrire un pro-
gramme de longueur proche de n qui
produit une suite s de longueur n donnée
(on prend le programme «PRINT s»), la
complexité de Kolmogorov d'une suite
de longueur n est, sauf rares exceptions,
très proche de n.
Un axiome stipulant qu'une suite s de
longueur n tirée au hasard a une com-
plexité K > n - m est très probablement
vrai, en même temps qu'il est indécidable,
car dès qu'une suite est longue on ne sait
déterminer sa complexité de Kolmogorov
(voir l'encadré en page de gauche).
Cette façon d'ajouter comme axiomes
des indécidables à une théorie T vient
d'être étudiée.

En logiqu e mat hé mat iq ue et en phi loso- dépend peu d u langage de programmation

ph ie des sc iences, les mu ltip les fa cettes
de cette théorie d éfi n issent ce qu 'es t une
suite infi nie a léatoire ou une théorie co m-
plexe. Nou s ve rron s ici que des ax iomes
po rt ant sur le hasa rd et la co mp lex ité
enri ch isse nt une théo r ie ma thé m atiqu e
et aug mentent so n pouvo ir d e dé mons-
trati on. Cinq m athém at icie ns d 'o ri gines
va ri ées, Laure nt Bie nven u et Anto ine
Tave neau x, de l'Un ive rsité Pa ri s 7, Andreï
Romas hche nko et Alexa nd e r She n,
auj ourd ' hu i à l'Un ive rs ité d e Mo ntpel-
li er, et Sti jn Ve mee ren , d e l'Un ive rsité d e
Leed s en Grande-Bretag ne, ont dans u n
articl e récent fa it ava nce r notre comp ré-
hension du hasa rd et du rôle log ique de
la comp lex ité.
Ava n t d 'expliquer le déta il de leurs tra-
vaux rappelons q ue la complexité d 'u n
ob jet nu mérique (une suite fini e s de O et
de 1) est, d 'ap rès Ko lmogo rov, la tai lle du
plus court programme d 'ord inateur q ui
enge ndre s. On note cette taille K(s ) (elle
choisi) . Une sui te fin ie s de lo ngueur n est
considérée comme aléatoire si elle a une
complexité d e Ko lmogorov proche d e sa
ta ille (par exemple supérieure à n - c pour
une constan te c fi xée). Une su ite infin ie s
de O et de 1 est considérée aléatoire (o n
d it aléatoire au sens de Martin-Lof car ce
mathématicien est à l'origi ne de la notio n )
si c'est le cas de to us les débuts d e s:
la suite (s 0, s 1, ... , s,,, ... ) est aléato ire si et
seu lemen t s'il existe un nomb re c tel que
K(s0, s 1, ... , s,,) > n - c pour tout ent ier n.
• Comment compléter
une théorie?
Grâce aux célèbres résultats d 'incomplé-
tude de Ku rt Gode!, nous savons depui s
maintenant plus de 80 ans qu'une théorie
mathématique fo rmalisée (par exemple
la théorie des ensembles ) comporte iné-
vitab lemen t des trous: pou r tou te théorie

INDÉCIDABLES UTILES ET INUTILES ./1 123

 formalisée T, il existe des énoncés E quali-
fiés d'indécidables, dont la théorie T n'est
capable ni de démontrer qu'ils sont vrais,
ni de démontrer qu 'ils sont faux. Parmi ces
« indécidables » sur lesquels une théorie T
est incapable de se prononcer, figure l'af-
firm ation que dans la théorie T, il n'existe
pas de théorème qui énonce le contraire
d'un autre. On désigne cette propriété par
la «consistance» de T. Une idée vient alors
n aturellement à l'esprit : pourquoi ne pas
ajouter aux axiomes de T l'affirmation de
sa consistance, cons(T) ? On obtient ainsi
une théorie plus pui ssante que T dont on a
réduit l'incomplétude.
La théorie de la démonstration - un
domaine de la logique mathématique - a
étudié ce procédé de complétion qu'on
applique éventuellement plusieurs foi s: on
ajoute l'affirm ation de la consistance de T,
ce qui donne une nouvelle théorie T', on
recommence avec T', et ainsi de suite.
Dès 1939, Alan Turing a étudié ce thème
qui était le suj et de sa thèse de docto ra t à
Princeton. Les résultats obtenus sont dif-
fic iles, car liés à la théorie des ordinaux
(les nombres transfi nis). Il s ont été com-
plétés depui s, en particulier par Salomon
Feferman, un élève de Gode!.
Ce domai ne est malgré tout un peu déce-
vant, car les énoncés qui affirment des pro-
priétés de consistance sont peu pratiques
pour démontrer des théorèmes mathéma-
tiques, ce qui a pour conséquence qu 'il faut
en ajouter beaucoup (en fai t jusqu 'à l'infini,
puis recommencer encore et encore en utili-
sant la théorie des ordinaux) pour que cette
méthode de complétion produise des consé-
quences intéressantes. En résumé, en procé-
dant par l'ajout d 'axiomes de consistance, on
complète bien les théories mathématiques,
mais les théories obtenues ne sont pas très
commodes pour ce qui intéresse les mathé-
maticiens et les résultats obtenus délicats à
interpréter. Il fa llait donc imaginer d'autres
méthodes de complétion.
Le mathématicien américain Gregory
Chaitin, qui for mula en même temps et
indépendamment de Kolmogorov la théorie
algorithmique de l'information, a suggéré
124 J MATHÉMATIQUES ET MYSTÈRES
une voie alternative à celle des axiomes de
consistance. Il a en effet démontré que les
affirmations concernant la complexité de
Kolmogorov des suites fi nies (et donc leur
nature aléatoi re ou non) sont souvent des
indécidables de Gode!. Il a en fa it établi le
remarquable et étonnant théorème suivant :
une théorie consistante donnée T ne peut
démontrer qu'un nombre fini d'affirmations
du type « K(s) = n » ou du type « K(s) > n ».
Ainsi, au-delà d'un certain n0 (qui dépend
de la théorie T), tous les énoncés affir ma nt
une complexité supérieure à n0 sont des
indécidables de la théorie T.
• Éviter les indécidables
Toute théorie fo rmalisée est donc grave-
ment aveugle à la complexité, puisqu'elle
ne sait pratiquement rien dé montrer de la
complexité des suites finies de O et de 1.
Cela suggère, toujours pour éviter les indé-
cidables, d'a jouter des axiomes de la fo rme
« K( s) = n » ou « K(s) > n » pour des suites
finies s et des entiers n choisis. Étudier la
force axiomatique de la complexité et du
hasard consiste donc à poser les questions
« Est-ce que l'ajout de tels indécidables a des
effets intéressants?» et « Comment faire
cela au mieux?». C'est exactement le sujet
de l'article des chercheurs réunis autour de
L. Bienvenu.
Insistons sur le fa it que ces travaux, aussi
abstraits qu'ils paraissent, renfo rcent notre
compréhension ph ilosophique et mathé-
matique sur un suj et fo ndamental. On doit
déjà beaucoup à la théorie algorithmique
de l'information dans les progrès fa its
récemment concernant le hasard, car ce
qu 'elle montre va au-delà de la théorie des
probabilités en établissant, ce qui était loin
d'être évident, que les concepts de calculs,
d'algorithmes et de progra mmes sont pro-
fondément liés à cette notion.
Les résultats obtenus par L. Bienve nu et ses
collègues no us éclairent sur quatre points
p rincipaux.
1) Aj outer sans méthode des axiomes affir-
mant des p rop riétés presque ce rta ines sur
la complexité ne conduit pas à prouver des
théorèmes nouveaux limitant l'incomplé-
tude godélienne, mais en revanche permet
de raccourcir les démonstrations.
2) Ajouter comme axiomes des formules
indiquant la complexité de séquences
assez nombreuses du type « K(s) = n » ou
«K(s) > n » supprime les indécidables de la
forme « pour tout x: P(x) » (voir l'encadré en
page suivante pour l'importance de telles
formules) . Cela constitue un renforcement
considérable du pouvoir démonstratif de
la théorie. L'affirmation «Tout nombre pair
supérieur à 2 est somme de deux nombres
premiers » (conjecture de Goldbach) est de
la forme « Pour tout x: P(x) » ; elle ne peut
être indécidable dans une théorie complétée
systématiquement par des axiomes concer-
nant la complexité.
3) Tous les axiomes du type « K(s) = n »
n'ont pas la même force . Certains, assez
rares, sont extrêmement puissants et
rendent inutiles la plupart des autres.
4) Ajouter comme axiome qu'une séquence
infinie s de O et de 1 est aléatoire au sens
de Martin-Lof renforce la théorie, mais
ne le fait jamais autant que la méthode
précédente.
Parmi les 2" suites de O et de 1 de lon-
gueur n (par exemple n = 100000), on
démontre qu'au plus une sur 1024 (= 2 10 )
a une complexité de Kolmogorov inférieure
à n - 10 (ici 99 990). Il n'y en a, au plus,
qu'une sur un million (1 048 5 7 6 = 220 pré-
cisément) ayant une complexité inférieure
à n - 20 (donc 99 980 pour notre exemple).
L'énoncé général est: « Au plus une suite de
longueur n sur 2m a une complexité infé-
rieure à n - m » ; autrement dit, les suites
peu complexes sont extrêmement rares
(voir l'encadré p. 123).
Si l'on choisit m = 100, que l'on tire unifor-
mément une séquence s de 100 000 sym-
boles O ou 1 (par exemple à l'aide d'une
pièce de monnaie) et que l'on ajoute
l'axiome «K(s) > 99 900 » à une théorie T,
alors sauf malchance extraordinaire
(risque de 1/ 2 100), on ajoute un indécidable
vrai à la théorie T à laquelle on s'intéresse.
Cela en accroît donc au moins un peu le
pouvoir démonstratif: la théorie mainte-
nant sait que K(s) > 99 900.
On dispose ainsi d'une méthode de com-
plétion qui, sauf au plus une fois sur 2 100
(ce qu'on peut considérer comme totale-
ment négligeable) améliore une théorie T
en supprimant au moins un indécidable.
La question est maintenant: avoir pris ce
risque est-il utile, c'est-à-dire conduit-il à une
théorie T' (comportant un axiome de plus)
qui démontre des théorèmes nouveaux inté-
ressants, que T était incapable de démontrer
avant l'ajout?
La réponse est négative pour l'essentiel. Cela
résulte de la proposition suivante démon-
trée par le groupe des cinq chercheurs : si
l'on ajoute un ou plusieurs axiomes du type
envisagé en les choisissant au hasard (par
exemple en tirant à pile ou face les suites s
concernées) et en prenant un risque total
inférieur à un seuil fixé E (par exemple
1/2 100 ), et si l'on ne considère que les théo-
rèmes qui dans ce processus probabiliste de
démonstration sont obtenus avec une pro-
babilité supérieure à E, alors les théorèmes
qu'on découvre peuvent l'être sans ajout
d'axiomes, autrement dit, pouvaient déjà
l'être dans la théorie initiale.
• Ajouter des axiomes
peu risqués est inutile
Ajouter des informations presque certaines
concernant la complexité n'est donc pas
vraiment utile pour limiter l'incomplétude.
En revanche, un second résultat sur ces pro-
cessus de démonstration avec ajout aléatoire
d'axiomes presque certains établit qu'on en
tire un gain sur la taille des démonstrations :
on n'a pas vraiment plus de théorèmes, mais
les théorèmes de T sont maintenant obtenus
par des démonstrations plus courtes.
La situation est analogue à celle déjà ren-
contrée en arithmétique à propos des
tests de primalité probabilistes. Alors
que démontrer sans accepter de prendre
le moindre risque qu'un entier long (de
10 000 chiffres par exemple) est un nombre
premier exige toujours un long calcul, on
INDÉCIDABLES UTILES ET INUTILES -# 125
 :: La classification des formules
En logique, on s'intéresse à la forme
logique des affirmations mathéma-
tiques, ce qui conduit à une classifica-
tion des formules. Chacun perçoit qu'en
parcourant la liste suivante de formules,
où chaque élément de la liste est comme
un échelon, la difficulté de compréhen-
sion des affirmations mathématiques
augmente.
tnoncé A: 2 + 11 = 13.
tnoncé B: Le carré de tout entier pair est
aussi pair.
tnoncé C: Pour tout entier n donné, il
existe un nombre entier P > n qui est un
nombre premier (autrement dit, il y a une
infinité de nombres premiers).
tnoncé D: Pour tout entier k, il existe un
entier n tel que pour tout entier m > n, on
ait : O < 211m - 1 < 1/k (autrement dit, la
suite 2 11m tend vers 1 quand
m tend vers l'infini)
tnoncé E: 11 existe un entier b
et pour tout entier k, il existe
un entier n tel que pour tout
entier m > n:
b - 1/k < f(m) < b + 1/k
(autrement dit, la suite f(m) a
une limite quand m tend vers
l'infini et cette limite est un
entier).
D'un énoncé au suivant,
les formules contiennent
de plus en plus de quanti-
ficateurs («il existe», «pour
tout ») et c'est ce qui rend
leur compréhension plus
difficile. Il y en a d'abord 0,
puis 1, puis 2, puis 3, puis
4. Cette augmentation de
difficulté est utilisée pour
définir la hiérarchie arith-
métique des formules.
Le premier niveau, noté ~ 0•
ne contient que les affirma-
tions arithmétiques immé-
diates à vérifier (même
si parfois cela demande
de la patience). D'autres
exemples de formules ~o
sont «1048 576 est une puissance de
2», «Il n'y a pas de nombres premiers
entre 5 490 et 5 500 ». Pour chacune de
ces affirmations, on peut entreprendre
12 6 ._. MATHÉMATIQUES ET MYSTÈRES
un calcul dont on sait évaluer la taille
par avance et qui, achevé, indiquera si
l'affirmation est vraie ou non.
Toutes les formules de ~o vraies sont
démontrables dans le système formel
de l'arithmétique de Peano. En particu-
lier, c'est le cas de toutes les affirma-
tions vraies du type «n est un nombre
premier »: De même, si une formule
de ~o est fausse (par exemple « 121 est
un nombre premier»), l'arithmétique
de Peano sait démontrer sa négation.
Aucune des formules de ~o n'est donc
indécidable dans l'arithmétique de
Peano (ou dans une théorie plus forte
comme la théorie des ensembles).
Au-dessus de ~ 0• il y a la classe très
importante des formules II1• Ce sont les
formules de la forme «Pour tout entier n,
• • tchelle du paradis,, selon la conception du
moine Jean Climaque (VI' siècle) du Mont Sinaï:la vie
monastique s'échelonne comme sur les 30 barreaux
d'une échelle. Les formules mathématiques
s'échelonnent, elles, sur une infinité de degrés.
F(n) », où F(n) est une formule ~0. Au-
dessus encore, il y a les formules II2 de
la forme «Pour tout entier n, il existe un
entier m tel que F(n, m) » où F(n, m) est
une formule de ~ 0• Il y a ensuite les for-
mules II3 de la forme« Pour tout entier n,
il existe un entier m tel que, pour tout
entier k, F(n, m, k) » où F(n, m, k) est une
formule de ~ 0• etc.
La formule «Pour tout entier n, n est
multiple d'un nombre premier » est II1,
car si n est connu, la formule «n est mul-
tiple d'un nombre premier » est ~ 0. C'est
une formule démontrable dans l'arithmé-
tique de Peano.
Parmi les formules II1, certaines sont
des indécidables. La formule exprimant
que le système formel de l'arithmétique
de Peano est consistant (c'est-à-dire
non contradictoire) est II1,
car elle signifie «Pour tout
entier n, les démonstra-
tions dans l'arithmétique
de Peano de longueur au
plus n ne conduisent jamais
à démontrer que O= 1».
De nombreux énoncés sur
lesquelles les mathémati-
ciens s'interrogent sont équi-
valents à des formules II1•
C'est le cas de la conjecture
de Goldbach (tout nombre
pair > 2 est somme de deux
nombres premiers), mais
aussi de la conjecture de Rie-
mann (une fois correctement
traduite). La formule arith-
métique qui exprime le théo-
rème des quatre couleurs
(toute carte peut être colo-
riée avec quatre couleurs
sans que deux pays voisins
portent la même couleur) est
aussi une formule IIr
Les énoncés du type
« K(s) 2: n» (s et n fixés) sont
des formules IIr En effet,
une telle affirmation indique
qu'aucun programme de longueur infé-
rieure à n ne donne s. À cause des pro-
grammes ne s'arrêtant pas, cet énoncé est
du type «pour tout n, F(n) ».
sait le faire rapidement si l'on accepte un
risque d'erreur, même infinitésimal (par
exemple inférieur à 1/ 2 100 ). Ces tests pro-
babilistes de primalité découverts dans les
années 1980 sont d'une grande utilité en
cryptographie.
Mis à part des gains sur la taille des démons-
trations, ajouter des axiomes du type
« K(s) = n » ou « K(s) > n » lorsque s est aléa-
toire n'est pas le bon moyen d'accroître le
pouvoir de démonstration d'une théorie for-
malisée T. Qu'en est-il de l'ajout d'axiomes
fournissant des informations précises sur la
complexité, y compris concernant des suites
finies s peu complexes ?
Cette fois, les résultats vont être positifs et
très instructifs.
Le premier résultat dans cette direction
indique ce que donne l'ajout, à une théorie T,
de tous les axiomes concernant la com-
plexité des suites finies : pour chaque suite
finie s, on ajoute l'axiome « K(s) = n » qui
donne sa complexité. La nouvelle théorie T'a
le pouvoir de démontrer tous les énoncés de
la forme « Pour tout x: F(x) » où Fest une for-
mule testable par programme (par exemple,
« x est un multiple de 7 »). Les énoncés de ce
type constituent ce qu'on nomme la classe
de formules I1 1, et on montre que la plupart
des questions non résolues en mathéma-
tiques sont équivalentes à des énoncés de la
classe rr ,.
C'est le cas de la conjecture de Goldbach
(«Tout nombre pair supérieur à 2 est
somme de deux nombres premiers. ») ; c'est
aussi le cas de l'hypothèse de Riemann,
qui concerne la répartition des nombres
premiers.
Notons bien que l'idée d 'ajouter comme
axiomes tous les énoncés de la forme
« K(s) = n » est étudiée ici comme on étudie
ce qui se passe quand deux particules iso-
lées interagissent. Il n'existe aucun moyen
pratique d 'isoler parfaitement deux parti-
cules, mais c'est intéressant quand même
de faire le calcul. Ici, il n 'existe aucun
moyen pratique de connaître la complexité
de toutes les suites finies, qui conduirait
à ajouter véritablement tous les axiomes
envisagés.
• On bouche un gros trou
grâce à la complexité
Cependant, le résultat de cette expérience
de pensée nous apprend quelque chose de
profond sur l'indécidabilité : les trous que
comporte toute théorie T correspondent
(quand on se limite aux énoncés I1 1) à un
manque d'information sur la complexité.
L'indécidabilité de Gèidel provient donc de
ce qu'une théorie donnée T n'a jamais une
assez bonne connaissance de la complexité
et qu'il est impossible de mettre toute cette
connaissance dans des axiomes simples. En
deux mots: l'indécidabilité gèidélienne pro-
vient de l'ignorance de la complexité.
L. Bienvenu et ses collègues se sont aussi
interrogés sur ce que donnerait une informa-
tion partielle sur la complexité, fournie par
un nombre limité d'axiomes. Ils montrent
que pour qu'une théorie soit capable de
démontrer toutes les formules I1 1 de taille au
plus n, il suffit d'ajouter un axiome unique de
la forme K(s) > n pour une suite finie s bien
choisie de longueur n. Les suites s utilisables
pour cet ajout concentrent en elles l'informa-
tion nécessaire pour connaître la complexité
de toutes les suites de longueur au plus n.
Quand on veut rendre décidables toutes
les formules I1 1, cette façon de pro-
céder est beaucoup plus économique en
axiomes que la précédente (qui ajoutait
tous les « K(s) = n » ). Les cinq chercheurs
en déduisent le beau théorème suivant :
pour tout entier n, il existe un indécidable
dont la taille est approximativement n,
qui est une formule I1 1 et qui, ajoutée aux
axiomes de l'arithmétique de Peano, sup-
prime tous les indécidables I1 1 de taille
inférieure à n. En clair, pour boucher tous
les trous correspondant à des formules I1 1
de taille inférieure à n, un seul axiome
supplémentaire assez court suffit.
Les séquences finies s qui permettent
ces complétions efficaces sont-elles nom-
breuses ? La réponse à cette question a
été trouvée et, sans surprise, elle est néga-
tive : pour compléter efficacement, il faut
bien choisir set c'est difficile, car les s qui
conviennent sont en petit nombre.
INDÉCIDABLES UTILES ET INUTILES j 127
 . Le râle des formules TT
Un théorème central figure dans le c] Ajouter un seul axiome K(rJ > n réellement une complétion progres-
travail de Laurent Bienvenu, Andrei pour une séquence rn dont la construc- sive de l'arithmétique de Peano dans
Romashchenko, Alexander Shen, tion est précisée et qui est donc une le but de supprimer petit à petit les
Antoine Taveneaux et Stijn Vermeeren. séquence concentrant toute l'infor- indécidables IIr
Ce théorème indique non seulement que mation jusqu'au niveau n qu'il faut Kurt Gôdel a défendu l'idée qu'il fallait
pour une théorie T, connaître la corn- connaître pour supprimer les indéci- tenter de compléter les axiomes de nos
plexité de toutes les séquences finies dables II 1 de complexité inférieure à n. théories pour en limiter l'incomplétude.
permet de supprimer tous les indéci- Un tel théorème, contrairement aux Ce théorème indique une voie possible
dables II 1 et réciproquement; il indique résultats envisageant d'ajouter une et montre qu'il existe des méthodes
aussi ce qui se passe quand T ne connaît infinité d'axiomes pour supprimer tous systématiques pour ce faire (au moins
que partiellement ce type d'information. les indécidables II 1, permet d'envisager pour les formules IIJ.
Le théorème utilise la notion
de complexité d'une formule
(fondée sur la même idée que
la définition de la complexité de
Kolmogorov) et il énonce que les
trois méthodes suivantes pour
compléter une théorie T sont
équivalentes:
a] Ajouter aux axiomes toutes les
formules indiquant la complexité
de séquences s qui ont une com-
plexité K(s) inférieure à n.
b] Ajouter aux axiomes toutes les
formules II 1 vraies dont la com-
plexité (comme formule) est infé-
rieure à n;

• Un effet limité ... La conclusion de cet ensemble de résul-

Un autre théorème intéressant genera-
lise le théorème de G. Chaitin mentionné
plus haut. Il affirme que, même très effi-
caces, ces complétions par des axiomes
bien choisis n'ont qu'un effet fini, et qu'il
faut donc ajouter une infinité d'axiomes
pour faire disparaître les indécidables II 1•
Voici l'énoncé: « Il existe une constante c
(qui dépend seulement de la théorie T)
telle que, pour tout d fixé, l'ensemble des
axiomes vrais de la forme K(s) > d ne peut
pas prouver des propriétés de la forme
K(s) > c + d. »
Autrement dit, la connaissance requise pour
savoi r quelles suites ont une complexité
supérieure à d ne permet pas de savoir
quelles suites ont une complexité supérieure
à c + d: une connaissance « locale » jusqu'à d
de la complexité n'est jamais en mesure d'en
fournir une connaissance dépassant c + d.
tats, dont nous n'avons reproduit ici qu'une
petite partie, est que, d'une part, l'informa-
tion sur la complexité des suites finies est
bien au cœur de l'indécidabilité (au moins
pour les formules II 1) , et que, d'autre part,
la force axiomatique d'informations sur la
complexité est puissante et est susceptible
d'une certaine concentration.
La définition des suites infinies aléatoires
rappelée au début suggère une idée:
trouver une suite infinie aléatoire (au sens
de Martin-Lof) unique s et ajouter à T les
axiomes indiquant que cette suite parti-
culière est aléatoire. Cet ajout limité cor-
respondant à une affirmation portant sur
une unique suite infinie peut-il dire tout ce
qui est nécessaire pour que toutes les for-
mules II 1 deviennent décidables?
La réponse est négative. Cet objectif ne peut
être atteint ; aucune suite infinie aléatoire
ne le permet. Cela résulte d'un théorème

128 ·" MATHÉMATIQU ES ET MYSTÈRES

 des cinq chercheurs: l'ensemble d'axiomes
affirmant qu 'une suite est aléatoire au sens
de Martin-Lof n'est jamais suffisant pour
supprimer tous les indécidables II 1•
Une multitude d'autres résultats affi-
nant notre compréhension de la force
axiomatique du hasard sont présentés
et démontrés. Précisons qu'à côté de ces
résultats de limitation, des résultats expé-
rimentaux d'une équipe réunie autour de
· Fernando Soler-Toscano, à laquelle je par-
ticipe, montrent qu 'à condition d'accepter
d'effectuer des calculs massifs, une cer-
taine connaissance approchée robuste de
la complexité de Kolmogorov est possible
et que cette connaissance qui s'applique
y compris aux séquences courtes est utile
aujourd 'hui et sert d'étalon pour mener
des expériences en psychologie (voir la
bibliographie).
Une méthode automatique d'ajouts pro-
gressifs d'axiomes utiles (pour rendre déci-
dables les formules indécidables de II 1)
pourrait s'en déduire pour celui qui dis-
poserait d'une capacité de calcul indéfini-
ment croissante. En utilisant la technique
de cette équipe, on obtiendrait pour des
suites finies de plus en plus nombreuses
des approximations de K(s) qui s'améliore-
raient et qu 'on ajouterait et modifierait au
fur et à mesure du déroulement du calcul.
• Des liens devenant précis
Le phénomène de l'incomplétude découvert
et démontré par Gi:idel en 1930 est troublant
et toute philosophie des mathématiques
(et même des sciences) se doit d'en rendre
compte et d'en fournir la compréhension.
Les liens établis entre cette incomplétude, la
complexité et le hasard que plusieurs résul-
tats de G. Chaitin, Per Martin-Lof et Leonid
Levin avaient déjà fait apparaître deviennent
maintenant très précis, grâce aux théorèmes
établis par l'équipe réunie autour de L. Bien-
venu. On sait désormais que ce qui manque
dans une théorie formalisée, c'est essentielle-
ment de l'information sur la complexité et le
hasard, et on commence à comprendre com-
ment on peut ajouter cette information de
façon plus ou moins efficace.
INDÉCIDABLES UTILES ET INUTILES 4 129
Il Les limites logiques
et mathématiques
Les défis qui se sont posés aux mathématiciens au cours de l'histoire
sont nombreux, et certains ont exigé des siècles d'efforts.
La découverte et la preuve d'impossibilités fondamentales
font probablement partie des avancées les plus remarquables.
L1 existence de limitations mathéma-
tiques a été découverte dès ['Anti-
quité. L'un des premiers grands résultats
obtenus par les mathématiciens de la
Grèce ancienne, vers le v• siècle avant
notre ère, a été la découverte de l'irratio-
nalité de -../2, qui signifie que -../2 ne peut
pas s'écrire comme un quotient de deux
entiers. Ce résultat facile à démontrer
équivaut à dire que la diagonale du carré
n 'est pas commensurable avec le côté
- l'unité de longueur définie par le côté
du carré ne permet pas d 'exprimer la lon-
gueur de la diagonale comme un quotient
de deux nombres entiers. Or on pensait à
l'époque que toutes les grandeurs géomé-
triques ou physiques étaient commensu-
rables, et la découverte de l'irrat ionalité
de -../2 a été un choc.
• De la quadrature
du cercle au cinquième
postulat d'Euclide
Rétrospectivement, nous pouvons faire
le lien entre cette limite au pouvoir des
nombres entiers et la question de la qua-
drature du cercle, elle aussi posée par les
Grecs anciens. Rappelons que le problème
de la quadrature du cercle, que se serait
posé Anaxagore au v• siècle avant notre
130 ,I MATHÉMATIQUES ET MYSTÈRES
ère, consistait, étant donné un cercle, à
construire à la règle et au compas un carré
ayant la même aire que le disque délimité
par ce cercle. Autrement dit, il s'agit de
construire ce carré en s'aidant seulement
d'un compas et d'une règle non gradués,
juste en traçant des droites avec la règle
et en reportant des longueurs à l'aide de
l'écartement des pointes du compas. La
question de la quadrature du cercle revient
ainsi à construire, étant donnée une lon-
gueur unité (le rayon du cercle), une lon-
gueur égale à -VTI unités (le côté du carré de
même aire que le disque) . La réponse défi-
nitive mettra plus de vingt siècles à s'éla-
borer ! En effet, le mathématicien allemand
Ferdinand von Lindemann l'a donnée en
1882, et cette réponse est négative : la qua-
drature du ce rcle à la règle et au compas
est impossible. La solution de ce problème
géométrique est venue après que l'on a
compris (en 1837) que les constructions à
la règle et au compas correspondent à des
suites d'opérations algébriques élémen-
taires : addition, soustraction, multiplica-
tion, division et extraction d'une racine
carrée. Il s'ensuit que si la longueur -VTI est
constructible à la règle et au compas, alors
TI est solution d 'une équation algébrique
dont les coefficients sont des entiers (telle
5 - 6x4 +x8 = 0). Or Lindemann a réussi
à prouver que TI n'est solution d 'aucune
équation algébrique à coeffi cients entiers
(on dit que n: es t transcendant, ou non
algébrique), ce qui implique l'impossibi-
lité de la quadrature du cercle. On a là un
résultat de même nature que celui de l'irra-
tionalité de v2 : de même qu 'il s'est révélé
faux que tous les nombres soient rationnels
(des quotients de nombres entiers), il s'est
révélé faux que tout nombre puisse s'écrire
comme une solution d'une équation algé-
brique à coeffi cients entiers.
Le cinquième postulat d'Euclide, l'axiome
des parallèles, a longtemps intrigué les
mathématiciens. Dans ses Éléments,
Euclide énonçait les axiomes de la géomé-
trie de base, et l'un d'eux équivaut à dire
que par un point extérieur à une droite, il
passe une - et une seule - droite parallèle
à la droite initiale. Très étrangement, les
mathématiciens pensaient que cet axiome
n'était pas indépendant, mais devait pou-
voir se démontrer à partir des autres.
Pendant près de vingt siècles, on a ainsi
cherché des démonstrations du postulat des
parallèles, jusqu'à ce que l'on soupçonne À Le problème
puis démontre, au x1x• siècle, que l'on n'y de la quadrature du cercle
préoccupa beaucoup
parviendrait jamais. L'idée de la preuve
de grands esprits
de cette imposs ibilité est intéressante, car dont Léonard de Vinci.
elle préfigure la notion de modèle, qui sera Il ne fut résolu qu'à lafin
très importante en logique mathématique. du XIX' siècle.
Il s'agit de choisir un ensemble d'objets,
certains étant nommés points et d'autres
droites, et de choisir des relations entre
ces objets qui correspondent aux axiomes
de la géométrie. Si l'on construit un tel
« modèle » où tous les axiomes de la géo-
métrie, sauf celui des parallèles, sont véri-
fi és, et si l'on démontre que ce modèle ne
conduit pas à des contradictions, alors on
aura prouvé que le postulat des parallèles
est indépendant des autres.
Une telle construction a été donnée pour
la première foi s par Eugenio Beltrami
en 1868 : elle consiste à considérer une
sphère, à nommer « point » tout coupl e
de points diamétralement opposés sur
cette sphère, et « droite » tout cercle de
di amètre maximal sur cette sphère. On
L E S LIMITES LOGIQUES ET MATHÉ MAT IQUE S ,Il 131
 peut alors contrôler que tous les axiomes
d'Euclide sont vrais sur cette sphère, sauf
celui des parallèles : par un « point » exté-
rieur à une « droite » D, il ne passe aucune
« droite » D' parallèle à la« droite » D, c'est-
à-dire n'ayant pas d'intersection avec D.
Comme les autres découvertes d'impossi-
bilité, celle-ci a été fructueuse puisqu'elle
a donné naissance aux géométries non
euclidiennes.
• Des limites
infranchissables
au raisonnement mathématique
Existe-t-il des limites infranchissables au
raisonnement mathématique lui-même ?
Le raisonnement mathématique peut
porter su r les théories mathématiques
elles-mêmes, sur ce que l'on peut démon-
trer à partir de certains axiomes. Cela cor-
respond au développement de la logique
mathématique.
Or dans ce contexte, un résultat d'impos-
sibilité célèbre est celui de l'indécidabi-
lité, obtenu par Kurt Gode! en 1930-1931.
Ce logicien autrichien a démontré que si
l'on se donne un ensemble d'axiomes per-
mettant de développer l'arithmétique des
entiers, alors il existe des propriétés vraies
des nombres qui sont indécidables, c'est-
à-dire des propriétés vraies mais impos-
sibles à prouver en utilisant l'ensemble
initial d'axiomes. On a vu une situation
analogue en géométrie : l'axiome des
parallèles est indécidable, dans la mesure
où l'on peut soit rajouter cet axiome à
l'axiomatique de la géométrie, soit rajouter
sa négation, sans qu'il s'ensuive de contra-
dictions. Mais le théorème de Gode] est
encore plus fort : il affirme que tout sys-
tème axiomatique suffisamment puissant
pour développer l'arithmétique élémen-
taire contient un énoncé vrai mais indéci-
dable ; et même si cet énoncé est élevé au
rang d'axiome, le nouveau système axio-
matique ai nsi obtenu sera lui auss i soumis
au théorème de Gode!, ce qui fera appa-
raître un autre énoncé vrai et indécidable
132 JI MATHÉMATIQUES ET MYSTÈRES
(et la preuve de Gode] indique comment
construire ce nouvel énoncé). Et ainsi de
suite, ce qui montre qu 'aucun système
axiomatique ne peut être complet. C'est
un résultat de limitation très troublant,
qui a été beaucoup commenté et qui est
central dans toute réflexion sur la nature
des mathématiques.
Il y a eu cependant en mat hématiques
des obstacles qui ont longtemps résisté
avant de céder enfin. À tout moment
dans l'histoire des mathématiques, il y a
eu des con jectures - des propriétés appa-
remment vraies et importantes, mais que
l'on ne parvient pas à prouver. Certaines
ont résisté plusieurs siècles avant d'être
démontrées, d'autres restent aujourd' hui
encore des défis posés aux mathéma-
ticiens. On en a vu un exemple avec le
nombre n: et la quadrature du cercle : on a
con jecturé au début du XIX· siècle que n:
est un nombre transcendant et que la qua-
drature du ce rcle est donc impossible, ce
que Lindemann a prouvé un demi-siècle
plus tard, en 1882. Un autre exemp le est
celui de la con jecture des nombres pre-
miers, qui donnait une mesure de la raré-
fact ion des nombres premiers (entiers qui
ne sont divisibles que par 1 et par eux-
mêmes) lorsqu'on exam ine des nombres
de plus en plus grands. Gauss avait deviné
ce résultat en 1792, mais plus d 'un siècle
s'est écou lé avant la démonstration,
fournie en 1896 par Jacques Hadamard et
par Charles de la Vallée-Poussin (indépen-
damment). Chose intéressante, il existe
une autre conjecture qui donne une pré-
cis ion supplémentaire sur la diminution
de la densité des nombres premiers, c'est
« l'hypothèse de Riemann ». Formu lée
vers 1850, elle n'est toujours pas prouvée
et constitue l'une des plus importantes
conjectures des mathématiques d'au-
jourd'hui. Reste à savoir si l'obstacle est
temporaire ou s'il reflète une difficulté
plus profonde.
• L'intervention
des ordinateurs pour
des conjectures récalci-
trantes
La question s'est par exemple
posée à propos de la conj ecture de
Fermat, qui est devenue un théo-
rème en 19 94 grâce à Andrew
Wiles, 350 ans après avoir été
énoncée (le théo rème affirme
que l'équation xP + yP = zP
n 'a pas de solutions x, y, z en
nombres entiers positi fs si
l'enti er p est supéri eur ou égal
à 3). Dans la période moderne,
certains se sont dit, face à la résis-
tance de la conj ecture de Fermat
- et cela est arrivé avec d'autres
conj ectures -, qu'il s'agissait peut-être
d'un énoncé indécidable. Mais une telle
affirm ation n 'a de sens que si l'on précise
le système d'axiomes par rapport auquel il
y a indécidabilité. Il n 'existe pas d'énoncés
indécidables dans l'absolu, il n'existe que
des indécidables relatifs, par rapport à un
certain système d'axiomes.
Certain s théorèmes n 'ont pu être démon-
trés qu 'avec l'aide esse ntielle de l'ordina-
teur. Un des premiers probl èmes résolu s
en utili sa nt de façon essentiell e un ordina-
teur est le théorème des quatre couleurs.
Il stipule que pour toute ca rte géogra-
phique pl ane (aussi compliquée soit-elle,
pourvu que chaque pays soit d'un seul
tenant) , quatre couleurs suffi se nt pour
la colorier de telle façon que deux pays
fr ontaliers soient de couleurs di stinctes.
Remarquée en 185 2 par un ca rtographe
anglais, cette propriété n'a été démontrée
qu'en 1976, par les mathémati ciens améri-
cains Kenneth Appel et Wolfgang Haken.
Mais leur démonstra tion exigeait entre
autres de passe r en revue un très grand
nombre de configurations, ce qui a été
confié à un ordinateur, la tâche étant trop
immense pou r être réali sée à la main. Il
fa ll ait donc faire con fia nce à l'ordin ateur
pour valider la preuve du théorème, et
certain s étaient gênés par cette délégation
•Selon le
théorème des
quatre couleurs,
prouvéen 1976,quatre
couleurs suffisent pour
de pouvoir à une machine. Cependant, le colorier n'importe quelle carte
travail de l'ordinateur peut être vérifié à plane de façon que deux pays
frontaliers (supposés d'un
l'aide d'un autre ordinateur, et la preuve a seul tenant) soient toujours
par ailleurs été un peu simplifiée quelques de couleurs distinctes (ici,
années plus tard. Dans ces conditions, des l'o céan délimite la carte et ne
démonstrations assistées par ordinateur représente pas une cinquième
sont aujourd 'hui considérées le plus sou- couleur). La démonstration
de ce théorème était la
vent comme auss i valides que des preuves première às'appuyer de façon
faites entièrement à la main par un mathé- essentielle sur le travail d'un
maticien. N'y a-t-il pas là une limitation ordinateur.
au pouvoir des mathématici ens ? Il existe
des situations qui suscitent moins de réti-
cences. Par exemple, une conj ecture dite
de Ra bbins a été formul ée en 1933 et
résolue en 1996 avec un ordinateur, mai s
la démonstration fourni e par l'ordinateur
était suffisamment courte pour être véri-
fi ée à la main, ce qui est évidemment plus
satisfai sant.
Il existe auss i des cas où la question de la
validité de la preuve reste en suspens pen-
dant longtemps ... C'est ce qui s'est passé
avec la conj ecture de Kepler, selon laquelle
les empilements les plus denses de sphères
identiques ont la même densité que les
LES LIMITE S LOG IQUE S E T MATHÉM AT IQUES ..j 133

~ ~
·.9:, • ·,9:•
•·
.ôl· ,~·
• •
9· ·,P.•
•·
. La conjecture de Kepler
affirme que les empilements
les plus denses desphères
identiques n'ont pas une
densitésupérieure ànN18, qui
est ladensitédes empilements
réguliers représentés ici
(empilement fondésur un
réseaucarré à gauche, sur
un réseautriangulaire à
droite). Unepreuve longueet
complexe en a été proposée
en1998. Pendant longtemps,
des doutes ont persisté sur
la validitédecettepremière
preuve. Le10 août 2014, Hales
et sonéquipe ont annoncé
qu'une nouvelle preuve
validée par ordinateur ne
laissait plus dedoute sur la
véritédurésultat.
134 ,iJ MATHÉM ATIQUES ET MYSTÈRES
" •· ~
• démonstration de Th. Hales avant de l'ac-
~ ·,.9_• ... .9•
• •
·F
. il: .
,;,_ .9. ·..ni •
,.. .,.._. .~ .• 9:
• •·
empi lements utili sés, notamment, par les
marchands d'oranges : un empilement
de couches où les sphères sont disposées
selon un réseau carré, et un empilement
de couches à réseau tri angulaire (voir ci-
dessus). Ces deux empi lements ont la
mêm e densité, égale à rr/v 18, et il s'agit
de prouver que c'est la densité m aximale.
Ce problème est posé depui s le début du
XVII e siècle. En 1998, le mathématicien
américa in Thomas Hales a fourni une
démonstration de la conj ecture de Kepler,
travail qui incluait de nombreux calculs
com plexes réalisés par un o rdinateur et que
l'on ne peut vérifier à la main. Or les pro-
grammes utili sés dans ce cas sont suscep-
tib les de commettre des erreurs, d'où une
difficulté pour valider la preuve. D'ailleurs,
le comité d 'experts chargés d'examiner la
cepter pour publication n'a pas donné un
avis de validation définitif : ces mathéma-
ticiens n'ont pas trouvé d'erreurs, mai s ils
n 'ont pu refaire suffisamment les calculs
pour être sûrs de la validité de la preuve.
Pour sortir de cette situation, Th. Hales
proposa alors quelque chose qui a notam-
ment été fa it en 200 5 pour le théorème des
quatre couleurs : élaborer une version fo r-
m alisée de la preuve (une ve rsion où toutes
les étapes du raisonnement et des calculs
sont décrites en termes de règles logiques
formelles, opérant à l'intérieur d'un sys-
tème d'axiomes donné), pui s fa ire vé rifier
cette preuve form elle par un ordinateur. Ce
travail de form alisation a été mené à bien,
et l'annonce de la réuss ite fin ale a été faite
en 2014 .
On a là quelque chose d'assez intéressant :
non seuleme nt l'ordinateur aide à démon-
trer des résultats, mais il aide aussi à véri-
fi er des preuves longues et complexes, et,
dans certains cas extrêmes, il semble même
être le seul à pouvoir fo urnir une garantie
ultime de validité.
• Des problèmes
encore ouverts ...
Il ex iste toutes sortes de co nj ectures m athé-
matiques, et il y a m ême des livres entiers
qui énumè rent des prob lè mes non résolus.
Certaines questio ns simpl es à formul er
ou pa rticulière ment importantes sont
célèbres. Il y a quelqu es co nj ectures arith-
métiques qui ont l'avantage de s'énoncer
fac ile ment ; elles peuve nt paraître anec-
dotiques, mais elles ne le sont pas . L'une
d'elles es t la conj ecture des nombres pre-
m ie rs jumeaux : on pe nse qu 'il existe une
infinité de paires de no mbres premie rs
jumeaux, c'es t-à-di re de paires de nombres
pre mi ers do nt la différence est égale à 2
(des paires telles 17 et 19, 59 et 61,82 7 et
829, ...). De plu s, la décroi ssa nce observée
des no mbres pre mi e rs jumeaux parmi
tous les nombres premiers est du même
ordre que la décroissance des nombres
premiers parmi tous les entiers. Mais on
n'a ni démontré qu 'il existe une infinité
de nombres premiers jumeaux, ni que
leur densité diminue selon la loi suggérée
par les observations.
Un autre problème arithmétique célèbre
est la conjecture de Goldbach, qui affirme
que tout entier pair supérieur à 2 peut
s'écrire comme la somme de deux nombres
premiers (par exemple, 44 = 7 + 37).
• De l'argent pour motiver
les recherches !
Dans certains cas, on promet même une
récompense pécuniaire pour la résolution
de certaines grandes conjectures ... C'est le
cas avec la conjecture dite P * NP, qui fait
partie des sept problèmes mathématiques
mis à prix (pour un million de dollars) en
l'an 2000 par l'Institut Clay, une fondation
américaine. La conjecture P * NP est une
question profonde qui porte sur la diffi-
culté des problèmes.
Prenons l'exemple des sudokus, dont les
gri lles sont de taille 3 2 x 3 2 (9 x 9) , mais
que l'on peut généraliser à des tailles
4 2 x 4 2, 52 x 52, etc. La résolution d 'un
sudoku est assez difficile, et l'on se dit que
plus la taille de la grille est grande, plus
c'est difficile. Effectivement, on démontre
que la résolution d'un sudoku de taille n2 x n2
est très difficile au sens où c'est un pro-
blème « NP-complet » . L'appartenance à
cette classe de complexité suggère que le
temps nécessaire pour résoudre un sudoku
n2 x n2 augmente exponentiellement avec
n. Mais on ne sera sû r que le problème est
exponentiellement difficile que le jour où
l'on aura démontré qu'un problème NP-
complet est exponentiellement difficile,
et c'est justement l'objet de la con jecture
P * NP. Beaucoup de mathématiciens et
d'informaticiens sont persuadés que c'est
vrai, mais personne n'a pu le démontrer.
Plus grave : il a été envi sagé sérieusement
que la conjecture P * NP soit indécidable
dans le système d'axiomes usuel de l'arith-
métique, mais nous ne disposons à ce jour
d'aucune piste susceptible de mener à la
démonstration de cette hypothèse, toutes
les méthodes connues ayant échoué. On est
face à un grand mystère, posé par une affir-
mation (P * NP) qui semble évidente, mais
dont on ne voit pas comment on pourrait
la prouver.
LE S LIMITES LOGIQUES ET MATHÉMATIQUES -,1 135
a La conjecture
du carré inscrit
Placer sur une courbe fermée quatre points formant les coins d'un carré
est presque toujours possible. C'est bien, mais comment se débarrasser
du « presque » ?
à où on s'y attend le moins, des ques-
L tions mathématiques difficiles sur-
gissent, si difficiles parfois qu'elles restent
non résolues. Le cas dont nous allons parler
est particulièrement étrange puisque la
question est « presque » résolue depuis
longtemps. Malheureusement, les mathé-
maticiens n'ont pu enlever le « presque »,
malgré des progrès récents et un siècle
de tentatives diverses par des chercheurs
chevronnés.
Voici le problème.
1) Dessinez une boucle avec une craie sur
un tableau : cercle, ellipse, ovoïde, poly-
gone régulier, etc.
2) Trouvez quatre points de la courbe qui
soient les quatre sommets d'un carré.
Si vous êtes patient et méthodique, vous
réuss irez quel que soit votre tracé sur le
tableau (voir l'encadré ci-contre).
Le constat sur des cas particuliers est inté-
ressant, mais peut-on démontrer qu'il
existe un tel carré pour toute courbe fermée
simple (qui revient à son point de départ
sans se couper) dessinée sur un plan ?
La réponse n'est pas connue dans le cas
général, bien que de nombreux cas par-
ticuliers aient été traités, lesquels recou-
vrent à peu près toutes les courbes fermées
simples habituellement envisagées en
mathématiques. Le problème a été for-
mulé en 191 1 par le mathématicien alle-
mand Otto Toeplitz {1881 -1940). Depuis,
une multitude d'articles mathématiques
138 j M ATHÉ MATIQUES ET MYSTÈRES
lui ont été consacrés. J'en ai compté plus
de 30, qui, tout en faisant avancer la
résolution de l'énigme ou en traitant cer-
taines variantes, n'en sont pas venus à
bout. L'affirmation que « Toute courbe
fermée simple contient les quatre coins
d'au moins un carré » reste, auj ou rd 'hui
encore, une conj ecture.
L'énigme est liée au problème concer-
nant le positionnement d'une table sur
un monticule. Considérons un terrain
bombé, une petite colline, assez régulier
pour qu'on puisse l'assimiler à une surface
continue. Chaque ligne de niveau est une
courbe fermée simple ou la juxtaposition
de plusieurs courbes fermées simples. Si
la con jecture est vraie ou si les courbes
mises en jeu sont suffisamment régulières
pour entrer dans la classe des courbes pour
laquelle la con jecture est prouvée (voir plus
loin), alors sur chacune d'elles, il existe
quatre points formant les sommets d'un
carré, où l'on peut placer les pieds d 'une
table carrée aya nt des pieds de même hau-
teur et supposés très fins et assez longs.
• Pique-nique sur une colline
À chaque niveau possible, on pourra ai nsi
poser une table carrée au moins dans une
position stable et parfaitement horizon-
tale. Notons toutefois que, pour un niveau
donné, la table sera imposée et il faudra
 .: : Carré inscrit et table sur un monticule
La conjecture de Toeplitz est l'affirma-
tion, toujours sans démonstration en
2016, que toute courbe fermée simple
(une boucle ne se coupant pas) contient
quatre points formant les sommets d'un
carré [a), que l'on dénomme « carré
inscrit ».
Le problème de la table carrée sur un
monticule [b) est un problème du même
type à trois dimensions : peut-on placer
horizontalement une table pour qu'elle
soit stable, c'est-à-dire telle que les quatre
pieds (chacun de même longueur et infi-
niment fins, formant un carré) touchent
la surface?
Le théorème de la table de Roger Fenn
[voir la bibliographie en fin d'ouvrage)
indique les conditions sur la surface du
monticule qui assurent que toute table à
base carrée pas trop grande pourra être
convenablement posée.
Ce théorème totalement démontré
contourne la conjecture de Toeplitz tou-
jours incertaine. Nous voilà rassurés pour
notre prochain pique-nique!

donc la fa briq uer ex près pour que l'écar-
tement entre les pieds soit le bon, c'est-
à-d ire égal au côté du ca rré inscri t sur la
courbe de n iveau choisie. Heureuse men t,
si la surface du monticule est assez régu-
li ère, le côté du ca rré inscrit variera de
mani ère co nti n ue en parcou ra nt les lignes
de ni vea u, et o n aura donc le résu ltat plu s
intéressa nt e n pra tique : toute table à base
carrée don née et assez haute, do nt les pieds
ne so nt pas trop éca rtés, pourra être placée
ho rizo ntalement et d'une façon stable su r
le mon ti cu le où l'on sou haite p ique-niq uer.
Reve no ns au problème in itial d'un carré
aya nt ses quatre coins sur une courbe.
Précisons que nous d iro ns « inscri t sur la
courbe » mêm e si d'autres intersections du
carré avec la cour be se produi sent et que
celu i-ci sort donc de la zo ne intérieure déli-
mitée par la courbe. Pou r ex pliq uer la situa-
tion et la mul titude de résultats démon trés
auto ur de la conjecture de Toepli tz, il faut

LA CONJECTURE OU CARRÉ INSCRIT ~ 139


La conjecture de Toeplitz est presque démontrée
Walter Stromquist a démontré en
1989 que si une courbe fermée
simple du planest localement mono-
tone, alors elle possède nécessaire-
ment un carré inscrit.
Par définition, pour qu'une courbe
soit localement monotone [a], on
doit pouvoir associer,àchaque point
M de la courbe, un système d'axes
Oxy de façon qu'un petit morceau
de la courbe autour de M soit tel que
deux pointsde ce bout de courbe ne
sont jamais sur une droite parallèle
à l'axe Oy.
Àl'exception des courbes fractales et
de quelques courbes bizarres, toutes
lescourbes envisagées en mathéma-
tiques sont localement monotones
et donc le théorème de Stromquist
démontre de manière presque défini-
tive la conjecture de Toeplitz.
Le problème est qu'on ne sait pas
se débarrasser du « presque » ! La
courbe fermée simple lb] entourant
le domaine en bleu est lisse en tous
points, sauf au centre où la condi-
tion de monotonie locale n'est pas
vérifiée.Àmoinsd'un argument par-
ticulier, on ne peut lui appliquer le
théorème de Stromquist et on n'est
donc pas certain qu'elle possède un
carré inscrit.
garantit pas que la courbe C soit total e-
ment lisse. Elle peut avoir des angles et,
par exemple, un triangle équilatéral ou
un polygone quelconque (non croisé) est
une courbe fermée simple. Les points où
la courbe fermée simple n'admet pas de
tangente (il y en a trois pour le triangle)
peuvent être tous les points de la courbe :
tel est le cas des courbes fractales comme le
flo con de von Koch qui ne possède de tan-
gente en aucun point. Cette courbe dont la
longueur est infinie est une courbe fermée
simple (vo ir l'encadré page de droite). Bien
sûr, il peut y avoir plusieurs ca rrés ins-
crits et, pour chaque entier positif n, on
connaît des exemples de courbes possé-
dant exactement n carrés inscrits (nous y
reviendrons).

• Des cas particuliers

faire un effort de rigueur et nous formu le-
rons donc quelques défin itions.
Une courbe fermée simple C du plan es t
l'ensemble des points C(t) du plan quand
t varie dans l'intervalle des nombres réels
compri s entre O et 1, et que C(t) est une
fonction co ntinue qui ne prend pas deux
fois la même valeur (la courbe ne se coupe
pas) sauf en t = 0 et en t = 1 (la courbe
revient à so n point de départ).
La propriété d 'être continue fa it que la
courbe C se dessine sans avoir à lever la
craie. Cette cond ition de continuité ne
démontrés
La conj ecture n'a pas été prouvée dans le
cas général, mais un grand nombre de cas
particul iers ont été traités.
- La conjecture est dé montrée si la courbe
possède une tangente en tout point et si
cette derniè re varie co ntinûment quand le
point glisse sur la courbe, c'est-à-dire si la
courbe est parfaite ment li sse comme un
cercle ou une ellipse .
- La conjecture est démontrée si la courbe
délimite une zone intérieure convexe, c'est-
à-dire telle que si A et B sont deux points
de la zone intérieure, alors le segment
AB es t entièrement co ntenu dans la zone
intérieure.
- La con jecture est démontrée si la courbe
es t dotée d'un centre de symétrie ou d'un
axe de symétrie.
L'un des résultats les plu s puissants concer-
nan t la conjecture a été démont ré en 1989
par Walter Stromquist, du Swarthmore
College aux États-Unis. Il indique que la
co nj ecture est vraie pour toute courbe
« locale ment monotone ». La propriété
d 'être localement monotone signifi e en
gros que la courbe ne fait pas de zigzag à
toute échelle (voir l'encadré ci-dessus) : elle

140 J M A THÉMATIQUES ET MYSTÈRES

peut en faire un peu, mais les zigzags ne ·:::- Le cas symétrique et la courbe de von Koch
doive nt pas s'accumuler en un point. Ce
résultat permet de traiter le cas de tous Si une courbe fermée simple du le flocon de von Koch de manière
les polygones et de toutes les courbes fer- plan possède un centre de symé- à éviter toute symétrie. C'est une
mées obtenues en collant un nombre fini trie, alors elle possède un carré fi gure qu 'aucun des théorèmes
de bouts de droites, d'arcs de cercles, d'el- inscrit : en superposant la courbe connus ne permet de traiter : elle
li pses, de sinusoïdes, etc. Toutes les courbes à une copie tournée de 90', on ne possède peut-être aucun carré
que vous tracerez à la craie entrent dans le obtient une figure invariante par inscrit.
rotation de 90°. les points com- la fi gure [c) montre la partie de
champ du théorème de Stromquist !
muns à la courbe initiale et à sa l'image [a) où le flocon de von
Malheureusement certaines courbes frac-
version tournée de 90' sont les Koch rencontre sa version tournée
tales ne sont pas localement monotones, sommets d'un carré inscrit [a). de 90'. Chaque point de rencontre
et la conjecture n'est donc pas démontrée le flocon de von Koch n'est pas détermine un carré inscrit. On est
pour toute courbe. On obtient par exemple localement monotone et le résul- persuadé qu'il y a un nombre infini
une courbe pour laquelle la conjecture n'est tat de Stromquist ne s'applique pas. de points d'intersection, et donc de
pas prouvée en mettant bout à bout des Toutefois, il possède un centre de carrés inscrits. Ce travail empirique
morceaux de la courbe du flocon de von symétrie et donc un carré inscrit. réalisé par Francesco De Comité n'a
Koch de façon à obtenir une courbe non la figure [b) a été obtenue en recol- pour l'instant pas été confirmé par
lant des bouts de courbes prises sur une démonstration.
symétrique.
Le fl ocon de von Koch lui-même est un
exemple intéressant : sa symétrie assure
qu 'il comporte au moins un carré inscrit.
Une étude graphique empirique de Fran-
cesco De Comité, au Centre de recherche
en informatique, signal et automatique de
Lille, suggère fort ement que le flo con com-
porte une infinité de carrés inscrits, mais
pour l'instant le résultat n'est pas établi
rigoureusement (voir l'encadré ci-contre).

• Errare humanum est...

Certaines erreurs sont des pièges dans
lesquels nous sommes irrés istiblem ent
attirés. Un joli piège est à l'origine de plu-
sieurs résultats faux, heureusement repérés
depu is leur publication. Une idée naturelle
pour démontrer le cas général consiste à
approcher une courbe fermée simple C
par une suite C0, C11 C2, .. . de courbes régu-
lières (par exe mple des polygones ) pour
lesquelles on sait qu 'il y a un carré inscrit.
Partant de cette suite de carrés (qui n 'est
pas nécessairem ent convergente), on sait
en extraire une suite convergente de carrés
(on ne retient que certains des carrés de la
suite). Le fait que les courbes Ci convergent
ve rs Cassure que le carré limite de la suite
conve rgente extraite est un carré inscri t
dans C.
La conj ecture est-elle démontrée ? Hélas
non, car, sauf argument supplémentaire,
rien n'interdit à la su ite extraite de carrés
de conve rger vers un carré ... de côté nu l.
Évidemment, cela n 'a aucun intérêt, car
même si on ne l'a pas précisé dans l'énoncé
de la conj ecture, il est clair qu 'on a exclu
le cas des carrés inscrits réduits à un
seul point. De nombreuses tentatives de
démonstration de la conj ecture de Toeplitz
et plusieurs démonstrations de cas particu-
liers exploitent l'idée ici décrite en s'arran-
geant pour que le carré limite ne se réduise
pas à un point.

LA CONJECTURE OU CARRÉ INSCRIT .Ï 141

· Quatre petits problèmes

• Existe-t-il des courbes fermées simples

du plan qui possèdent des carrés inscrits
passant par chacun de leurs points ?
Un cercle et un carré ont bien sûr cette
propriété. De nombreuses autres courbes
fermées possèdent cette propriété (dont
toutes les courbes invariantes par une
rotation de 901, Francesco De Comité a
dessiné les figures a, b, c, d.
• Trouver une courbe fermée simple du
plan n'ayant qu'un seul carré inscrit.
Solution : voir les figures e, f, g.
• Toute courbe fermée simple du plan
contient-elle les sommets d'un penta-
gone régulier inscrit? (Autrement dit, la
conjecture de Toeplitz avec les carrés se
généralise-t-elle avec les pentagones ?)
Non. Un triangle équilatéral, à cause
des problèmes créés par les angles, ne
peut pas contenir les cinq points d'un
pentagone régulier. De la même façon,
une courbe fermée simple du plan ne
contient pas toujours un polygone régu-
lier de plus de cinq côtés.
• Tout point Pdonné d'une courbe fermée
simple C est-il le sommet d'un triangle
équilatéral inscrit dans C?
Non. Soit C un triangle isocèle dont
l'angle au sommet est inférieur à 120°.
Ce sommet P ne peut pas être le sommet
d'un triangle équilatéral inscrit dans C.

La situation aujourd 'hui est donc indéter-
m inée, et il n'es t pas exclu qu e les courbes
fermées s imples du pla n qui co ntie nnent
les qu atre coins d 'un ca rré constitue nt un
sous-en se mbl e « m aigre » de l'en se mble
de toutes les courbes fermées simples.
La notion de « sous-e nse mbl e maigre »
(allez voir la définition de Wikip édia ... )
exprime l'idée de rareté dans le contexte
topologique des ensembles de courbes
continues. Ell e a une certaine analogie
avec le fait que les nombres rationnels
(rapports de deux enti ers) sont rares dan s
l'ense mbl e des nombres réels. Il est amu-
sant de constater qu e les cas pour lesquels
on a démontré la conj ecture recouvre nt
la grande majorité des courbes qu e les
mathémati cie ns envi sagent, mais que
cette partie pourrait malgré tout être
infime (« mai gre» ).
L'apparente contrad iction ti ent à ce que
les mathématiciens étudient en priorité
les courbes réguliè res et que ce lles-ci
ne sont pas rep rése ntatives des courbes
qu 'on rencontrerait si o n les choi sissait au
h asa rd.
La situation est assez analogue à cell e
des nombres réels calculables, nombres
pour lesquels il existe un algorithme qui
en énumère indéfi niment les décimales.

142 '-' MATHÉMATIQUES ET M Y STÈRES

 :·::- Les courbes informatiques
Les différents pixels d'une courbe
(assimilés à des petits carrés sur un
quadrillage) forment une chaine de
voisins.
Dans le cas des courbes fines, le mot
« voisins » signifie « avoir au moins un
point en commun ». Pour les courbes
épaisses, deux pixels voisins de la
courbe doivent avoir au moins un côté
en commun.
Pour éviter les recoupements et imposer
le retour au pixel de départ (courbe fer-
mée simple), on ajoute dans les deux cas
que chaque pixel possède deux voisins
exactement. Le problème du carré inscrit
dans le monde discret des pixels est alors
clairement posé... et a été résolu en 2011 :
- toute courbe épaisse fermée simple pos-
sède au moins un carré inscrit [a] ;
- il existe des courbes fines fermées
simples qui n'ont pas de carré inscrit [b].

Dans une courbe • épaisse •,

deux pixels wisins ont au moins
un côté en commun (a).
Dans une courbe • fine •,
deux pixels wisins ont au moins
un point en commun (b, deux exemples
d'une telle courbe). Les propriétés
de ces courbes vis·à-vis
des carrés inscrits sont différentes.

Les nombres calculables constituent une
partie infime des nombres réels (c'es t un
ensemble qui a autant d'éléments qu 'il y a
d'enti ers, alors qu 'il y a plus de nombres
réels que d'entiers), ce qui n 'empêche pas
qu'il a fa llu attendre Alan Turing pour réa-
li er en 1936 qu 'il existait des nombres
non calculables et en dés igner un !
À défaut de faire avancer directement
l'énigme récalcitrante de Toeplitz, on
tente de comprendre ce qui se passe dans
des situations mathématiques proches.
Que dire des rectangles, des tri angles, des
losanges ? Que deviennent ces questions
quand on passe du plan à l'espace ? Que
deviennent ces questions en géométrie
discrète où l'on envisage des courbes com-
posées de pi xels en nombre fini (seules
courbes que l'informatique considère) ?
• Remplacer le carré
par un rectangle,
un triangle, un losange
Comme nçons par rendre le problème plus
faci le en rem plaça nt le carré recherché par
un rectangl e. Cette vers ion a été résolue
par Herbert Vaughan en 1977 : toute
courbe fermée simple du plan contient au
moins un rectangle inscrit. Cet te propriété
est démontrée en quelques lignes.
Et dans l'espace à trois dimensions, une
courbe fermée simpl e conti ent-elle tou-
jours un rectangle inscrit ? Non, un
contre-exemple a montré qu 'il existe des
courbes de l'espace ne possédant aucun
rectangle inscrit (et donc aucun carré in s-
crit). Un résultat de 199 5, positif cette
fois , de Mark Nielsen et S. Wright établit
que dans l'es pace, toute courbe fermée
simple symétrique par rap port à un plan
ou symét riqu e par rapport à un point pos-
sède un rectangle inscr it.
Et pour les triangles ? La réponse est caté-
gorique : toute courbe fe rmée simple du
plan possède au moins un triangle équila-
téral inscrit.
Ce résultat se générali se à un triangle quel-
conque : si T est un tri angle fixé, et que
C est une courbe fermée simple du plan,
alors C contient au moins les trois som-
mets d'un triangle semblable à T. En fa it,
M. Nielsen a indiqué en 1992 qu 'il existe
une infinité de points de la courbe qui sont
sommets d'un triangle semblable à T ins-
crit dans C et que ces points forment un
sous-ensemble dense de la courbe : entre
deux points différents de la courbe, aussi

LA CONJECTURE OU CARRÉ INSCRIT ,,/1 143


• Courbe fermée simpledu
plan possédant exactement
4carrés inscrits. Le dessinn'en
montreque trois: trouvez le
quatrième!
144 ,lJ MATHÉM ATIQUES ET M Y STÈRES
proches soient-ils, il existe toujours un
point P sommet d'un triangle semblable à
T inscrit dans C.
Pour les losanges et donc aussi pour les
parallélogrammes, c'est encore bon : toute
courbe fermée simple du plan contient au
moins un losange inscrit.
Le théorème de M. Nielsen qui établit ce
résultat montre de plus que, si une direc-
tion est fixée, on peut demander au losange
recherché d'avoir deux de ses côtés paral-
lèles à cette direction. V Makleev, de
l'Université de Saint-Pétersbourg, a établi
en 2004 que le résultat était encore vrai
dans l'espace (sans, cette fois, que l'on
puisse imposer à certains côtés du losange
d'être parallèles à une direction donnée).
Un carré est constitué de deux paires de
côtés opposés parallèles et ses deux diago-
nales ont même longueur. Une généralisa-
tion du carré dans l'espace est le quadrilatère
ayant ses quatre côtés égaux ainsi que ses
deux diagonales, que nous nommerons
« le quasi-carré ». Jason Cantarella et John
McCleary, aux États-Unis, ont démontré que
toute courbe fermée simple assez régulière
de l'espace à trois dimensions possède un
tel quasi-carré inscrit. « Assez régulière »
signifie que la courbe est non seulement
continue, mais qu'elle a une tangente en
chaque point, tangente qui varie continû-
ment quand le point de tangence glisse le
long de la courbe.
Les carrés inscrits peuvent-ils être nom-
breux ? Peut-il par exemple y en avoir
cinq, ni plus ni moins ? Là encore, bien
que les résultats soient récents, on n'a pas
rencontré d'obstacles majeurs. Pour tout
entier strictement positif n, il existe une
courbe fermée simple du plan qui possède
exactement n carrés inscrits. Le résultat
a été démontré en 2008 par Strashimir
Popvassilev, au City College de New York,
qui a pu établir qu'on peut imposer de
plus à la courbe d'être indéfiniment diffé-
rentiable (c'est-à-dire parfaitement lisse)
et même qu'on peut avoir exactement n
carrés inscrits en imposant à la courbe de
délimiter une zone intérieure convexe. Le
théorème est patent pour les polygones,
comme le montre la figure ci-dessous qui
résout le cas n = 4 et qui se généralise de
façon évidente.
Le nombre de carrés inscrits sera fréquem-
ment impair. En effet, si la courbe fermée
simple est un polygone n'ayant rien de par-
ticulier, deux de ses côtés ne sont jamais
parallèles ni orthogonaux, ou si la courbe
fermée simple est extrêmement lisse,
définie par des fonctions analytiques, alors
le nombre de carrés inscrits est infini ou
impair.
Par ailleurs, le mathématicien japonais
Shizuo Kakutani a démontré en 1942
que tout volume convexe de l'espace peut
être enfermé dans un cube exinscrit dont
chaque face touchera le volume. Notons
enfin qu'un théorème de !'Anglais Roger
Fenn a réglé en 1970 le problème de la
table évoqué au début de l'article. Si la fonc-
tion continue définissant le monticule est
positive sur un ensemble convexe et nulle
ailleurs, alors toute table carrée pas trop
grande pourra être convenablement posée
sur le monticule.
• Carrés inscrits
sur courbes pixellisées
Les travaux de Feliu Sagols et Raul Marîn,
de l'Institut polytechnique national du
Mexique, auront peut-être des applica-
tions puisqu'ils concernent les figures
dessinées avec des pixels et que des algo-
rithmes de calculs des carrés inscrits ont
été proposés.
Le plan discret n'est qu'un tableau de cases
carrées, les pixels, constituant un grand
quadrillage. Deux notions de courbes dis-
crètes sont naturelles : les courbes fines et
les courbes épaisses (voir l'encadré p. 143).
Le problème du carré inscrit se pose dans
ce contexte : toute courbe épaisse fermée
simple contient les quatre coins d'un
carré et il existe des courbes fines fermées
simples qui ne contiennent aucun carré
inscrit (jamais quatre de leurs pixels ne
sont les quatre coins d'un carré).
La démonstration du résultat positif concer-
nant les courbes épaisses n'est pas aussi
simple qu'on l'imagine. Cela montre une fois
encore que bien des problèmes du continu
ont des traductions intéressantes dans le
monde du fini des pixels et de l'informatique.
Le monde mathématique est étrange et cer-
tains passages semblent interdits. Même
dans des domaines élémentaires (comme
celui des courbes fermées simples du plan)
pour lesquels on s'imaginait bien armé par
les outils de l'analyse et de la géométrie, on
butte sur des obstacles durs comme le dia-
mant. Rien ne nous permet de reconnaître
ces problèmes difficiles avant qu'on ne se
cogne à eux et ils semblent surgir au hasard.
Ils s'amusent à humilier une communauté
vieille de plus de trois millénaires !
LA CONJECTURE OU CARRÉ INSCRIT ,;I 145
Il Cosmos : l'art de spéculer
I •
ser1eusement
Certains événements astrophysiques majeurs tels
que la naissance de trous noirs ou les mouvements de certaines étoiles
pourraient-ils être contrôlés par des intelligences supérieures?
otre imagination est bien timorée
N lorsque nous tentons de concevoir le
futur ou la structure globale de l'Univers. La
science-fiction nous aide un peu, mais elle
oublie souvent les contrai ntes de la phy-
sique ou de la logique. La méthode la plus
intéressante pour aborder ces « grandes
questions » est finalement celle qui s'auto-
rise toute hypothèse, mais en prenant en
compte au mieux ce que nous app rend
la science et ce qu'elle considère comme
possible.
De nombreux scientifiques se sont adonnés
à ce jeu de la spécu lation savante - Nikolaï
Kardashev, Freeman Dyson, Carl Sagan,
Lee Smolin, Roger Penrose, etc. -, et il en
est résulté une assez volumineuse littéra-
ture, parfois technique, mais sidérante et
enivrante à bien des égards. Ces explora-
tions et extrapolatio ns font hurler certains
esprits peu enclins à la fantaisie: ils n 'y
voient rien de pertinent et s'emportent si
l'on prétend que de tels exercices sont une
forme légitime de recherche sc ientifique. Si
c'est votre sens ibilité, passez votre chemin,
car le livre que nous analyserons conduit
aux confi ns de la physique, du raisonne-
ment et peut-être même du raisonnable.
Clément Vidal est philosophe des sciences et
chercheur à la Vrije Universiteit de Bruxelles.
Il a publié en 2014 un livre dont le titre est
tout un programme: The Beginning and
the End: The Meaning of Life in a Cosmolo-
gical Perspective (« Le commencement et la
fin: le sens de la vie dans une perspective
146 ,I MATHÉMATIQUES ET MYSTÈRES
cosmologique»). Connaissant et maîtrisant
la littérature sur les questions de l'origine,
du devenir ultime de l'Univers et les concep-
tions générales du monde formulées par la
cosmologie et les philosophes, il présente
un panorama organisé des réponses envisa-
geables aux grandes questions que l'huma-
nité se pose depuis toujours. Bien sûr, ces
grandes questions ont été abordées par les
religions, mais ici l'approche est non dogma-
tique et consiste comme il se doit à échanger
des arguments rationnels et contradictoires.
Une partie importante du livre de C. Vidal
sur laq uelle nous allons nous concentrer
traite d'un problème précis: les lois de la
physique condamnent-elles irrémédiable-
ment la vie à d isparaître?
La seconde loi de la thermodynamique,
selon laquelle l'entropie de tout système
fermé augmente inéluctablement, a pour
conséquence que tout dans l'Univers finira
par s'égaliser thermiquement dans ce qu 'il
est convenu d'appeler la« mort thermique»,
état stabili sé et uniforme qui, bien évidem-
ment, interdit toute persistance d'êtres
vivants et donc d'êtres humains. Quoi que
nous fassions, nous disparaîtrons, semble
affirmer la thermodynamique.
Bien que discutée - faut-il considérer l'Uni-
ve rs comme un système fermé? -, cette
fin programmée de l'humanité, que l'on
retrouve sous la forme de la mort ther-
mique ou sous d'autres formes dans la
plupart des modèles cosmologiques, ne
doit-elle pas nous inquiéter?
 La seconde loi de la thermodynamique
affirmant la croissance continue de l'en-
tropie de l'Univers, considéré comme un
système isolé, implique que l'Univers
va vers un état où toute l'énergie sera
uniformément distribuée et où toute
vie sera impossible, un état nommé
«mort thermique ». L'idée a été proposée
en 1851 par Lord Kelvin qui s'appuyait
sur les travaux de Sadi Carnot, James
Joule et Rudolf Clausius. Les scénarios
envisagés depuis par les cosmologistes
sont plus variés, mais la plupart pré-
voient qu'au-delà d'un certain moment,
l'Univers ne pourra plus abriter la vie.
Dans un article paru en 2000, Law-
rence Krauss et Glenn Starkman expli-
quaient par exemple: «Les données
actuelles suggèrent que la constante
cosmologique est non nulle ou, ce qui
revient au même, que nous vivons dans
un Univers ouvert [...]. Si l'Univers reste
déterminé par cette constante, notre
capacité à maîtriser des structures de
grandes tailles diminuera à mesure que
le temps s'écoulera. Les objets obser-
vables disparaîtront sur une durée
de l'ordre de grandeur de la vie d'une puissant effet gravitationnel, la totalité nous admettons que la conscience et
étoile. De plus [...], la durée de vie de de l'information manipulable par une l'esprit sont fondés sur une forme de
toute civilisation ne pourra qu'être finie civilisation durant la totalité de l'his- calcul physique, la vie ne peut pas être
[.. .]. À moins d'un improbable et très toire de l'Univers sera finie, et donc si éternelle.»

À titre de provocation sans doute, C. Vidal en considération de l'échelle de Nikolaï Kar-

explique que nous ne pouvons pas être ind if-
fé rents à cela. De la même façon que pour les
conséquences du réchauffement cl imatique
ou du déséqu ilibre des comptes des caisses
de retraite, pour C. Vidal, ne pas se sentir
préoccupé de ce qu 'il adviendra de l'hu ma-
ni té et de la vie, même dans un aveni r très
lointain, est une form e d'immoralité.
• Civilisations avancées?
Là où son attitude diffère de celle la plus sou-
vent affi chée, c'est quand il annonce que la
question n'est peut-être pas indépendante de
notre volonté. Son avis se fo nde sur la prise
dashev complétée par celle de John Barrow.
li s'agit de deux méthodes pour classer les
civilisations tech nologiques futures (ou pré-
sentes, mais non encore découvertes) en
fo nction de leur état d'avancement.
Dans un article publié en 1964, l'astronome
soviétique N. Kardashev a classé en trois
n iveaux les civi lisations tech nologiques,
en se fo ndant sur les quan tités d'énergie
qu'elles m aîtrisent. Les civili sations de type l
sur cette échelle contrô lent et utili sent toute
l'énergie produite par leur planète; nous
n 'y sommes pas encore! Les civilisations
de type II accèdent à la totalité de l'énergie
d'une éto ile telle que notre soleil. Les civili-
sations de type Ill d isposen t et se servent

COSMOS: L ' ART DE SPÉCULER SÉRIEUSEMENT J; 147


Les sphères de Dyson ont été mécaniquement impossible: la
imaginées comme un moyen pour gravitation de l'étoile conduirait
une civilisation de profiter de à l'effondrement de la structure.
toute l'énergie de rayonnement Il faut plutôt imaginer une mul-
d'une étoile. Pour cela, de telles titude d'objets en orbite autour
structures entourent un soleil. de l'étoile, si nombreux que tout
L'idée d'une coque immense est rayonnement qui s'en échappe
séduisante, mais, comme l'a pré- est intercepté et capté par l'un
cisé Freeman Dyson, elle est des objets en orbite.
de la totalité de l'énergie contenue dans une
galaxie. Nous en sommes très loin !
En 1998, John Barrow, cosmologiste et
astrophysicien à l'Université de Cambridge,
a proposé une autre classification indépen-
dante et complémentaire, fondée sur la
taille des obj ets qu 'une technologie donnée
est en mesure de contrôler.
Il y a sept niveaux. Au niveau I, une civili-
sation maîtrise les objets de la taille de ses
individus: habitations, véhicules, etc. Nous
y sommes. Le niveau II correspond à une
maîtrise des composants de base de ses
individus - organes, cellules, gènes - qu'on
devient capable de transplanter, remplacer,
sélectionner et manipuler. Nous y arrivons.
Le niveau III imagine une capacité d'ac-
tion moléculaire permettant de connaître
ou de créer des matériaux de toutes sortes
en associant des molécules. Nous avons
fr anchi quelques pas dans cette direction.
Le niveau IV est celui du passage à l'échelle
148 JI M A THÉM ATIQUES ET M Y STÈR E S
atomique: la science, devenue maîtresse
des nanotechnologies, conçoit et construit
des objets artificiels minuscules, atome par
atome, et crée par exemple des formes artifi-
cielles de vie. Nous y pensons !
Le niveau V atteint le noyau des atomes et
ses composants, qui deviennent manipu-
lables. Le niveau VI domine les particules
les plus élémentaires de la matière - quarks
et leptons - permettant la création de nou-
veaux assemblages complexes. Nous en
sommes loin. Le dernier niveau, Oméga,
correspond à une domination totale de
toutes les structures de base de l'espace et
du temps. Nous ne savons même pas ima-
giner clairement ce que cela signifie.
Dans le parcours de ces deux échelles, envi-
sageons dive rses étapes. Nous en consi-
dérerons trois étudiées et décrites dans le
livre de C. Vidal : les classiques sphères de
Dyson ; les hypothétiques civilisations « sta-
rivo res », peut-être observables dès main-
tenant ; les très spéculatives civilisations
créatrices d'unive rs et suj ettes à des méca-
ni smes de sélection darwinienne à l'échelle
du cosmos.
Une sphère de Dyson est une structure
envisagée en 1960 par le célèbre phy-
sicien américain Freeman Dyson, dans
un article de la revue Science. Il s'inspi-
rait d'un roman de science-fi ction publié
en 193 7 par Olaf Stapleton et intitulé Star
Maker. Il n 'a jamais prétendu être l'inven-
teur de l'idée, quoiqu 'ell e porte son nom
aujourd'hui.
• Capturer toute l'énergie
d'une étoile?
Le but de ces structures est de capturer l'es-
sentiel de l'énergie du rayonnement d'une
étoile. L'idée d'une coque sphérique creuse
entou ra nt l'étoile, retenue assez souve nt
dans les livres de science-fiction, est bien
sûr la plu s naturelle. Cependant, comme
le précise F. Dyson lui-même, elle est phy-
siquement impossible: la force d'attrac-
tion de l'étoile la fera it s'effondrer. Sans
donner beaucoup de précisions, F. Dyson
 Il existe trois sortes de systèmes
d'étoiles doubles. Les deux corps
peuvent êtreen contact,totalement
détachés ou semi-détachés, c'est-
à-dire échangeant de la matière.
Cette troisième catégorie, d'après
Clément Vidal, est particulière-
ment intéressante : «Dans les sys-
tèmes semi-détachés, on observe
un flux énergétique qui pourrait
être contrôlé. Des arguments ther-
modynamiques permettent une
interprétation métabolique de ces
systèmes binaires. La justesse de
telles interprétations n'est pas tran-
chée, mais on peut envisager des
tests à partir des données astro-
physiques disponibles.»

pense plutôt à une collection d'un grand
nombre d'obj ets en orbite autour de l'étoile
concernée, dont la totalité cache l'étoile et
en capte toutes les émi ss io ns, ou au moins
une partie importante.
Une civili sation réuss issant la co nstruction
d'un tel ensemble serait une civilisation
de type li sur l'échelle de N. Kardas hev. Le
spectre émis par une telle sphère, absorbant
l'essentiel du rayo nnement de l'étoile enve-
loppée, sera it nécessairement très différent
des spectres connus des étoi les nues. On
serait donc en mesure de les détecter de très
loin. Pour F. Dyso n, les émiss ions infra-
rouges de ces hyp othétiques sphères méri-
teraient d'être recherchées pour détecter
d'autres civi li sation s éventuelles. L'idée
a été suivie plu sieurs fo is. En parti culier,
des recherches menées par le Fe rmilab,
aux États-Unis, explorant 250 000 sources
d'é mi ss ion, ont conduit en 200 9 à repérer
17 sources infrarouges compatibles avec ce
qu 'on imagine que produirait une sphère
de Dyson. Aucune n'a encore été confirmée
comme prove nant d'u ne civi lisation
extra terres tre.
Capter l'énergie ém ise par une étoile, sans
en lai sser s'échapper trop, c'est très bien,
m ais la m atière d'une étoi le est auss i de
l'énergie. Auss i, on im agine qu'une civili-
sation avancée de niveau V sur l'échelle de
). Barrow, m aîtrisant les états très denses de
la matière, souhaiterait s'en emparer rapi-
dem ent sans avoir à attendre les mi lliards
d'an nées nécessaires pour que l'ém iss ion
naturelle de l'étoi le la rende di sponible.
Peut-on concevoir d'autres moyens d 'uti-
liser rapidement et effi cacement l'énergie
d'une étoi le et qu 'adopterait une civilisa-
tion avancée ? C'est une idée que C. Vida l
étud ie en détail.
• Aspirer
la matière de l'astre
L'observation de certains systèmes astrono-
miques doubles, en particulier impliquant
un trou noir et une aut re étoi le, suggère
d'intéressantes questions sur ce thème.
L'éto ile y est as pirée par un mécanisme
d'accrétion progressive et parfo is irrégu-
lier, comme s'il était piloté. L'ense mble

COSMOS: L 'ART DE SPÉCULER SÉRIEUSEMENT ~ 149

 L'idée de la sélection naturelle a été
reprise dans diverses sciences. Par
exemple, les algorithmes génétiques
sont un moyen de concevoir des pro-
grammes efficaces en simulant un pro-
cessus de sélection entre programmes
candidats. En cosmologie, l'idée a été
proposée par Lee Smolin qui imagine
que les trous noirs se formant dans un
univers comme le nôtre sont dans cer-
tains cas assimilables à des naissances
d'univers. Les univers les plus suscep-
tibles de donner naissance à d'autres
trous noirs sont favorisés et ont donc
une descendance plus nombreuse. Par
conséquent, on ne doit pas être étonné
d'être présent dans un univers où les
trous noirs se forment aisément. Une
sorte de sélection naturelle se déroule-
rait donc à un niveau cosmique.

permet d'accéde r à une part importa nte
de l'é nergie de l'éto ile sans attendre qu 'elle
s'e n li bère par é mi ss ion spontanée. Par ai l-
leurs, certains sys tèmes doub les émettent
des jets de matière et de rayonnement
comme s' il s évac ua ient une sorte de déchet.
La form e optimale de consommation de
l'énergie d'une éto ile ne ressemble rait-ell e
pas à cela? La m atière serait utilisée petit
à pe ti t, e t ce qui est expu lsé corres pond ra it
à l'évacuati on de l'entropi e. C Vidal insiste
sur l'a nalogie the rmody namique entre un
tel systè me et le métabolisme des êtres
vivants que nous connai ssons.
Bien sûr, pour arriver à de telles form es, la
vie hypothétique constituant ces systèmes
doub les serait très différente de celle sur
Terre, fond ée sur la chimie du carbone.
F. Dyson lu i-même et d'autres ont depuis
longtemps suggé ré que la vie pourrait
exister sous des form es très différentes de
la nôtre. Il n'est pas absurde d'imaginer de
tels types exotiques de vie, que justement
des civilisations avancées sur l'échelle de
). Barrow maîtriseraient et créeraient.
L'existence de ces systèmes vivants fon ction-
nant sur un rythme temporel sensiblement
plus rapide que le nôtre, à une température
plus élevée et en utili sant une matière plus
dense que celle de la Terre, est bien évidem-
ment une spéculation. Elle mérite d'être
précisée, mais pourquoi se l'interdire? La
suggestion de C. Vidal, que certains sys-
tèmes bina ires observés depui s longtemps
par nos télescopes ont des propriétés ther-
modynamiques évoquant des systèmes
vivants pourraient être des civili sations
ava ncées, n'est donc pas plus absurde que
les sphères de F. Dyson.
C. Vidal propose de nommer « stari vo res »
ces civili sations qui mangent les étoil es.
Un autre indice qu' il avance en fave ur de
l'idée que nous voyons depu is longtemps
ces structures art ifi ciell es es t fond é sur
la g rande variété des sys tèmes doubles
connus. Aujourd'hui enco re, on découvre
des systèmes binaires qui se présentent
sous des form es in attendues... comme
lo rsque nous découv rons de nouveaux
êtres vi va nts sur Terre !
Une caractéri stique de tous les êtres viva nts
est qu'ils manipulent de l'information. Celle-
ci est au cœur de leur reproduction (l'infor-
mation gé nétique), de leur action sur leur
environnement (l 'inform ation à l'œ uvre dans
notre système nerveux, dans l'orga nisation

150 1 M ATHÉM ATIQUES ET M Y STÈRES

sociale, et dans la circulation du savoir scien-
tifique). Une preuve définitive de la décou-
ve rte de civilisations extraterrestres ne sera
établie que lorsque nous aurons pu prouver
que de tels systèmes de traitement de l'infor-
mation sont présents dans les objets célestes
que nous soupçonnons être liés à des intelli-
gences différentes de la nôtre. Pour l'instant,
nous n'y sommes pas !
Parmi les tests envisageables pour éta-
blir l'exi stence de starivores, C. Vidal en a
imaginé un assez simple. Une foi s l'étoile
consommée, une telle civili sation serait
amenée à se déplace r vers une nouvelle
étoile proche dans le but de l'exploiter.
Si nous observions un corps très dense
s'éloignant d 'un système binai re épui sé ou
presque épuisé dans la direction de l'étoile
voisine, ne devrions-nous pas en conclure
que nous avons affa ire à une telle civili sa-
tion, qui se dirige vers une nouvelle proie?
• Enfants-univers
Une autre idée fo lle, mais qu 'un spécula-
teur déterminé doit étudier, concerne des
civili sations d'un niveau encore supérieur:
les civilisations créatrices de nouveaux
uni vers.
La cosmologie envisage que lorsqu 'un trou
noir se fo rme, c'est une porte ve rs un nouvel
univers qui pour rait s'ouvrir. La séparation
complète entre l'intérieur du trou noir et
l'univers où il se fo rme évoque la création
d'une bulle de savon s'échappant d'une sur-
face plane sur laquelle on souffie. La bulle
se détache et s'en va, indépendante, coupée
de tout contact causal avec la surface dont
elle est issue. Ce processus d'engendrement
d'un enfa nt-univers peut bien sûr se pour-
suivre, et l'enfa nt-unive rs donnera naissance
à d'autres enfa nts-univers, et ainsi de sui te.
Poussa nt l'analogie avec le monde vivant, le
phys icien théoricien amé ricain Lee Smolin
a proposé dès 1992 l'idée que ces engen-
drements pourraient donner lieu à une
fo rme de sélection naturelle. L'idée d'un
da rwinisme cos mique concernant les trous
noirs semble choquante, mais elle se tient,
car d'un univers père à ses descendants, il
est naturel d'imaginer certaines va ri ations
(elles sont nécessaires pour qu 'il y ait sélec-
tion) : les constantes physiques par exemple
ne s'imposent pas logiquem ent. Depuis
longtemps, on a émis l'idée qu'elles pour-
raient varier avec le temps ou, et c'est ce qui
nous intéresse ici, qu'il pourrait exister des
univers aya nt des constantes fond amen-
tales différentes des nôtres.
Le raisonnement «darwinien », expliquant
certaines propriétés de notre unive rs, est
le suivant.
a) Si la naissance de nouveaux univers est
poss ible, pa r exem ple par la créatio n de
trous noi rs se détachant com plètement de
leurs univers d 'origine,
b) et si les para mètres des univers ainsi
créés varient légè rement et aléatoirement
d'un uni ve rs à ses descendants,
c) alors il en résulte un taux de reproduc-
tio n différent d'un uni vers à l'aut re, selon
ses caractéristiques,
d) et do nc se trouveront sélectionnés et
favorisés les univers ayant les meilleures
capacités à créer de nouveaux univers
descendants.
e) De ce fait , il ne serait pas étonnant que
nous observions des valeurs des para-
mètres fond amentaux de notre univers
correspondant à un taux important de pro-
duction de trous noirs.
Ce pouvoir explicatif d'un hypothétique
mécanisme de sélection naturelle à l'échelle
cosmique ne répond qu'à la question por-
tant sur l'a justement fi n des paramètres de
notre physique favo ri sant la création de
trous noirs. C'est intéressant, mais cela ne
répond pas à la question bien plus impor-
tante de l'a justement fin des paramètres de
notre physique à l'apparition de la vie, et
plus généralement de la complexité et de
l'intelligence.
Cet a justeme nt fin , exa miné de pui s lo ng-
temps par les cos mologistes, a do nné lieu à
des trava ux scie ntifiques et des réfl ex ions
philosophiques. C. Vidal livre une di s-
cu ss ion assez critique de ce thè me qui le
conduit à la conclu sio n que c'est un suj et
délicat, logiquement, philosophiquem ent
COSMOS : L ' ART DE SPÉCULER SÉRIEUSEMENT ,Ji 151
 La sélection artificielle de Clément Vidal
L'idée de Lee Smolin [voir l'en- Clément Vidal évoque une variante de la vie, pourraient être vus comme nos
cadré p. 150) permet seulement d'ex- l'idée de L. Smolin : la sélection artifi- descendants. La disparition inéluctable
pliquer que les univers où se forment cielle d'univers. Les civilisations avan- à laquelle les lois de notre univers nous
facilement des trous noirs sont plus pro- cées maîtrisant des quantités d'énergie vouent serait alors contournée.
hables que les autres. Ce qui étonne les bien supérieures à celles dont nous Ce type de spéculations déplaît for-
cosmologues est plutôt que le jeu des avons le contrôle créeraient des trous tement à ceux qui ne souhaitent pas
paramètres physiques de notre univers noirs en disposant d'un certain contrôle qu'on extrapole le savoir scientifique
permet à la vie d'y exister, alors que de leurs caractéristiques, qu'elles chai- au-delà ce qui est fermement établi.
de très petites variations de ces para- siraient favorables à la vie. Cette évolu- C. Vidal défend l'idée qu'à condition
mètres conduisent à des univers où la tian cosmique sur le long terme serait de mener des raisonnements restants
vie serait impossible. Cependant, s'il y a un moyen indirect d'échapper à la mort compatibles avec les connaissances
un tel ajustement fin favorisant la vie, il qui nous est promise au sein de notre scientifiques acquises, cette attitude
faut, pour l'expliquer, imaginer d'autres univers, ou au moins permettrait d'en- est la meilleure façon d'envisager les
mécanismes que celui d'une sélection gendrer des univers succédant au nôtre grandes questions que l'humanité se
naturelle entre univers. Dans son livre, qui, parce qu'ils seraient favorables à pose depuis toujours.

et donc scientifiqueme nt, qu i exige qu 'on
le tra ite expérimentaleme nt à l'aide de
tests, pa r exem ple en sim ul ant d'autres
mondes phys iq ues. Malheureusemen t, ce
type de simu latio ns es t au jourd 'hui hors de
portée. Reste que si, comme de nombreux
cosmologistes le défendent, il y a vraiment
un ajustement fin des para mètres fonda-
me ntaux de l'univers assu rant l'appa ri-
tio n de la vie - et pas seu lement des trou s
noirs -, alo rs la sélection naturell e entre
un ivers (envi sagée par L. Smoli n) n 'en
fo urni t pas de bonne exp li cati on. Il fa ut
trouver autre chose.
Une alternative es t celle des univers m ul-
ti ples. L'univers global, dont nous ne
percevons qu 'une infime partie, se rait en
fa it composé d 'une mu ltitude d'un ivers
para llèles, la plu part n e donna nt pas nais-
sa nce à de la vie et causale me nt séparés du
nôtre et les un s des autres. Nous n'avons
pas à être étonnés de vivre dans un uni-
vers spécialement ajusté à la vie, car sinon
nous n 'ex isterions pas! Ce mode de raison-
nement co ntroversé dénommé principe
anthropique est exam iné par C. Vida l, mais
comme il se fo nde sur l'idée des un ivers
multi ples qui est probablement impos-
sible à teste r, il ne sédui t pas C. Vidal,
qu i in trodu it et défend une variante de
l'idée de L. Smoli n : la sé lection artifi cielle
d 'uni vers.

152 ,i M A THÉM ATIQUES ET M Y STÈRES

• Effet de sélection
Si, comme on l'a déjà envisagé plus haut, il
existe (ou existera) des civilisations maîtri-
sant les composants ultimes de l'univers
(donc de niveau III sur l'échelle de Kardashev,
et au moins V sur l'échelle de Barrow), pour-
quoi ne pas imaginer qu'arrivé à un certain
stade de développement, une civilisation
crée des trous noirs - et donc des univers -
dont elle décide les paramètres. Pour lutter
contre leur disparition inéluctable (du fait
de la mort thermique ou d'une autre sinistre
conséquence cosmologique des structures de
leur univers), de telles civilisations pourraient
souhaiter créer des univers favorab les à la
vie, et peut-être même plus favorab les à la vie
que ne l'est leur univers. La sélection darwi-
nienne de L. Smolin, incapable d'expliquer la
vie, serait alors remplacée par une form e de
sélection artificielle comme celle pratiquée
par l'humanité depuis des millénaires et qui
a conduit à des es pèces végétales et animales
adaptées à nos désirs.
Une telle sélection artificielle entre univers
n'est pas en mesure d'expliquer complète-
ment l'ajustement fin des paramètres (qui
aurait créé le premier univers où la vie a été
possible?), mais constitue, parmi d'autres,
une idée qu'il faut prendre en considération
pour envisager le futur lointain.
Les exercices intellectuels proposés par
le livre de Vidal, sont un sommet inégalé
de liberté et de rigueur (autant qu 'elle est
poss ible), dans un doma ine où la science
et le rêve semblent s'accorder et dialoguer
passionnément.
COSMOS: L ' ART DE S PÉCULER SÉRIEUSEMENT ># 153
Il La beauté
mise en formules
Entamée en 1933 par le mathématicien américain George Birkhoff,
la recherche de mesures scientifiques du beau se poursuit avec des moyens
théoriques et pratiques renouvelés.
eorge Birkhoff (1884-1944) était l'un
G des plus bri llants mathématiciens de sa
génération. Professeur à Harvard pendant
plus de trente années, il est connu en parti-
culier pour son « théorème ergodique » géné-
ralisant la loi fo rte des grands nombres, qui
affirme en particulier que quand on lance
indéfiniment une pièce de monnaie non tru-
quée, la proportion de piles (et de faces ) tend
vers 1/2. En 1933, il écrivit un livre ambi-
tieux Mesure esthétique (Aesthetic Measure)
où il définit des mesures de la qualité esthé-
tique des œ uvres artistiques.
Bien sûr, Birkhoff et ceux qui explorent ce
sujet ont parfa itement conscience que la
réussite d'un tel travail ne peut être que
partielle: da ns nos jugements esthétiques,
notre culture, notre société, notre époque,
notre ex périence et notre sensibilité jouent
de grands rôles. Une mesure de nature
mathématique ne peut donc convenir à tous.
Cependant, pour les figures géométriques
et pour les form es abstraites, comme celles
de la musique, pour la composition et la
structure générale des œ uvres, il n'est pas
absurde que nous nous retrouvions tous, et
que cette sensibilité partagée soit accessible
à l'analyse et mesurable. C'est le projet que
Birkhoff poursuit dans les 300 pages de son
livre. Voici la présentation qu 'il en fait.
« Il est important de noter que les objets
appartenant à une classe particulière ont
des valeurs esthétiques naturellement
comparables. L'arti ste et le connaisseur
154 ,Il M ATHÉMATIQUES ET M Y STÈRES
excellent à mener de telles comparaisons.
Si l'étude scientifique atteint son objectif,
elle doit fourn ir une base rationnelle à ces
évaluations intuitives. C'est là le problème
fond amental de l'esthétique : déterminer,
pour chaque classe d'objets esthétiques,
les attributs spécifiques sur lesquels leur
valeur repose. 1... ] L'expérience esthétique
se décompose en troi s phases. (1) Un effort
prélim inaire d'attention nécessaire à l'acte
de perception, qui augmente en proportion
de ce que nous appelons la complexité (C)
de l'objet. (2) Le sentiment de la valeur ou
de la mesure esthétique (M) qui récompense
cet effort. (3) Enfin, une prise de conscience
que l'objet est caractéri sé par une certaine
harmonie et symétrie et qu 'il contient de
l'ordre plus ou moins di ss imulé (0) , ce qui
semble nécessaire à l'effet esthétique. »
• Une formule générale pour
la qualité esthétique
Fort de cette analyse, Birkhoff va défini r
la qualité esthétique des productions
artistiques. Son obj ectif est d 'évaluer des
œ uvres artistiques de même nature, par
exemple des motifs décoratifs, ou des
vases, comme le feraient, en moyenne, des
êtres humains.
Le projet peut sembler déraisonnable, mais,
formu lé avec un peu de précaution comme
le fa it Birkhoff, il prend de la consistance.
 L'esthétique selon George Birkhoff
a

M = 1,50

,.ffl
/ i:::,e:,

, 1,
\
J 1\
/ 1\
/ ~

m
J
1/ \
)

0,80 '....___....
.1 \ \ 1/
--
r\ 1)
--
0,58 0,30
0,50 0,58
0,58

George Birkhoff a construit une mesure M axe vertical, en fixe la forme. Il mesure la ce qui est ennuyeux puisque les arti-
de l'esthétique sur la base de son idée que complexité de la courbe par le nombre de sans ne réalisent pas les modèles avec
M doit être de la forme 0/C où O est une ses points singuliers : extrémités, points une parfaite exactitude. Cela a conduit
mesure d'ordre et C une mesure de com- d'inflexion, points anguleux, points où la à définir une variante de la mesure
plexité. Il a donné une définition précise tangente à la courbe est horizontale ou de Birkhoff ([ Staudek, On Birkhoff's
de ces deux paramètres dans le cas de verticale. Ce nombre est la complexité C. aesthetic measure of vases, Faculty of
formes polygonales. Plus M serait grand, L'ordre 0, lui, est déterminé en calculant lnformatics, Masaryk University Report
plus le polygone serait beau. Birkhoff a les coordonnées des points singuliers et Series, FIMU-RS-99-06, 1999).
appliqué sa méthode à 90 polygones. Les en comptant combien de fois deux coor- La mesure de Birkhoff pour les vases a
résultats pour quelques-uns d'entre eux données sont égales ou dans un rapport été utilisée récemment pour créer aléa-
sont indiqués en [a]. de 1 à 2. Cette mesure est appliquée à huit toirement, à l'aide de programmes, de
A la page 78 de son livre sur la mesure exemples de vases chinois [b]. Birkhoff a nouvelles formes de vases et les classer
esthétique, Birkhoff exprime son admi- utilisé sa mesure pour imaginer de nou- (K. Reed, «Aesthetic measures for evolutio-
ration pour une forme particulière d'art veaux vases (c). nary vase design ». dans Evolutionary and
géométrique: «L'excellence des vases Depuis, on a montré que la mesure pro- Bio/ogically lnspired Music, Sound, Art and
chinois, et plus généralement de la poterie posée par Birkhoff pour les vases est Design, Springer, Lecture Notes in Com-
chinoise, est bien connue. R. Hobson dans sensible aux petites déformations, puter Science, vol. 7834, pp. 59-71. 2013).
son livre sur l'art chinois écrit "Nulle part
ailleurs sans doute, la suprématie de
la Chine est autant marquée que dans
les arts de la céramique. Les agréables
formes de la poterie rang, les fines por-
celaines monochromes des Sung et les
magnifiques jarres à trois couleurs des
Ming sont des choses inégalables". Il est
notable aussi que les Chinois aient utilisé
des dessins de vases totalement symé-
triques, produisant une intéressante
variété de motifs géométriques. »
Birkhoff a tenté de mesurer la qualité
esthétique des vases à partir de sa for-
mule. Pour lui, un vase est déterminé par
une courbe qui, en tournant autour d'un

LA B E AUTÉ M ISE E N FORMULES JI 155

 Les nombreux travaux qui ont prolongé ses
idées prouvent qu 'il a créé un domaine de
recherche où se développent de nombreuses
pistes de réflexion tissant des liens nou-
veaux entre sciences et arts.
La formule générale que Birkhoff défend
pour mesurer la qualité esthétique M d'un
obj et, d'un dessin ou d'une œ uvre est
M = 0/C où O es t une mesure de son ordre
et C une mesure de sa complexité.
Notons que la formule de Birkhoff ne s'ap-
plique pas aux obj ets trop simples et ne
permet donc pas de trancher le débat sur
la forme des rectangles : un rectangle dont
le rapport des côtés est le nombre d'or,
(1 + \;'5 )/ 2 = 1,6 18, est-il plus esthétique
qu'un autre? La question est controversée.
Assez sagement, Birkhoff pensait, comme
une partie importante de ceux ayant à ce
jour mené des expériences sur la question,
que rien ne permet de départager les rec-
tangles dotés de proportions simples: un
carré, un rectangle d'or, un rectangle dont
le rapport des côtés est \/2 (formats A4, A3,
etc.) ou \/3, un rectangle obtenu en acco-
lant deux carrés ...
Les form es polygonales un peu plus com-
plexes que les rectangles ont permis à
Birkhoff de mettre en œ uvre sa méthode
pour mesurer l'intérêt esthétique de
90 formes polygonales avec sa formul e
M = 0/C.
Pour justifier sa démarche, il a insisté sur
l'idée que tout le monde s'accorde à trouver
un triangle équilatéral plus beau qu'un
triangle quelconque et qu'on doit pouvoir
classer objectivement les polygones. Après
une analyse d'une quinzaine de pages,
Birkhoff introduit une formule à cinq para-
mètres pour mesurer O dans le cas de form es
polygonales. Sa formule prend en compte
l'existence d'une symétrie ve rticale, V ; l'exis-
tence de rotations laissant invariante la
figure, R; la présence d'hori zo ntales et de ver-
ticales, HV ; l'équilibre, c'est-à-dire la position
décentrée ou non du centre de gravité, ... ; les
positions des sommets et les longueurs des
côtés qui sont plus ou moins uniformément
réparties, ce qui peut agir négativement sur
la sensation esthétique, F. Cela lui donne la
156 .,j MATHÉMATIQUES ET MYSTÈRES
formule: 0 = V+ R + HV + ... - F. Nous n'in-
diquons pas tous les détails de l'évaluation
numérique, ils occupent deux pages entières
du livre.
La complexité, C, est mesurée par le nombre
de droites qui permettent de contenir tous
les côtés du polygone ; si le polygone est
convexe, C est le nombre de côtés.
Chacun jugera sur les quelques images repro-
duites dans l'encadré page 155, et évaluées par
cette méthode, de la pertinence des critères de
beauté de Birkhoff. En utilisant d'autres para-
mètres soigneusement introduits et discutés,
Birkhoff a appliqué sa méthode aux vases.
Récemment, l'approche a été testée et utilisée
pour engendrer de nouveaux modèles de vase
et a donné d'intéressants résultats.
• Une recherche
sans cesse renouvelée
Un problème dans la conception de
Birkhoff, même pour ceux qui pensent
qu'on doit poursui vre dans sa voie, est l'ar-
bitraire des para mètres qu 'il introduit pour
mesurer l'ordre et la complexité d'une classe
particulière d'objets et qu'il combine d'une
façon particuli ère. Un autre chercheur, face
à la même classe d'objets, proposera sans
doute d'autres paramètres et les combinera
différemment.
La théorie de l'information et la théorie de
la calculabilité ont introduit des notions
universelles attachées à tout objet numé-
rique. S'appuye r sur elles pour concevoir les
mesures de O et C est donc apparu une pi ste
pour sui vre l'idée de Birkhoff.
En 1948, la théorie de l'information de
Claude Shannon, que Birkhoff n'a pu
connaître, a suggéré une méthode pour éva-
luer l'ordre et la complexité. Cette théorie
introduit en particulier l'entropi e, qui
mesure la quantité d'information contenue
ou fourni e par une source d'information,
par exempl e une œ uvre d'a rt.
En s'appuyant sur les idées de Shannon, le
philosophe allemand Max Bense et l'ingé-
nieur français Ab raham Moles défendirent
des lectures nouvelles de la formule 0/C de
Birkhoff. Chaque création art1st1que part
d'un répertoire fixé d'éléments (couleu rs,
tracés élémentaires, sons, mots, etc. ) qui est
transmis, partiellement, dans l'objet artis-
tique. Créer est une activité de sélection
parmi l'ensemble des possibilités offertes
par le répertoire. Le réperto ire d'un peintre,
par exemple, est la palette de couleurs dont
il dispose, chaque couleu r possible étant
affectée d'une probabilité; le tableau est le
résultat du choix, pour chaque élément de sa
surface, d'un élément du répertoire. On peut
alors considérer que la redondance (mesurée
par l'autocorrélation statistique) du tableau
est l'ord re O du tableau, et que l'entropie
de Shannon de la palette (ass imilée ici à sa
richesse) est sa complexité C.
D'autres faço ns d 'utiliser la théorie de l'in-
for mation de Shannon sont envisageables.
Il en est ainsi de l'approche statistique
menée par Jaume Ri gau, Miquel Feixas et
Mateu Sbert, de l'université de Gérone en
Espagne, appliquée à un ensemble de neuf
tableaux (voir l'encadré page suivante).
L'utilisation de la théorie de Shannon en
esthétique reste incertai ne et n'a connu
qu'un succès limité. Sans doute l'utilisation
des notions statistiques pour l'analyse d'une
image (ou d'une musique, etc. ) est-elle insuf-
fisa mment précise : ces notions ne prennent
pas en compte l'organisation structurelle
détaillée des objets. Dans le cas d 'une pein-
ture par exemple, utiliser les mêmes pixels
qu'une image A et en changer la disposition
(les déplacer, sans en supprimer ni en ajouter)
donne une image B dont la plupart des para-
mètres statistiques, l'entropie en particulier,
seront les mêmes que ceux de l'image A.
Comment éviter cette imprécision ?
Née durant la décennie 193 0-1940 des tra-
vaux de Ku rt Gode!, Alon zo Church et Alan
Turing, la théorie de la calculabilité, l'étude
mathématique des mécani smes élémen-
taires de calcul, au rait intéressé Birkhoff.
Cette théorie introduit une nouvelle vision
de l'information et de la complexité grâce
à la théorie algo rithmique de l'info rmation
qui la prolonge et qui, à partir de 196 5, a
été développée par Andreï Kolmogorov,
Leonid Levin et Gregory Chaitin.
Cette théorie définit des noti ons univer-
selles d 'ordre et de complexité qui per-
mettent de nouvelles lectures de la formul e
de Birkhoff, prenant en compte les as pects
stru cturels des œ uvres. Nous allons en évo-
quer plusieurs, mais d 'autres sont poss ibles
et les recherches se po ursui vent.
• Longueur de programme
et temps de calcul
En 1998, Vladik Kreinovich, Luc Longpré
et Mi sha Koshelev, de l'université du Texas
à El Paso, en se fond ant sur une analyse
fi ne de ce que représentent un temps de
calcul et la longueur d 'un p rogram me, pro-
posent de défini r la valeur esthétique d 'un
objet numérique Ob par la plus gra nde
valeur possible du ra p po rt M = 2- t(Pl/t(P)
où P est un progra mme qui p roduit Ob,
/(P) étan t la longueur de P et t(P) le temps
de calcul de P.
Cette définiti on est justifiée par ses auteurs
à l'aide d 'une analyse m athém atique
impossible à détailler ici. Mai s elle se com-
pre nd, pui sque l'on retrouve fin alement la
formul e de Birkhoff avec l'interprétation
suivante des para mètres O et C :
C est le temps de calcul t(P) de P ; les obj ets
complexes étant lon gs à calculer, ce temps
de calcul est u ne mesure de complexité.
0 = 2- l(Pl, ce qui corres pond à l'idée que
plus il y a d 'ordre d ans un obj et Ob, plus
/(P) est petit car simple à décri re, et donc
plus 2- t(P) est grand.
Les auteurs reconnaissent cependant que
leur fo rmule est inutilisable en p ratique
car, pour identifier le programme qui réa-
lise le maxim um M de la formul e, il fau -
d rait me ner une énumération infinie!
Même en se limitant aux programmes de
longueur raisonnable, par exemple moins
de 1 000 caractères, cela dépasserait les
capaci tés di sponibles aujourd'hui, pui sque
le nombre de programmes possibles de
longueur n donnée augme nte exponentiel-
lem ent avec n.
En 1995, le Français Roland Yéléhada a
suggéré une autre idée tirée de la théorie
LA BEAUTÉ MIS E EN F ORMU LE S ., ,j 157
 Les expériences des chercheurs de l'université de Gérone
Jaume Rigau, Miquel Feixas et Mateu
Sbert, de l'université de Gérone en
Espagne, ont mené des expériences por-
tant sur de vrais tableaux. lis ont en par-
ticulier calculé des mesures esthétiques
fondées sur la formule de Birkhoff et
utilisant la théorie de l'information de
Shannon et la théorie algorithmique
de l'information de Kolmogorov. Leur
méthode consiste d'abord à diviser le
tableau en N pixels.
Chaque pixel peut prendre un nombre
déterminé d'états, en général une
puissance 2k de 2, par exemple 8 cou-
leurs, ce qui correspond à k = 3. Ce
nombre k étant fixé, l'entropie maxi-
male d'un tableau est Hmax = Nk. En
effet, s'il y a huit couleurs et qu'elles
ï Deux des
l neuf tableaux
i considérés par
!!!
f
...•.
~
li
~ MK• 0,650.
i
5
î§
J MK •0,539.
158 ,,1 MATHÉMATIQUES ET M YSTÈRES
sont utilisées sans en favoriser
aucune, il faudra 3 bits d'informa-
tion pour spécifier chaque pixel, donc
3N bits au total. C'est la situation de
désordre maximal, donc d'entropie
maximale. Cependant, un tableau réel
utilise les couleurs avec des propor-
tions spécifiques, par exemple plus
de bleu que de rouge. L'entropie H,
de l'ensemble des pixels du tableau
réel, qui est une mesure de cet
usage restreint des possibilités de
la palette, est donc plus petite que
Hmax· Plus l'écart entre Hmax et H,
est grand, plus il y a d'ordre dans
le tableau. D'où l'idée de prendre
0 = Hmax - H, et C = Hmax pour mesurer
les paramètres de la formule générale
les chercheurs
espagnols. Le van
Gogh ci-contre
a pourmesures
M5•0,280et
Pour le Seurat
cklessous, on
aM5•0,290et
M = 0/C de Birkhoff, ce qui donne une
mesure esthétique à la Shannon :
Ms = (Hmax - H)/Hmax·
Une application possible de la théorie
de la complexité algorithmique consiste
à prendre Hmax = Nk comme mesure
de complexité (c'est le nombre de
bits nécessaires pour mémoriser un
tableau quand on réserve k bits pour
chaque pixeO. La taille HK en bits de
l'image compressée par un algorithme
de compression d'images sans perte
est considérée comme une approxima-
tion de la complexité de Kolmogorov
du tableau. On choisit alors de poser:
O=Hmax- HK et C=Hmax, ce qui donne
une mesure esthétique à la Kolmo-
gorov: MK=(Hmax -HK)/Hmax.
La mesure Ms, dont le défaut principal
est de se fonder uniquement sur la dis-
tribution statistique des pixels sans
prendre en compte leurs positions,
favorise clairement les tableaux les
plus simples. La mesure MK prend plus
finement en compte la structure com-
plète du tableau.
Les chercheurs de Gérone ont exa-
miné trois tableaux de Mondrian, trois
de Seurat et trois de van Gogh. Ceux
de Mondrian, très géométriques, sont
considérés comme les plus beaux par
les mesures esthétiques Ms et MK. Cela
peut se comprendre : avec les Mon-
drian, l'ordre, mesuré aussi bien à la
Shannon qu'à la Kolmogorov, est assez
élevé. En effet, H, et HK étant petits,
la différence entre les deux termes du
numérateur est grande, d'où un quo-
tient 0/C élevé. Les van Gogh sont favo-
risés par MK, beaucoup plus qu'ils ne le
sont par Ms; cela s'explique par le fait
nettement perceptible que la structure
géométrique des van Gogh est plus
simple que celle des Seurat, ce que la
mesure Ms ne voit pas, car elle ne prend
en compte que la fréquence d'usage des
couleurs et pas leur disposition sur la
toile, alors que MK prend en compte la
disposition spatiale.
On trouvera plus de détails dans l'ar-
ticle de Jaume Rigau, Miquel Feixas et
Mateu Sbert [voir la bibliographie).
 Une mesure esthétique selon Roland Véléhada
La mesure esthétique proposée par exactement 3 cases voisines sont noires blancs consécutifs. On obtient ainsi
Roland Véléhada s'appuie sur la théorie parmi les 8 cases qui l'entourent; une l'image du double triangle de Sierpinski,
algorithmique de l'information. L'exemple case noire le reste si exactement deux ou qui comporte un million de pixels noirs ou
considéré ici est un double tapis trois cases voisines sont noires et, sinon, blancs, à l'aide de 8 522 octets seulement.
de Sierpinski. L'image fractale est devient blanche). Placez ensuite le La compression PNG fait donc passer
un carré de 1024 pixels de côté. résultat dans une image carrée la taille du fichier de 131032 octets
La mémorisation de cette de côté 1024. » à 8 522. C'est bien, mais c'est très loin
image pixel par pixel peut facilement de l'optimal qui conduirait à moins de
occupe donc 1,048 ecnre en moins de 1000 octets. L'écart entre un codage
million de bits, 1000 caractères un «en ressource limitée» effectué par le
soit 131032 programme effec- compresseur PNG et la compression
octets. tuant cette tâche. optimale est, pour Roland Véléhada, une
Il existe une défi- L'existence de ces pro- mesure esthétique de l'image.
nition surprenante de grammes courts signifie Pour l'auteur de cette mesure, le senti-
cette image (elle a été uti- que la complexité de Kolmo- ment de beauté est d'autant plus grand
lisée pour obtenir le dessin): gorov de l'image est inférieure qu'est grande la différence entre la taille
«Placez une droite de 220 cases à 1000 octets (ou 8000 bits). Un de la représentation optimale d'une
noires sur un quadrillage carré langage de description d'images tel que image (se fondant sur la «compréhen-
illimité de cases blanches, puis appli- celui utilisé par le compresseur d'image sion» complète de l'image ou de ce qui
quez 220 fois à cette configuration les PNG exploite des régularités dans l'image l'engendre) et la taille de la représenta-
règles du Jeu de la vie de John Conway (à en noir et blanc, par exemple le fait qu'il tion en ressource limitée dont est capable
savoir: Une case blanche devient noire si y a de longues séries de pixels noirs et notre cerveau.

algorithmique de l'info rmation pour définir habituels expriment brièvement et testent

et mesurer la valeur esthétique d'un objet
numérique Ob. La mesure proposée est
K1(0b) - K(Ob), où K(Ob) est complexité
de Kolmogorov de Ob, c'est-à-dire la taille
du plus court programme qui donne Ob,
et K1(0b} la complexité de Kolmogorov en
ressource limitée de Ob, c'est-à-dire la taille
du plus court programme qui donne Ob en
considérant un langage de programmation
aux possibilités limitées.
• Une complexité liée
aux capacités humaines?
Le langage à ressource limitée à prendre
en compte correspondrait aux capacités de
calcul d'un humain, ou au moins tenterait
de les modéliser. Un tel langage exprimerait
simplement que des points sont alignés,
car nous le percevons immédiatement,
mais ne pourrait pas exprimer simplement
des relations du type « 59 049 =3 10 » ou « la
huitième décimale de sin(n:/ 7) est 3 », rela-
tions que les langages de programmation
instantanément, mais qui dépassent nos
capacités d'analyse immédiate.
L'idée provient des images fractales. On
les considère souvent belles et complexes,
mais leur complexité est une illusion car
les images fractales résultent de fo rmules
courtes et se défini ssent en utilisant des
programmes simples de quelques lignes.
Ces images nous paraîtraient belles car,
sans que nous puissions le justifier, du fait
de nos capacités limitées de calcul, nou s
aurions une certaine perception de leur
simplicité. Cette perception provi endrait
des multiples répétitions et déformations
de motifs et de couleur à diverses échelles
entre parties de la fractale que, sa ns
réuss ir à les analyser com plètement, nous
ressentirions.
La sensation d'observer une image sub-
tilement organi sée (fa ible complexité de
Kolmogorov), et de forte complexité de
Kolmogorov en ressource limitée, donne-
rait un sentiment d'ordre mystérieux qu i
serait la beauté. Plus l'écart entre les deux

LA BEAU TÉ MISE EN FORMULES .# 159

 complexités serait grand, plus la satisfac-
tion esthétique serait fo rte.
L'h armonie et la beauté que nous attri-
buons fac ilement aux fo rmes du vivant
seraient de la même nature. Nous les per-
cevons clairement, mais nous n'avons pas
la capacité de les comprendre entièrement
et donc, pour décrire un animal, nous
sommes obligés de le faire élément par
élément (forte complexité de Kolmogorov
en ressource limitée ), sans profiter de tous
les raccourcis que son unité permettrait
si nous en avions la compréhension pro-
fonde (relativement faible complexité de
Kolmogorov) .
L'idée de Roland Yéléhada oblige à pos-
tuler une aptitude n aturelle innée à éva-
luer la complexité de Kolmogorov d'un
obj et numérique. Or il est difficile de com-
prendre l'origine de cette aptitude, puisque
justement ce que nous percevons n 'est
qu 'une complexité de Kolmogorov en res-
source limitée.
Une autre idée est directement liée à la
théorie moderne de l'information, telle
que Kolmogorov, Leonid Levin et Gregory
Chaitin l'ont reformul ée à partir de 196 5.
Elle consiste à postuler que la valeur d'une
création arti stique est la quantité de tra-
vail et d'intelligence qui ont été mises en
œ uvre pour la produire. Si on suit cette
idée, il faut bien sûr prendre en compte
toute la préparation menée par l'arti ste
ava nt qu'il commence l'œ uvre: la matura-
tion, les essais préliminaires, l'élaboration
progressive d'une conception du monde
et d'un style personnel, l'apprentissage
de son art auprès de maîtres et de guides,
voire de concurrents. La mesurer exige
d'évaluer les traces laissées par cette phase
d'élaboration.
• Profondeur logique
La « profondeur logique de Bennett » est
une mesure du « contenu en calcul » pré-
sent dans un objet numérique Ob. En
première approximation, c'est le temps
de calcul du programme le plus court qui
160 ,j MATHÉMATI QUES ET MYST ÈR E S
produit Ob. Son utilisation semble alors
s'imposer pour mathématiser l'idée de
maturation. Plus une œ uvre inclut la trace
d'une longue élaboration, assimilée ici à
un long calcul , plus sa valeur artistique est
grande. Un objet Ob étant donné, l'idée
est alors de définir le O de Birkhoff par la
profo ndeur logique de Bennett de Ob, et la
complexité C par la complexité de Kolmo-
gorov de Ob.
Pour que nous puissions calculer instanta-
nément le rapport 0/C, il faudrait mesurer
ces para mètres O et C avec un langage de
programmation en ressource limitée modé-
lisant les capacités de l'être humain.
Recopier une œ uvre n'est pas un travail
créatif, même si la copie parfa ite peut pro-
curer à l'observateur la même satisfaction
esthétique que l'œuvre originale. Si l'on
souhaite mesurer non seulement la valeur
esthétique d 'une œ uvre, mais auss i l'ap-
port particulier du travail de l'artiste, il faut
envi sager autre chose. La théorie du calcul
dispose d'un concept qui autorise cela. Un
obj et numérique E étant donné, on peut ne
s'intéresser qu 'aux programmes qui accè-
dent à cet obj et: les programmes connai s-
sant E. Le temps de calcul du programme
minimal dans cette catégorie de pro-
grammes pour produire un autre obj et Ob
est alors une mesure du contenu supplé-
mentaire de calcul qu 'i l a fa llu me ner pour
créer Ob par celui qui connaît E. C'est la
« profondeur logique de Bennett de Ob
relativement à E ». Ce concept semble cor-
rectement définir le travail réalisé par un
artiste quand il crée Ob dans un contexte
donné, qui met à sa disposition des œ uvres
déjà créées dont l'ensemble est E.
Ce dernier point permet de distinguer deux
types de mesures esthétiques : la mesure
d'une valeu r esthétique en soi, qui ne se
préoccupe pas de la nouveauté ou non du
travail, et la valeur relative, dont la fon c-
tion serait d'évaluer la fo rce d'innovation
de l'œuvre.
Toutes ces idées sont sédui sa ntes et géné-
rales. Elles se mblent capables, en théorie,
de mesurer la valeur esthétique d'une
œ uv re et sa nouveauté en les di stinguant
l'une de l'autre. Mais il faut reconnaître
que les outils disponibles pour mesurer
réellement la profondeur logique de
Bennett sont limités. Des travaux menés
par Hector Zenil, Cédric Gaucherel et
moi-même ont permis de mesurer effec-
tivement des valeurs approchées de la pro-
fondeur logique de Bennett d'images de
petite taille, en utilisant des algorithmes
de compression de données. Cependant,
l'extension de telles mesures à des images
plus grandes, tentée avec Jean-François
Colonna, rencontre des difficultés tech-
niques qui, pour l'instant, interdisent de
traiter de façon satisfaisante des œuvres
réelles.
Certains verront dans ces difficultés la
confirmation du préjugé que la science ne
peut pas parler de manière précise et objec-
tive de l'art, et que les méthodes suggérées
par la théorie moderne de l'information,
quoique séduisantes et profondes, sont
condamnées à l'échec. Cette fois, non parce
qu'elles sont fausses ou arbitraires (comme
les méthodes à la Birkhoff) ou ne prennent
que partiellement en compte les œuvres
(comme les méthodes à la Shannon), mais
parce que les calculs d'évaluation sont trop
longs. La théorie définit des conceptions
plausibles et des modèles abstraits sédui-
sants, mais les utiliser serait hors de portée
des machines actuelles.
LA BEAUTÉ MISE EN FORMULES ,I 161
a Le hasard géométrique
n'existe pas!
• Chapitre écrit en collaboration avec Nicolas Gauvrit
Le cerveau ne sait pas produire du hasard :
des expériences géométriques en donnent une preuve éclatante.
Le cerveau humain est bien trop apte à
discerner des structures ; sans des outils
statistiques rigoureux, nous sommes
désarmés, tels des animistes attachant
une signification au moindre souffle d'air.
Greg Egan, Vif Argent, 1995.
L1 esprit ~umain explore et. analyse ,ins-
tantanement tout ce qm passe a sa
portée. Rien n'est, pour lui, indifférent ou
banal : il classe, trie, organise, hiérarchise.
Cette efficacité dans la recherche de régula-
rités ne cesse de surprendre les chercheurs
en sciences cognitives qui découvrent les
capacités de nos algorithmes internes.
Ceux-ci nous permettent, par exemple, de
repérer des corrélations complexes dans
une figure (voir figure en haut à droite).
Ce travail du cerveau, effectué sans relâche
et sans que nous en ayons conscience
sur toutes les informations que reçoivent
et élaborent nos sens - lesquels ne sont
jamais de simples récepteurs -, a quelques
contreparties défavorables. L'une d'elle est
l'étonnante infirmité que nous présentons
tous face aux tâches de production d'aléas.
Les chercheurs connaissent l'irrépressible
biais d'alternances - quand nous tentons
de produire une suite aléatoire de pile ou
face, nous exagérons la proportion d'alter-
nance PF ou FP par rapport aux répétitions
PP ou FF - et l'étrange biais de positivité - si
on demande à 100 personnes de choisir au
hasard un des deux mots OUI ou NON, plus
de 60 pour cent choisissent oui.
162 ·- ' MATHÉMATIQUES ET M Y STÈRES
Nous allons aujourd'hui constater, sur
quelques situations géométriques, que, pour
un humain, jamais rien n'est vraiment au
hasard. Certains des résultats mentionnés
ont été découverts dans le cadre d'activités
de recherche financées par les militaires
canadiens. Ceux-ci pensent que la connais-
sance des biais logiques et géométriques
de fonctionnement de notre esprit, lorsque
nous poursuivons un fugitif, améliorerait
l'efficacité de nos stratégies de traque. Si par
exemple, le fuyard se cache quelque part sur
un terrain plat rectangulaire - une forêt, un
marais, etc. -, on pourrait grâce aux résultats
de ces travaux faire mieux que rechercher
systématiquement quels sont les endroits
qu'il est susceptible d'avoir choisis et, cela,
même si on sait que le fugitif sait qu'il est
poursuivi et que nous raisonnons sur ses
choix. Cependant bien sûr, les travaux sur
le hasard humain ont principalement pour
objet d'améliorer notre connaissance de
cette machine formidable et mystérieuse
qu'est le cerveau.
• Tous les points
ne se valent pas
John Christie, du Département de psy-
chologie de l'Université de Dalhousie au
Canada, place les sujets devant un carré
blanc ou un disque, et leur demande de
marquer par une croix dans la figure un
point choisi au hasard. Les sujets doivent
ensuite indiquer un deuxième point, puis
un troisième.
• Réseaux aléatoires de Léon Glass. Le cerveau
humain analyse les images pour yrepérer des
régularités et des corrélations entre éléments
qu'il interprète globalement Les capacités de ces
algorithmes internes sont remarquables et c'est sans
doute leur action inconsciente et incontrôlée qui nous
perturbe dans les tâches de production d'aléas décrites
dans ce chapitre. L'aptitude àvoir du mouvement
dans certaines figures de points découverte par Léon
• Points d'attraction dans les formes géométriques.
Les expériences menées par John Christie montrent
que les points à l'intérieur d'un carré ou d'un disque
ne sont pas, pour nous, équivalents. Chaque sujet
est invité à marquer trois points au hasard dans une
Glass en 1968, et redécouverte plusieurs fois depuis,
est particulièrement étonnante. Si vous prenez une
figure composée de points placés aléatoirement et
que vous la superposez avec elle-même après l'avoir
fait légèrement pivoter (ici de deux degrés), le réseau
obtenu vous apparaît instantanément organisé
circulairement autour du point de rotation. Une
détection analogue instantanée se produit après une
dilatation légère. Cette faculté permettant de voir que
figure ; ensuite toutes les réponses sont superposées.
Pour le carré, les points géométriques particuliers
(centre, sommets, milieux des côtés) et zones
particulières (axes de symétrie et diagonales] agissent
comme des attracteurs : ils sont choisis plus qu'ils ne
LE HASARD GÉOMÉTRIQUE N'E XISTE PAS
des points proviennent d'un mouvement d'ensemble
d'une partie d'entre eux, est sans doute liée aux
facultés d'analyse du mouvement de notre système
visuel. Celui-ci, pour savoir dans quelle direction
nous nous déplaçons par rapport à un repère, ou
quel est le mouvement d'un objet placé devant nous,
doit comparer des images proches, mais légèrement
décalées, puis en tirer des informations globales sur la
direction des mouvements.
le devraient. Dans le cas du cercle, un biais semblable
se produit. Les histogrammes montrent aussi une
légère préférence (statistiquement significative) en
faveur de la partie supérieure de la figure, un peu plus
souvent choisie que la partie inférieure.
! .j 163

Le haut est privilégié
a C
â Ellipses, triangles, anneaux
et courbes. Les biais constatés
pour le cercle et le carré ont
été confirmés par l'étude
d'autres figures. Pour le
triangle, l'axe vertical est
nettement privilégié. Le
centre du triangle qui comme
dans toutes les figures est un
attracteur puissant semble
être le centre de gravité (point
de concours de médianes).
La préférence en faveur de
la partie haute de la figure
(plutôt que la partie basse)
est assez nette dans plusieurs
figures, de même qu'une
certaine préférence pour la
partie droite (plutôt que la
gauche). Dans les deux cas,
on interprète cela comme une
forme géométrique du biais de
positivité : le haut étant jugé
plus positif que le bas(«sa
santé est au plus bas »,« il est
au sommet de sa forme »), la
droite que lagauche (« il est
très gauche »,« il est adroit»).
Pour les lignes (segments et
courbes), les zones choisies
semblent liées à la fois à
la position relativement à
l'ensemble de la ligne (les
zones proches du centre et des
extrémités sont attractives)
et à la courbure (les zones de
forte courbure, quand il y en a,
sont attractives).
164 .,, j MATHÉMATIQUES ET MYSTÈRES
b
L'expérience réalisée avec des questionnaires
imprimés et sur Internet a été effectuée avec
602 personnes résultant d'un échantillon-
nage rigoureux (même proportion de gau-
chers et de droitiers que dans la population).
La superposition des points marqués par
chaque participant produit des figures sur-
prenantes qui ne ressemblent en rien à des
points placés au hasard selon une loi uni-
forme : les humains ne peuvent exécuter
la consigne et ne dessinent pas le nuage de
densité uniforme recouvrant tout l'intérieur
du carré ou du disque, qui seraient alors
apparus légèrement grisés.
Pourquoi, alors que la consigne était expli-
citement de choisir« au hasard », les sujets
favorisent-ils certaines zones et en évitent-
ils d'autres ? L'écart à la densité uniforme
espérée est très net et significatif : il ne
peut être attribué à des fluctuations aléa-
toires ou à un nombre trop faible de sujets
testés. Les emplacements proches du centre
sont ceux qui attirent le plus et ils reçoivent
plus de deux fois plus de points qu'ils ne le
devraient ; à l'inverse, ceux proches du côté
horizontal en bas au tiers ou aux deux tiers
ne reçoivent pratiquement aucun point
(voir figure en bas de la page précédente).
Dans le cas du carré, les points choisis sont
agglomérés en grand nombre près du centre,
le long des diagonales et sur les axes verticaux
et horizontaux du carré. Une concentration
particulière s'observe aussi vers les coins
(mais jamais exactement sur les coins, pour-
quoi ?) et, à un moindre degré, près du milieu
des côtés. Un léger biais favorise la partie
supérieure qui reçoit plus de points que la
partie inférieure. Pour le cercle, les axes hori-
zontaux et verticaux sont encore favorisés.
De même, plus légèrement, les obliques à
45° et- 45° : même lorsqu'une figure comme
le cercle ne présente pas d'axes de symétrie
horizontaux, verticaux ou obliques particu-
liers, l'esprit humain « brise la symétrie »
et plaque de telles directions sur la figure,
comme pour s'y repérer. Dans cette partie
des tests, aucune différence significative n'a
été observée entre hommes et femmes ou
entre droitiers et gauchers.
Les points et zones privilégiées corres-
pondent aux points et lieux géométriques
que tout mathématicien considère comme
présentant de l'intérêt dans une figure
(centre, sommets, côtés, axes). Pour le
cercle, ils correspondent aux lieux qu 'on
sera tenté de construire lorsqu'on voudra
étudier la figure en la dessinant sur une
feuille couverte d 'un quadrillage qui fera
apparaître le diamètre vertical, le diamètre
horizontal, et suggérera les diamètres
obliques. Ces points géométriques particu-
liers, qu 'on nommera points structuraux,
agissent irrésistiblement sur notre vision
 e
Quasi-bord
gauche
du d isque aléatoire, ou du carré aléatoire,
et en déterminent l'organi sation.
• Opposition avec
le hasard mental arithmétique
Ces résultats évoquent ceux qu'on obtient
quand on dema nde à un suj et humain de
choisir un chiffre au hasard e ntre 1 et 9
( « hasard mental arithmétique » ). Dans un
tel cas, la réponse obtenue est 7 da ns plu s
de 30 pour cent des cas. Le détail des pro-
babilités est :
1 : 3% ; 2: 5% ; 3 : 12% ;
4: 9% ; 5: 12% ; 6 : 11 % ;
7: 32% ; 8: 12% ; 9: 4%.
Soumis à une co nsigne de production d'un
nombre ou d'un point au hasard dans un
domaine fixé, l'être humain en es t inca-
pable et effectue un choi x selon une di s-
tribution de probabi lités « huma ine » qui
rend perplexe.
En y regardant de près, les résultats obtenu s
avec les points du carré ou du disque pos-
sèdent des propriétés inverses de ceux
obtenu s avec les chiffres de 1 à 9. En effet,
l'interprétation acce ptée du bi ais en faveur
du 7 es t qu 'il provi ent de ce que le chiffre 7
es t le seul qui ne possède aucune propriété
particuli ère immédiate, ou qui en a moins
que les autres. Le chiffre 1 est la première
Pseudo-bord
Milieu Quasi-bord
droit
des possibi lités, il est donc très particulier ;
le 9 es t la dernière des possibilités ; 2, 4,
6, 8 sont des nombres pairs ; 3, 6, 9 sont
multiples de 3 ; 5 est un nombre très parti-
culier pour nou s qui calculons en base 1O.
Seul 7 éch ap pe à cette liste.
C'est donc le caractère « prototypique » du
7 - il apparaît « plus banal » que n'importe
quel autre - qui le fa vorise, car le sujet à
qui on demande de choisir un chiffre au
hasa rd essaierait sa ns en avoir con science
de retenir un chiffre aussi quelconque que
possible et par un processus d'élimination
mentale re jetterait le 1 très souve nt, le 2
assez souvent, etc. Le 7 étant moins sou-
vent re jeté se trouverait alors proposé dans
une plus grande proportion de cas, pro-
dui sant la répartition indiquée ci-dessus.
(Rappelons ici, en clin d'œ il , le petit pa ra-
doxe : être le plus banal transform e le 7 en
un nombre remarqu able, qui devrait être
évité ... )
Dans le cas géométrique, les points privi-
légiés du hasard mental humain sont les
points structuraux de la figure ou plus exac-
tement les zones proches des points structu-
raux. Ces attracteurs de la figure à l'inverse
du cas des chiffres sont particuliers et ne sont
donc pas prototypiques. Les points que le sujet
humain choisit de manière privilégiée dans le
cas géométrique sont les points géométriques
saillants de la figure, qui, s'ils se comportaient
LE H A S A RD GÉOMÉTRIQ UE N'E XISTE PAS 1 .,j 165
1 ~.:- .
··~~ . . ~.: .. : ..:
··~~
· ..- z. :,·· · q_:. : ~..,:1........
. •.~,.,·. ~ .:· . .• 2:-.. -·.• ·:·
.. : .JI
·"" )
·:
.,:.: ·,·
,.:- ' / :.::;:: ..
, .:, ~
:~I . t!:>-.:. • ..,.
•. •.•· • ..
•• • • t..# •

·:::: ...... •t.':: .

. . ••. -~ ••t"... ~··-À-ir,.. .
• •• ·~•· 'L • • • •..1:, "'•• •
. ·• . •··-·~
- ••• Ili• .,., •
.•.r!:..'•~'' •• '..... 1 - -------,
• ,•'

~·...:-. :~.:· . !•. ••!·'

• •·~·· .• !:~
:... ··:1 .
- :. ·~'!'IC ::-- ., .
~
....,~.
~- '.if;;~~-~~·
. . ..................
.. .. ... "'. .. .
:
~-------.. . ,:-.
'

.
' • • # '• • .. • • ... • • .. •

•:.. .." .·;:-·:": . .r.:;:•:

.i;. . . .-..•.; ~·•.
... ..; .. .
:-~·· . ..... .
• •• : '· . 1 • -:.• ... t · .,_·:··· ·
• •' •• t . . ..~ •
•. ···:· ·.· .·.. ·'=:: .. ~ ···:·:··.. . ..
· :.. .. 'J. .·.··' ...·:··:·_,,
,.~
- ·.. '. '.".k
•-.; .. :. .. ··~'ÏL.
~
., :. .. :;j/: .::: .

• Consigne :« deviner ». Dans
ces deux séries d'expériences,
les sujets sont invités à
placer trois points, chacun
à l'i ntérieur du carréou du
disque, à l'emplacement qu'ils
pensent être le plus souvent
choisipar unsujet à qui l'on
demande de placer un point au
hasard. Les figures obtenues
par superposition de toutes les
réponses donnent uneversion
contrastée de celles obtenues
avec la consigne« placer au
hasard »: les sujets humains
ont une certaine connaissance
du biais en faveur des points
structuraux.
comme pour les chiffres, seraient au contraire
systématiquement évités ! Les psychologues
s'interrogent sur ce nouveau paradoxe.
Pour lever ce paradoxe, une première
remarque a été faite. Les expériences sur
les mouvements oculaires de sujets à qui
on présente une figure géométrique ont mis
en évidence que l'œil s'arrête sur les points
structuraux de la figure - dont en priorité
le centre -, points qui sont justement les
attracteurs géométriques des expériences
sur les points aléatoires. Tout se passe donc
comme si lorsque l'on demandait à un suj et
de choisir un point au hasard, il analysait la
figure en s'arrêtant sur les points que son sys-
tème visuel le force inconsciemment à privi-
légier, et choisissait alors le point à produire
en conformité avec cette « densité d'atten-
tion » dont il n'a pas le contrôle. Un fonction-
nement inconscient et irrépressible lié aux
algorithmes d'analyse d'images du cerveau
perturberait le choix des points aléatoires.
Un complément assez subtil à cette analyse
a été proposé qui éclairerait l'opposition
paradoxale entre hasard mental géomé-
trique et hasard mental arithmétique. L'idée
est de s'appuyer sur la différence de nature
entre l'ensemble discret des entiers et l'en-
semble continu des points d'une surface.
S. Wiegersma, en 1982, a décrit un modèle
de production des suites aléatoires (nommé
« forçage et correction ») qui explique assez
bien les biais observés. Ce modèle suppose
que, lors des expériences de choix aléatoires,
le processus mental se déroule en deux
étapes. La première étape est influencée par
l'accessibilité des réponses possibles et là,
bien sûr dans les expériences géométriques
les points attracteurs sont privilégiés (il y a
« forçage » par le système visuel d'explora-
tion d'images) .
Une seconde étape dite de « correction »
efface certains biais de la première phase
en modifi ant le choix qu 'on s'apprête à
effectuer. On peut alors formul er une
double hypothèse : (a) Dans le monde
discret des 9 alternatives 1, 2, ... , 9, il n 'y
a pas de moye ns simples de corriger des
erreurs par de petites variations et, en
conséquence, les suj ets rejettent purement
les alternatives non souhaitables (pos-
sédant des propriétés particuli ères évi-
dentes ). (b) Dans un monde géométrique
continu, au contraire, le su jet peut modifier
la réponse produite par la première étape
en fa isant légèrement varier son choix,
mais en restant quand même proche des
réponses produites par la première étape.
Cette explication qui résout le paradoxe de
la différence entre le hasa rd géométrique
et le hasard arithmétique, présente deux
avantages : d'une part, elle permet de com-
prendre pourquoi les points choisis sont
souvent proches des points structuraux sans

166 ,/; MATHÉMATIQU E S E T MYSTÈRE S

être exactement les points structu raux (très
rarement choisis). D'autre part, elle explique
pourquoi les points structuraux apparaissent
globalement comme attracteurs.
Le biais en faveur de la partie supérieure du
dessin échappe à cette explication et semble
d'une autre nature. Il est vraisemblable qu'il
correspond à un biais de positivité géomé-
trique : tout mouvement et tout point ve rs
le haut étant considérés positivement alors
que tout point et tout mouvement vers le bas
sont perçus négativement. Cette positivité
du haut, symétrique à la négativité du bas,
est attestée par de nombreuses expressions
du langage courant : « Avoir le moral au
plus bas », « Ascension sociale », « Chute de
popularité », « Des hauts et des bas », « Être
au sommet », etc. De même que nous choi-
sissons plus souvent OUI que NON quand on
nous demande de choisir entre OUI et NON
au hasard, nous choisirions un peu plus sou-
vent un point dans la partie supérieure du
dessin - considérée « positive » - que dans la
partie inférieure.
• D'autres figures ?
Les expériences de ). Christie ont été complé-
tées en 2004 par des expériences analogues,
réalisées à l'Université de Metz, concernant
d'autres figures. Deux sortes d'ellipses (l'une
aplatie, l'autre allongée selon la verticale), un .t. Consigne : « se cacher ».
rectangle beaucoup plus large que haut, un Les sujets placent trois
points chacun, làoù ils
triangle isocèle, un anneau et des courbes ont
jugent le moins probable
été proposés à des sujets qui devaient comme qu'un sujet humain placerait
précédemment y place r un point au hasard des points«au hasard ».
(un seul cette fois}. Les distributions observées
Les résultats confirment ceux obtenus privilégient toujours les
points structuraux. Ce sont
pour le cercle et le carré : un privilège est
cependant des distributions
confé ré au centre et plus généralement aux plus proches d'une distribution
points structuraux (défi ni s comme pour le uniforme. Même si les sujets
carré et le cercle). Le léger biais en faveur semblent collectivement avoir
de la partie supérieure confirme le biais de unecertainecompréhension
des biais humains enfaveur
positivité observé dans le cas du carré et des points structuraux, le
du cercle et en atteste la nature générale. pouvoir attractif de ces points
Un biais en faveur de la d ro ite, assez net continue des'exercer sur eux,
dans plusieurs expériences, sem ble aussi mêmes quand ilstentent d'y
échapper.
une fo rm e géom étrique du bi ais de pos iti-
vité (la partie droite d'une fi gure, associée à
la direction du mouve ment d 'écriture dans
notre civilisation européenne, est perçue
plus pos itive ment que la partie gauche).
Le cas du triangle est intéressant, car la
notion de centre pour un triangle n'est pas
unique. Il y a quatre candidats possibles :
le point de concours des hauteurs (ortho-
centre) ; le point de concours des médianes
(centre de gravi té) ; le point de concours
des médiatrices (centre du cercle circons-
crit au triangle) ; le point de concours des
bissectrices (centre du cercle inscrit dans le
triangle) ? Auquel de ces quatre points, le cer-
veau soumit à une consigne de production de
LE HASARD GÉOMÉTRIQU E N ' EX ISTE PAS I J 167
 points au hasard, va-t-il donner l'importance
la plus grande ? Sans trancher défi nitive-
ment à cause d'un nombre de points global
un peu faib le, il semble que, pour un cerveau
humain, le centre du triangle soit le centre
de gravité.
Remarquons aussi que les différents som-
mets d'un triangle ne sont pas choisis avec
la même fréque nce. Comme dans le cas du
cercle, le cerveau plaque sur la figure elle-
même un système d'axes et considère que
la médiatrice verticale est plus importante
(plus attrayante) que les deux médiatrices
obliques. Le sommet en haut est nettement
plus attracteur que les deux autres, ceci résu l-
tant sans doute de l'attraction de l'axe vertical
du triangle (favorisé parce qu'il est vertical)
et du biais de positivité géométrique observé,
de manière générale, pour toutes les figures.
Dans le cas de l'anneau, outre les habituels
axes horizontaux et ve rticaux, on note que
les points se placent majoritairement à une
distance du centre proche de la moyenne
r = (r 1 + rz)/2 entre les valeurs des rayons r 1
et r2 du petit cercle et du grand cercle défi-
nissant l'anneau. Dans une telle figure où le
centre ne peut pas être choisi (puisqu'il est à
l'extérieur de l'anneau), le « cercle central »
de rayon r se substitue à lui et attire forte-
ment les points choisis « au hasard » par les
sujets.
• Connaître
et s'affranchir des biais
Lors de ses expériences, J. Christie s'est inter-
rogé sur un autre aspect du hasard géomé-
trique mental : sommes-nous conscients
de cette répartition de probabilité non uni-
forme que nous plaquons sur toute figure
géométrique ?
Pour le savoir, il a demandé aux sujets de son
expérience de placer un point dans le carré
et le cercle placé devant eux à l'endroit qu'ils
pensaient être choisi avec la plus grande pro-
babilité par une personne à qui on demande
de placer un point au hasard dans le cercle
ou le carré. Il a demandé aussi de placer un
deuxième et un troisième points en suivant
168 .Ji MATHÉMATIQUES ET MYSTÈRES
la même consigne. Ces expériences de type
« deviner » ont été encore complétées par des
expériences de type« se cacher». La consigne
était cette fois : placer un point (puis un
second, puis un troisième) à l'endroit que
vous pensez avoir le moins de chances d'être
choisi par quelqu'un à qui on demande de
placer un point au hasard (c'est la question
que se pose un fu gitif qu i cherche un endroit
imprévisible où aller dans un espace carré ou
circulaire).
Au total, chaque suj et avait 18 points à
placer su r les figur es qui lui étaient présen-
tées : troi s pour les expériences « choisir
au hasard » à propos du cercle, trois pour
les expériences « dev iner » à propos du
cercle, troi s pour les expériences « se
cacher » à propos du cercle, et neuf autres
pour le carré. Pour chaque suj et, l'ordre des
expériences était déterminé au hasard de
manière à gommer les effets d'influence de
l'une à l'autre.
Les comparaisons entre les figu res obtenues
pour les trois types de consignes « placer
au hasard, « deviner » et « se cacher » sont
particulièrement intéressantes. Les figures
pour la consigne « deviner » montrent une
répartition de probabilités assez proche
de celle produite par la consigne de base
(consigne « placer au hasard »), mais elle
est plus nette, c'est-à-dire plus contrastée. Le
centre est encore plus fréquemment choisi,
de même pour les som mets et les axes. L'in-
terprétation de ce résu ltat est immédiate :
les sujets hu mains ont une certaine connais-
sance du biais de choix dont ils sont victimes.
Ils savent, plus ou moins confusément,
qu 'un sujet hu main favo risera les points
structuraux.
Puisqu'ils connaissent ces biais, les sujets
devraient avoir l'aptitude d'en annuler les
effets : c'est partiellement le cas, comme les
figures produites par les expériences « se
cacher » le démontrent (voir figure p. 16 7).
Ces figures sont moins contrastées que celles
provenant des deux précédentes expériences,
c'est-à-dire correspondent à des distributions
de dens ité plus proches de la densité uni-
form e. Remarquons cependant que la den-
sité obtenue n'est pas parfaitement uniforme
car le centre, les sommets et les milieux des
côtés sont encore privilégiés pour le carré.
La vague connaissance que possèdent les
sujets humains des biais de choix est donc
au total imparfaite : une connaissance pré-
cise (celle que vous tirerez de la lecture de ce
chapitre !) condu irait dans le troisième type
d'expérience à une répartition de probabi-
lité « complémentaire » (en négatif) de celle
de la première expérience. Or ce n'est pas
le cas. Tout se passe comme si la force des
attracteurs géométriques, même connue, ne
pouvait pas être totalement annulée, et conti-
nuait à s'exercer y compris quand on cherche
à en éviter les effets.
Lors de ces expériences, les points placés
pour la consigne « se cacher » étaient légè-
rement plus souvent dans la partie basse
de la figure que dans la partie haute. Cela
démontre une connaissance collective du
biais de positivité géométrique des sujets
participant à l'expérience.
• Gauchers, droitiers
et Turing ...
Un au tre effet remarquable a été noté et
prouvé statistiquement significatif par
). Christie. Il concerne la différence entre
gauchers et droitiers. Dans l'expérience « se
cacher » avec le carré, les gauchers choi-
sissent plus souvent le coin en bas à gauche
et le coin en haut à droite, alors que les droi-
tiers privilégient légèrement le coi n en haut
à gauche et le coin en bas à droite. L'inter-
prétation définitive ne semble pas facile à
formuler, tout juste peut-on remarquer qu'un
gaucher qui place sa main à côté de la figure
accède plus fac ilement aux coins en haut à
gauche et en bas à droite (il n'a pas besoin de
plier ou d'étendre les doigts) et qu'il est donc
plus facile pour lui de marquer son choi x
dans ces coins que les autres. Lorsqu'on lui
demande de marquer un point ayant moins
de chances d'être choisi, l'effort un peu parti-
culier qu'il doit faire pour accéder aux coins
en bas à gauche ou en haut à droite lui fait
croire (peut-être) que ce seront des zones
moins choisies et il les sélectionne donc plus
facilement quand il est soumis à la consigne
« se cacher ». Pour un droitier, la situation
étant inverse lorsqu'il répond à la consigne
« se cacher », il favorisera légèrement les
coins en haut à gauche et en bas à droite.
Un biais un peu renforcé en faveur du
centre chez les su jets ayant réalisé les expé-
riences avec un ordinateur a aussi été noté.
Il pourrait s'expliquer par des considéra-
tions du même type : la place naturelle du
pointeur avec la souris de l'ordinateur est
le centre de l'écran, alors que la place au
repos d'un crayon quand on travaille sur
une feuille est sur le côté (droit ou gauche
selon qu'on est droitier ou gaucher) pour
ne pas masquer la figure avec la main. Il en
résulterait que le centre dans le cas de tests
effectués avec l'ord inateur serait légèrement
plus favorisé que dans le cas de tests effec-
tués avec crayon et papier. Seules d'autres
expériences pourront confirmer ou infirmer
de telles hypothèses.
La carte mentale de l'esprit humain, soumi s
à une consigne de production d'aléas, est
complexe et marquée par toutes sortes de
contraintes et de biais qui s'addit ionnent.
Décidement, le fonctionnement logique et
les calculs des cerveaux ne ressemblent en
rien à ceux des ordinateurs.
Robert French proposait pour passer le test
de Turing - destiné à distinguer un com-
portement humain d'un comportement
programmé d'ordinateur - d'exploiter les
capacités linguistiques des humains. Les capa-
cités humaines sont si particulières (détermi-
nées par des traits mentaux sub-linguistiques
complexes) qu'elles sont sans doute extrême-
ment difficiles à copier dans une machine.
En conséquence, d'après R. French, elles per-
mettent et permettront encore longtemps de
distinguer l'homme de la machine. On peut
aussi suggérer, pour établir cette distinction,
de demander à la machine et à l'humain
d'engendrer des nombres au hasard ou des
points au hasa rd sur une figure : le cerveau
humain est si particulier, et les densités de
probabilités qu'il produit sont si caracté-
ristiques, qu'il se distinguera facilement de
toute machine, laquelle produira des densités
de probabilités uniformes qui la trahiront.
LE HASARD GÉOMÉTRIQUE N ' EXISTE PAS 1 4 169
Il Une seule intelligence?
Fabriquer de l'intelligence est un défi que l'informatique veut relever.
Quand elle réussit, c'est toujours de manière limitée et en évitant
d'aborder de front l'intelligence humaine, qui reste mystérieuse.
L1 idée qu 'il exi ste plusieurs types d 'in-
telligence séduit le grand public,
car elle évite à chacun de se trouver en
un point précis d'une échelle absolue et
parce que ch acun espère bien exceller
dans l'une des formes d 'intell igence dont
la liste tend à s'allonger. Cette pluralité
d 'intelligences a été proposée pa r le psy-
chologue am éricain Howard Gardne r :
dans son livre Frame of Mind de 1983, il
énu m ère h uit types d 'intelligence. Très
cri tiquée, par exe mple par Perry Klein
de l'Un iversité d'O ntario q ui la consi-
dère tautologique et non réfutab le, ce tte
théorie est à l'opposé d 'u ne autre vo ie de
recherche affirmant qu 'il n 'existe qu 'une
sorte d 'intell igence à concevoir m ath ém a-
tique m ent avec l'aide de l'informatique et
de la théorie du calcul.
• Dames, échecs, go
Évoquons d 'abord l'intelligence des
m achines et la discipline informatique
dénommée « intell igence artificielle ». Il
fau t l'admettre, aujourd'hui, les machines
réussissent des prouesses qu 'autrefoi s tout
le monde au rait quali fié d'intelligentes.
Nous ne reviendrons pas sur la victoire
définitive de l'ordinateur sur les meilleurs
joueurs d 'échecs, consacrée en 1997 par la
défaite de Garry Kas parov (champion du
monde) fa ce à l'ordinateur Deep Blue, una-
nim em ent saluée comme un événement
m ajeur de l'histoire de l'hu manité.
170 vl MATHÉMAT IQUES E T M YST ÈRE S
À cette époque, pour se consoler peut-être,
certains ont remarqué que les meilleurs pro-
grammes pour jouer au jeu de go étaient
d'une affligeante médiocrité. Les machines
jouent maintenant très correctement à ce jeu
stratégique. En mars 20 13, le progra mme
Crazy Stone du chercheur fra nçais Rémi
Coulom de l'Université de Lille a battu le
joueur professionnel japonais Yoshio Ishida,
qui au départ de la partie avait laissé un ava n-
tage de 4 pierres au programme. Depuis, en
mars 201 6, le programme AlphaGo a battu
Lee Sedol, considéré comme le meilleur
joueur de go au nivea u mondial. Des idées
assez différentes de celles utilisées pour les
échecs ont été nécessaires pour cette victoire
de la machine, mais pas plus que pour les
échecs, on ne peut dire que l'ordinateur joue
comme un humain. La victoire de AlphaGo
est un succès remarquable de l'intelligence
artificielle, qui prouve d'ailleurs qu'elle
avance régulièrement.
Le succès de l'i ntelligence artifi cielle au jeu
de dames anglaises est absolu. Depuis 1994,
aucun humain n'a battu le programme
canadien Chinook et, depuis 2007, on sait
que le programme joue une stratégie opti-
male, imposs ible à améliorer. Pour le jeu
d'échecs, on sait qu 'il existe aussi des straté-
gies optimales, mais leur calcul semble hors
d'atteinte pour plusieurs décennies encore.
L'intelligence des machines ne se limite plus
aux problèmes bien clairs de nature mathé-
matique ou se ramenant à l'exploration d'un
grand nombre de combinaisons. Cependant,
les chercheurs en intelligence artificielle
 Des tests d'intelligence où la machine gagne
Les tests d'intelligence inventés par
le psychologue français Alfred Binet
(1857-1911) ne sont sans doute
pas un bon moyen de mesurer l'in-
telligence des machines. En effet,
des programmes dont il est impossible
de soutenir qu'ils sont réellement intel-
ligents obtiennent d'assez bons scores
à certains de ces tests.
Par exemple, en 2003, Pritika Sanghi et
David Dowe ont écrit un programme qui
obtient un score proche du score humain
moyen dans une grande variété de tests
comme ceux présentés en bas à droite.
Ce programme, pas très compliqué, se
fonde sur quelques principes simples
fréquemment utilisés par les créateurs
de tests. En le perfectionnant, ce pro-
gramme atteindrait probablement les
meilleurs scores humains. Cela ne prouve
pas que les programmes sont intelligents,
mais plutôt que ces tests sont insuffi-
sants pour caractériser et mesurer l'intel-
ligence générale.
Une catégorie particulière de tests
est d'ailleurs bien mieux réussie par
la machine que par l'homme, et vous
pouvez vous-même en faire l'expérience.
Considérons par exemple la suite de
nombres entiers : 3, 4, 6, 8, 12, 14, 18,
20, 24, 30, 32, 38, 42.
La question est: quels sont les trois
nombres venant logiquement derrière?
Vous reconnaissez la suite des nombres
premiers augmentés d'une unité : 2 + 1,
3+1, 5+1, 7+1, 11+1, 13+1, 17+1,
etc. Les nombres qui suivent sont donc :
43 + 1, 47 + 1, 53 + 1, soit 44, 48, 54.
li existe un site Internet (https://oeis.org/J
qui répond parfaitement à ce type de
tests : I'« Encyclopédie des suites numé-
riques en ligne» de Neil Sloane. En lui
soumettant la question, il trouve instan-
tanément la bonne réponse. li propose
d'ailleurs d'autres réponses que vous n'au-
riez pas imaginées. Celle qu'il indique en
second est: nombres n tels que pour tout
entier k premier avec net supérieur à k2, le
nombre n - k2 est premier. Cette seconde
réponse logique conduirait à proposer les
trois entiers : 48, 54, 60. Elle est beau-
coup plus compliquée que la première et
ne serait bien évidemment pas la réponse
que donnerait un système programmé à
partir de !'Encyclopédie à qui on deman-
derait de fournir une seule réponse.
La perspicacité de ce système est bien
supérieure à celle d'un être humain. Pour
vous en convaincre, essayez de résoudre
les énigmes posées par les cinq suites
suivantes :
A: 11, 12, 14, 16, 20, 21, 23,25,29
B: 11,31,71, 91,32,92, 13,73
C:3, 7, 14,23,36, 49
D: 1, 2, 4, 5, 10,20,29,58, 116
E: 1, 4, 5, 7, 8, 11, 13, 14, 16, 22, 25,
28,31, 34
Les réponses sont indiquées dans l'en-
cadré ci-dessous. Toutes ces réponses
sont trouvées instantanément par le pro-
gramme de !'Encyclopédie, et on peut lui
soumettre des questions bien plus diffi-
ciles. li n'est cependant pas raisonnable
de considérer que ce programme est en
quoi que ce soit intelligent. li se contente
d'aller rechercher la suite qu'on lui pro-
pose dans une base de données (soigneu-
sement complétée depuis des années), et
il fournit la plus simple des réponses Oa
notion de simplicité étant déterminée par
le contenu de l'encyclopédie qui classe
les suites). Le succès du programme pro-
vient de sa mémoire et de sa capacité
à la parcourir rapidement sans erreur,
alors qu'un humain, face à ce type de pro-
blèmes, mène des calculs de tête et tente
directement de repérer des structures.
Comme c'est le cas pour de nombreuses
applications d'intelligence artificielle, la
réussite - extraordinaire ici - du logiciel
est obtenue par une méthode sans aucun
rapport avec celle mise en œuvre par une
intelligence humaine.
Récemment, on a réussi à programmer
un système informatique pour qu'il joue
Considérez la suite
Quel dessin parmi ces quatre
continue la suite?
et gagne à un jeu,)eopardy !, demandant
apparemment de maîtriser un grand
nombre de connaissances de culture
générale et, en même temps, de com-
prendre le langage naturel O'anglais).
Très populaire aux États-Unis, )eo-
pardy ! existe depuis 1962 et ressemble
au jeu Questions pour un champion. Les
questions (géographie, littérature, arts,
sport et sciences) sont formulées en
anglais courant et les réponses doivent
l'être aussi. La machine reçoit les ques-
tions par écrit et donne ses réponses
par synthèse vocale. La rapidité des
réponses intervient dans certaines
phases du jeu. Le programme Watson
créé par la firme IBM a été confronté
à deux champions humains du jeu en
février 2011. Le programme l'emporta,
montrant qu'un système informatique
convenablement programmé pouvait
s'attaquer à des défis comportant à la
fois un traitement du langage naturel
et la maîtrise de connaissances sur des
sujets variés et étendus.
Aujourd'hui, Watson sert à développer
des outils d'expertise en médecine, pour
la formation des médecins.
'(BE
'LE 'SE) SJa,w,ud saJqwou sap iuauuop l
z
ap s,11,ns ia ap Si1Pil~Jd '!nb saJqwoN :3
'(085 ·osz 'Svl) 085 ap SJnaS!ll!O :a
'(VOl
'EB '99) Ja,waJd aJqwou aw-1,-u np ia zUap
awwos e1 isa u UO!l!SOd ua aJqwou a, :J
·(vL 'vt 'vl) Ol ap
J!lRci vsJa11ua,1 vSJ!J~ SJa!WaJd saJqwoN :a
·(vt 'ZE 'OC) Ja!WaJd aJqwou un isa Sa.J#!4'
sap awwos e1 iuop Ol ap J!lJed VsaJqWON :'t/
Complétez le tableau
2 4 8
3 6 12
4 8 ?
U N E S EULE INT ELLIGENCE ? ,JI 171
 ont découvert, même avec les jeux de pla-
teau cités, combien il est difficile d'imiter le
fonctionnement intellectuel humain: aux
jeux de dames, d'échecs ou de go et bien
d'autres, les programmes ont des capacités
équivalentes aux meilleurs humains, mais
ils fon ctionnent très différemment. Cela
ne doit pas nous interdire d'affirmer que
nous avons mis un peu d'intelligence dans
les machines: il ne serait pas f air-play, face
à une tâche donnée, d'obliger les machines
à l'affronter en imitant servilement nos
méthodes et modes de raisonnement.
• Véhicules intelligents
Le cas des véhicules autonomes est remar-
quable aussi de ce point de vue. Il illustre
d'une autre faço n que lorsque l'on conçoit
des systèmes nous imitant à peu près pour
les résultats, on le fait en utilisant des tech-
niques le plus souvent totalement étran-
gères à celles mi ses en œ uvre en nous par
la nature, et que d'ailleurs nou s ne com-
prenons que très partiellement: pour le
jeu d'échecs par exe mple, personne ne sait
décrire les algorithmes qui déterminent le
jeu des champions.
La conduite de véhicules motorisés
demande aux êtres humains des capacités
qui vont bien au-delà de la simple mémo-
risation d'une quantité mass ive d'infor-
mations et de l'exploitation d'algorithmes
traitant rapidement et systématiquement
des données symboliques telles que des
positions de pions sur un damier. Nul ne
doute que pour conduire comme nou s des
véhi cules motori sés, l'ordinateur doit ana-
lyse r des images va riées et changeantes : où
est le bord de cette rue jonchée de fe uilles
d'arbres? Quelle est la nature de cette zone
noire à 50 mètres au centre de la chaussée,
un trou dangereux ou seulement une tache
d'huile inoffensive? Etc.
Conduire une voiture avec nos méthodes
nécessiterait la mise au point de tech-
niques d'analyse d'images bien plus subtiles
que celles que nous savons programmer
aujourd 'hui. Aussi, les systèmes de pilotage
172 ,li MATH ÉMATIQUES ET MYSTÈRES
automatisé tels que ceux de la firme Google
« conduisent » tout à fa it différemment
des humains. Ces Google cars exploitent
en continu un système GPS de géolocalisa-
tion très précis et des « cartes » indiquant
de manière bien plus détaillée que toutes
les cartes habituelles, y compri s celles de
Google maps, la forme et le dessin des chaus-
sées, la signalisation routière et tous les élé-
ments importants de l'environnement. Les
voitures Google exploitent aussi des radars
embarqués, des lidars (light detection and
ranging, systèmes optiques créant une
image numérique en trois dimensions de
l'espace autour de la voiture) et des capteurs
sur les roues.
Ayant déjà parcouru plusieurs centaines de
milliers de kilomètres sans accident, ces voi-
tures sont un succès de l'intelligence artifi-
cielle, et ce, même si elles sont incapables
de réagir à des signes ou injonctions d'un
policier au centre d'un carrefour, et qu'elles
s'arrêtent parfois brusquement lorsque des
travaux sont en cours sur leur chemin. Par
prudence sans doute, les modèles destinés
au public présentés en mai 2014 roulent à
40 kilomètres par heure au plus.
Avec ces machines, on est loin de la méthode
de conduite d'un être humain. Grâce à sa
capacité à extraire de l'info rmation des
images et son intelligence générale, le
conducteur humain sait piloter sur un trajet
jamais emprunté, sans carte, sans radar, sans
lidar, sans capteur sur les roues et il n'est pas
paralysé par un obstacle inopiné !
Les questions évoquées jusqu'ici n'exigent
pas la compréhension du langage écrit ou
parlé. Pourtant, contrairement aux annonces
de ceux qui considéraient le langage comme
une source de difficultés insurmontables
pour les machines, des succès remarquables
ont été obtenus dans des tâches exigeant une
bonne maîtrise des langues naturelles.
L'utilisation des robots-journalistes inquiète
car elle est devenue courante dans certaines
rédactions telles que celles du Los Angeles
Times, de Forbes ou de Associated Press.
Pour l'instant, ces automates-journalistes se
limitent à converti r des résultats (sportifs, ou
économiques par exemple) en courts articles.
• Des robots journalistes
Il n'empêche que, parfois, on leur doit
d'utiles traitements. Ainsi, le 17 mars 2014,
un tremblement de terre de magnitude 4,7 se
produisit à 6 h 25 en heure locale au large de
la Cal iforn ie. Trois minutes après la secousse,
un petit article d'une vingtaine de lignes
était automatiquement publié sur le site
Internet du Los Angeles Times donnant des
informations sur l'événement: lieu de l'épi-
centre, magnitude, heure, comparaison avec
d'autres secousses récentes. L'article exploi-
tait des données brutes fournies par le US-
Geological Survey Earthquake Notification
Service et résultait d'un algorithme dû à Ken
Schwencke, un journaliste programmeur.
D'après lui, ces méthodes ne conduiraient à la
Le concours de compression de Marcus Hutter
Face à une série de données, l'intelligence
permet de prévoir la suite mieux que ne
le ferait le hasard. On montre que cette
capacité de prévision est équivalente à
la capacité de compresser les données
reçues. À condition d'imaginer des jeux
de données très variés, cette conception
de l'intelligence est considérée par cer-
tains comme absolue.
C'est elle qui sert d'ailleurs de base à la
« théorie générale de l'intelligence » de
Marcus Hutter. Ce dernier, pour illus-
trer l'idée et parce qu'il est convaincu
que la compression de données est
nécessaire et suffisante pour caracté-
riser et mesurer l'intelligence d'un être
animal, humain ou mécanique, a créé un
concours fondé sur une épreuve de com-
pression de données. Ce concours est
ouvert à tous et permet de gagner tout
ou partie d'une somme de 50 000 euros
que M. Hutter a lui-même engagée.
Le prix (nommé Hutter prize, voir
http://prize.hutter1.net/) propose une
épreuve unique de compression d'un
texte numérique énorme. Un fichier de
100 millions de caractères extrait de
l'encyclopédie Wikipédia est soumis
aux candidats et doit être compressé
suppression d'aucun emploi, mais rendraient
au contraire le travail des journalistes plus
intéressant. Il est vrai que ces programmes
sont pour l'instant confinés à la rédaction
d'articles brefs exploitant des données fac-
tuelles faci les à traduire en petits textes,
qu'un humain ne rédigerait sans doute pas
mieux.
Un autre exemple inattendu de rédaction
automatique d'articles concerne les encyclo-
pédies Wikipédia en suédois et en filipino,
l'une des deux langues officielles aux Philip-
pines (l'autre est l'anglais). Le programme
Lsjbot mis au point par Sverker fohansson a
en effet créé plus de deux m illions d'articles
de l'encyclopédie collaborative et est capable
d'en produire 10 000 par jour. Ces pages
engendrées automatiquement concernent
au mieux par leurs programmes. Au 15949688 caractères. Claude Shannon,
départ, le fichier, grâce à une méthode le créateur de la théorie de l'information,
de compression classique, a été réduit a évalué que le langage naturel porte en
à 18324887 caractères. Cela carres- gros un bit d'information par caractère,
pond à un gain d'environ 81 %. Chaque ce qui correspond dans notre cas à un
candidat proposant un programme réa- fichier compressé de 12500000 carac-
lisant une amélioration de N %par rap- tères. Il y a donc encore de la marge,
port au gagnant précédent remporte d'autant que l'exploitation fine des régu-
la somme de (N/100) x 50000 euros. larités de notre monde reflétée dans
Si par exemple vous concevez et pro- l'encyclopédie Wikipédia permettrait
grammez un compresseur qui fait peut-être une compression encore meil-
gagner 5 % par rapport au dernier leure que celle évaluée par Shannon.
gagnant, vous emportez 2 500 euros.
La compression dont il s'agit ici est
bien sûr une compression sans perte:
à partir du fichier compressé, le pro-
gramme de décompression (associé
au programme de compression) doit
reconstituer exactement les 100 mil-
lions de caractères du fichier initial
proposé par M. Hutter. Des limites
concernant la taille du programme de
compression et son temps de calcul
sont imposées (voir /es détails sur /e site
Internet décrivant le prix).
Depuis le lancement du concours, plu-
sieurs programmes ont réussi à amé-
liorer le taux de compression. On en est
aujourd'hui à un fichier compressé de
UNE SEULE INTE LLIGENCE ? ;j 173
 des animaux ou des villes et proviennent
de la traduction, dans le format imposé par
Wikipédia, d'informations disponibles dans
des bases de données déjà informatisées.
L'exploit a été salué, mais aussi critiqué.
Pour se justifier, S. Johansson indique que
ces pages peu créatives sont utiles et fait
remarquer que le choix des articles de l'ency-
clopédie Wikipédia est biaisé : il reflète essen-
tiellement les intérêts des jeunes blancs, de
sexe masculin et amateurs de technologies.
Ainsi, l'encyclopédie Wikipédia suédoise
comporte 150 articles sur les personnages
du livre de Tolkien, Le Seigneur des Anneaux,
et seulement une dizaine sur des personnes
réelles liées à la guerre du Vietnam: « Est-ce
vraiment le bon équilibre? », demande-t-il.
S. Johansson projette d'engendrer une page
par espèce animale recensée, ce qui ne
semble pas stupide. Pour lui, ces méthodes
doivent être généralisées, mais il pense que
Wikipédia a besoin aussi de rédacteurs qui
écrivent de façon plus littéraire que Lsjbot et
soient capables d'exprimer des sentiments,
« ce que ce programme ne sera jamais
capable de faire ».
Beaucoup plus complexe, et méritant
mieux l'utilisation de l'expression « intel-
ligence artificielle », est le succès du pro-
gramme Watson d'IBM au jeu télévisé
Jeopardy ! (voir l'encadré p. 171).
La mise au point de programmes résolvant
les mots-croisés aussi bien que les meilleurs
humains confirme que l'intelligence arti-
ficielle réussit à développer des systèmes
aux étonnantes performances linguistiques
et oblige à reconnaître qu'il faut cesser de
considérer que le langage est réservé aux
humains. Malgré ces succès, on est loin de
la perfection: pour s'en rendre compte, il
suffit de se livrer à un petit jeu avec le sys-
tème de traduction automatique en ligne
de Google. Une phrase en français, (a), est
traduite en anglais, (b), puis retraduite en
français, (c). Parfois cela fonctionne parfai-
tement, on retrouve la phrase initiale ou
une phrase équivalente. Parfois, le résultat
est catastrophique, comme ici :
(a) La subtilité manque aux machines qui
semblent stupides.
174 ,j MATHÉMATIQUES ET MYSTÈRES
(b) The Jack subtlety machines that seem
stupid.
(c) Les machines manque de subtilité qui
semblent stupide.
Nous sommes très loin aujourd'hui de la
mise au point de dispositifs informatiques
susceptibles de passer le « test de Turing »
conçu en 1950. Alan Turing voulait éviter
de discuter de la nature de l'intelligence et,
plutôt que d'en rechercher une définition,
proposait de considérer qu'on aura réussi à
mettre au point des machines intelligentes
lorsque leur conversation sera indiscer-
nable de celle des humains.
• Passer le test de Turing
Pour tester cette indiscernabilité, il sug-
gérait de faire dialoguer par écrit avec la
machine une série de juges qui ne sau-
raient pas s'ils mènent leurs échanges avec
une machine tentant de se faire passer pour
un humain ou avec un humain véritable.
Lorsque les juges ne pourront plus faire
mieux que répondre au hasard pour indi-
quer qu'ils ont eu affaire à un homme ou
une machine, le test sera passé. Concrète-
ment, faire passer le test de Turing à un sys-
tème informatique S consiste à réunir un
grand nombre de juges, à les faire dialoguer
aussi longtemps qu'ils le souhaitent avec
des interlocuteurs choisis pour être une
fois sur deux un humain, et une fois sur
deux le système S ; les experts indiquent,
quand ils le souhaitent, s'ils pensent avoir
échangé avec un humain ou une machine.
Si l'ensemble des experts ne fait pas mieux
que le hasard, donc se trompe dans 50 %
des cas ou plus, alors le système S a passé le
test de Turing.
Turing, opt1m1ste, pronostiqua qu'on
obtiendrait une réussite partielle au test en
l'an 2000, les experts dialoguant 5 minutes
et prenant la machine pour un humain dans
30 % des cas au moins. Turing avait, en gros,
vu juste: depuis quelques années, la ver-
sion partielle du test a été passée, sans qu'on
puisse prévoir quand sera passé le test com-
plet, sur lequel Turing restait muet.
Le test partiel a par exemple été passé le
6 septembre 2011 à Guwahati , en Inde,
par le programme Cleverbot créé par l'in-
formaticien britannique Rollo Carpenter.
Trente juges dialoguèrent pendant quatre
minutes avec un interlocuteur inconnu qui
était dans la moitié des cas un humain et
dans l'autre moitié des cas le programme
Cleverbot. Les juges et les membres de
l'assistance (1334 votes) ont considéré le
programme comme humain dans 59,3 %
des cas. Notons que les humains ne furent
considérés comme tels que par 63,3 % des
votes.
Plus récemment, le 9 juin 2014 à la Royal
Society de Londres, un test organisé à l'occa-
sion du soixantième anniversaire de la mort
de Turing permit à un programme nommé
Eugene Goostman de duper 10 des 30 juges
réunis (33 % d'erreur). Victimes de la pré-
sentation biaisée que donnèrent les orga-
nisateurs de ce succès, somme toute assez
modeste, de nombreux articles de presse
dans le monde entier parlèrent d'un événe-
ment historique, comme si le test complet
d'indiscernabi lité homme-machine avait été
réussi. Ce n'était pas du tout le cas, puisque
le test avait d'ailleurs encore été affaibli :
l'humain que le système informatique
simulait était censé n'avoi r que 13 ans et
ne pas écrire convenablement l'anglais (car
d'origine ukrainienne!).
Non, le test de Turing n'a pas été passé, et
il n'est sans doute pas près de l'être. Il n'est
d'ailleurs pas certain que les tests partiels
fassent avancer vers la réussite au test com-
plet. En effet, les méthodes utilisées pour
tromper brièvement les juges sont fondées
sur le stockage d'une multitude de réponses
préenregistrées (correspondant à des
questions qu'on sait que les juges posent)
associées à quelques systèmes d'analyse
grammaticale pour formuler des phrases
reprenant les termes des questions des
juges et donnant l'illusion d'une certaine
compréhension. Quand ces systèmes ne
savent plus quoi faire, ils ne répondent pas
et posent une question. À un journaliste qui
lui demandait comment il se sentait après
sa victoire, le programme Eugene Goostman
de juin 2014 répondit: « Quelle question
stupide vous posez, pouvez-vous me dire
qui vous êtes? ».
Ainsi, l'intelligence artificielle réussit
aujourd'hui assez brillamment à égaler l'hu-
main pour des tâches spécialisées (y compris
UNE SEULE INTELLIGENCE? ~ 175
 exigeant une certaine maîtrise du langage),
ce qui parfois étonne et doit être reconnu
comme des succès d'une discipline qui
avance régulièrement. Cependant, elle le fait
sans vraiment améliorer la compréhension
qu'on a de l'intelligence humaine, qu'elle ne
copie quasiment jamais; cela a en particu-
lier comme conséquence qu'elle n'est pas sur
le point de proposer des systèmes disposant
vraiment d'une intelligence générale, chose
nécessaire pour passer le difficile test de
Turing qui reste hors de portée aujourd'hui
(si on ne le confond pas avec ses versions
partielles!).
• À la recherche
de l'intelligence générale
Ces tentatives éclairent les recherches ten-
tant de saisir ce qu'est une intelligence
générale. Ces travaux sont parfois abstraits,
voire mathématiques, mais n'est-ce pas le
meilleur moyen d'accéder à une notion
absolue, indépendante de l'homme?
Quand on tente de formu ler une définition
générale de l'intelligence, vient assez natu-
rellement à l'esprit l'idée qu'être intelligent,
c'est repérer des régularités, des structures
dans les données dont on dispose, quelle
qu'en soit leur nature, ce qui permet de s'y
adapter et de tirer le maximum d'avantages
de la situation évolutive dans laquelle on se
trouve. L'identification des régularités, on le
sait par ailleurs, permet de compresser des
données, et de prédire avec succès les don-
nées suivantes qu'on recevra.
Intelligence, compression et prédiction
sont liées. Si, par exemple, on vous com-
munique les données 4, 6 1 9, 10, 14, 15, 21,
22, 25, 26 , 33, 34, 35, 38, 39, 46, 49 , 51, 55,
57, et que vous en reconnaissez la struc-
ture, vous pourrez les compresser en « les
20 premiers produits de deux nombres
premiers » et deviner ce qui va venir: 58,
62, 65, 69, 74, 77, 82, 85, 86, 87, etc.
Ce lien entre intelligence, compression
et prédiction a été exprimé de manière
formelle par l'informaticien américain
Ray Solomonoff vers 1965. Du principe
176 .Ji M ATHÉMATIQUES ET M Y STÈRES
du rasoir d'Ockham Pluralitas non est
ponenda sine necessitate (les multiples ne
doivent pas être utilisés sans nécessité) , il
proposait une version moderne exprimée
ainsi : « Entre toutes les explications com-
patibles avec les observations, la plus
concise, ou encore la mieux compressée,
est la plus probable ».
Si l'on dispose d'une mesure de concision
permettant de comparer les théories, cette
dernière version devient un critère mathé-
matique. La théorie algorithmique de l'in-
formation de Kolmogorov, qui propose de
mesurer la complexité (et donc la simpli-
cité) de tout objet numérique (une théorie
le devient une fois entièrement décrite) par
la taille du plus court programme qui l'en-
gendre, donne cette mesure de concision et
rend donc possible la mathématisation com-
plète du principe de parcimonie d'Ockham.
L'aboutissement de cette voie de réflexion
et de mathématisation a été la théorie
générale de l'intelligence développée par
l'informaticien allemand Marcus Hutter,
dont le livre Universal Artificial Intelli-
gence publié en 2005 est devenu une réfé-
rence. En utilisant la notion mathématique
de concision, une notion mathématisée
d'environnement (ce qui produit les don-
nées desquelles un système intelligent doit
tenter de tirer quelque chose) et le principe
mathématisé d'Ockham de Solomonoff,
M. Hutter définit une mesure mathéma-
tique universelle d'intelligence. Elle est
obtenue comme la réussite moyenne d'une
stratégie dans l'ensemble des environne-
ments envisageables.
Cette dernière notion (dont nous ne for-
mulons pas ici la version définitive avec
tous ses détails techniques) est trop abs-
traite pour être utilisable directement dans
des applications. Cependant, elle permet
le développement mathématique d'une
théorie de l'intelligence et fournit des
pistes pour comparer sur une même base
abstraite, non anthropocentrée et objec-
tive, toutes sortes d'intelligences. Contrai-
rement à l'idée de H. Gardner, cette voie
de recherche soutient que l'intelligence
est unique, qu 'on peut dépasser le côté
arbitraire des tests d'intelligence habituels
pour classer sur une même échelle tous les
êtres vivants ou mécaniques susceptibles
d'avoir un peu d'intelligence.
Malgré la difficulté à mettre en œuvre prati-
quement la théorie (par exemple pour conce-
voir de meilleurs tests d'intelligence, ou des
tests s'appliquant aux humains comme aux
dispositifs informatiques), on a sans doute
franchi un pas important avec cette théorisa-
tion complète. Conscients de son importance
pour la réussite du projet de l'intelligence
artificielle, les chercheurs ont maintenant
créé un domaine de recherche particulier
sur ce thème de « l'intelligence artificielle
générale » qui dispose de sa propre revue
spécialisée, le foumal of General Artificial
Intelligence (à accès libre).
Dans le but sans doute d'éviter à la disci-
pline de se satisfaire du développement de
sa partie mathématique, un concours infor-
matique a été créé par M. Hutter. Il utilise
l'idée que plus on peut compresser, plus on
est intelligent. Pour gagner et empocher une
partie des 50 000 euros mis en jeu, il faut
compresser au mieux le contenu de l'ency-
clopédie Wikipédia considéré comme une
sorte d'image miniature de la richesse de
notre univers (voir l'encadré p. 173).
La nouvelle discipline aidera peut-être les
chercheurs à réaliser cette intelligence
générale qui manque tant à nos machines
actuelles et les oblige à n'aborder que des
tâches spécialisées, le plus souvent en
contournant les difficultés qu'il y aurait
à employer les mêmes méthodes que les
humains, qui eux disposent - au moins
de façon rudimentaire ! - de cette intelli-
gence générale.
UNE SEULE INTELLIGENCE? " 177
Il l' autoréplication
maîtrisée?
Les astucieux travaux pour perfectionner et simplifier le modèle d'autoréplication
de von Neumann nous font réfléchir à ce qu'est l'autoreproduction du vivant.
Les êtres vivants sont des agrégats compli-
qués de composants simples
et, selon toute théorie probabiliste
ou thermodynamique raisonnable,
ils sont très improbables. La seule chose
qui explique ou atténue ce miracle
est le fait qu'ils se reproduisent :
si, par accident, il en apparaît
un seul, alors les principes
des probabilités ne s'appliquent plus
et il s'en produit beaucoup.
john von Neumann, Theory
of Self-Reproducing Au toma ta, 1966.
U n des grands sujets de la science-fic-
tion est l'autoreproduction (ou auto-
rép lication) : la réalisation de robots qui
pourraient se dup liquer, sans que, après
lancement du processus, il faille intervenir
autrement que par apport de matière pre-
mière et d'énergie.
À la fin des années 1940 et au début des
années 1950, le mathématicien américain
d 'origine hongroise John von Neumann
mena une série de travaux sur le sujet. À
sa mort en 19 5 7, ses travaux furent repris
178 ,,i MATHÉMATIQUES ET MYSTÉRES
par Arthur Burks qui, en 1966, les regroupa
dans un livre célèbre : Theory of Self
Reproducing Automata. L'ouvrage a donné
naissance à une multitude de projets de
recherche.
Von Neumann cherchait à démontrer la
possibilité d'un robot autoréplicateur et
Stanislas Ulam lui suggéra d'étudier le pro-
blème dans un monde abstrait simplifié. Le
modèle retenu, aussi élémentaire que pos-
sible, fut celui des automates cellulaires. Ces
calculateurs abstraits élémentaires pavant
un damier infini (voir la figure p. 181) ont
contribué à l'essor d'une discipline scienti-
fique à la charnière des mathématiques et de
l'informatique.
L'autoreproduction, dont von Neumann
prouva la possibilité logique, a été étudiée
sous des angles théoriques et pratiques. En
robotique, on s'intéresse à la mise au point
de dispositifs autoreproducteurs de grande
taille ; dans les nanotechnologies, on envi-
sage des sys tèmes microscop iques aptes à
se multiplier spontanément, par exemple
des circuits.
La configuration autoreproductrice décrite
par von Neumann est extraordinairement
complexe et si, mathématiquement, elle
est bien définie, le texte de von Neumann
reste théorique et n'explicite pas, cel-
lule par cellule, comment on pourrait la
réaliser.
Il a fallu attendre 1995 pour qu'une confi-
guration complète soit mise au point par
Renato Nobili et Umberto Pesavento. Pour
en faciliter la réalisation, le modèle ita-
lien modifiait légèrement celui de von
Neumann : les cellules avaient 32 états
au lieu de 29. La configuration autorepro-
ductrice comporte alors 6 329 cellules et
un ruban de codage (une sorte de génome
définissant sa constitution interne) long de
145 315 cellules. Sa duplication (ruban de
codage compris) exige 63 milliards d'étapes.
Longtemps, la puissance informatique dis-
ponible n'a pas permis de répliquer leur
construction sur écran d'ordinateur, mais ce
fait d'armes a été réalisé récemment.
La programmation complète d'une confi-
guration autoreproductrice suivant exacte-
ment l'automate cellulaire à 29 états de von
Neumann a enfin été réalisée en 2008 par
William Buckley. Elle comporte 18 589 cel-
lules, le ruban de codage en compte 294 844
et il faut 261 milliards d'étapes pour que
s'opère la réplication. En quelques dizaines
de minutes, nos ordinateurs permettent
l'exécution complète du processus d'autore-
production, et l'on a ainsi pu admirer pour
la première fois le fonctionnement du sys-
tème conçu par von Neumann ! Grâce au
programme gratuit Colly (http://golly.source-
forge.net/ ), vous pouvez sur votre micro-
ordinateur assister à cette étonnante pièce
de théâtre mathématique restée injouable
pendant plus de 50 ans, soit dans sa ver-
sion Nobili-Pesavento, soit dans sa version
Buckley, plus fidèle à von Neumann, mais
encore très lente aujourd'hui. · aété faite par Edward Fredkin
• Des modèles simplifiés
d' autoréplication
Nous n'avons pour l'instant évoqué que les
versions d'autoréplications qui suivent de
près le schéma adopté par von Neumann.
Toutefois, reprenant le problème de l'auto-
réplication sur des bases parfois éloignées,
d'autres modèles, mécaniques ou informa-
tiques, ont été conçus et, dans certains cas,
mis en œuvre.
Un délicat problème, qui semble avoir sus-
cité quelques contresens, a fini par se poser.
Les simplifications importantes du modèle
d'autoréplication de von Neumann, propo-
sées par exemple par Christopher Langton
en 1984 (voir la figure p. 183, en haut), ont
mené à des configurations bien plus petites
que celle de von Neumann, comportant
parfois moins d'une dizaine de cellules au
départ. De ce fait, on a été tenté de conclure
que von Neumann avait été maladroit en
concevant un automate cellulaire d'une
absurde complication. Nous verrons que
la question est assez subtile. C'est en repla-
çant le travail de von Neumann dans la
AAA
A A
-AAA L'AUTORÉPLICATION MAîTRISÉE?
~ Une étonnante découverte
et par Serafino Amoroso et
Gerald Cooper : il existe des
automates cellulaires, comme
l'automate Replicatar, qui
dupliquent toute structure,
aussi complexe soit~lie. Les
règles de l'automate sont : une
cellule peut être dans l'état
mort {blanc) ou dans l'état
vivant {bleu) et d'un instant
au suivant, une cellule reste
vivante ou passe de l'état
mort à l'état vivant si, parmi
ses huit cellules voisines, un
nombre impair sont vivantes.
On areprésenté ici quelques
étapes du processus de
multiplication d'une figure
complexe : la silhouette de
la)oconde. Après 256 étapes
de l'application de la règle, le
motif est reproduit huit fois.
Il est assez facile de prouver
la propriété de multiplication
de toute configuration et de la
généraliser. On peut, si on le
souhaite, utiliser un automate
ayant plus de deux états, mais
il faut que le nombre d'états
soit un nombre premier. On
peut au lieu d'obtenir huit
copies du motif initial, n'en
obtenir que deux, ou n'importe
quel nombre fixé à l'avance.
,;1 179
 perspective de son époque et en prenant en
compte ses motivations liées à la biologie
qu'on mesure combien son étude est nova-
trice et constitue une percée scientifique de
première importance.
Reprenons le problème de l'autoreproduc-
tion. Pour qu'il ait un sens, il faut bien sûr
se donner un « monde » avec des « lois phy-
siques » précises qui fixeront le théâtre de
l'action. Cela peut-être le nôtre, ou cela peut
être un monde simplifié décrit par des règles
que le langage mathématique exprimera sans
ambiguïté. Toutes sortes de modèles abstraits
sont en mesure de jouer ce rôle de « monde
simplifié », mais celui des automates cellu-
laires est particulièrement séduisant, pour
plusieurs raisons qui expliquent pourquoi il
fut retenu par von Neumann.
D'abord, les univers d'automates cellu-
laires sont discrets (pas de variables conti-
nues) ; ils sont donc faciles à programmer
et n'exigent pas des calculs approchés
pour en suivre l'évolution. Autre qualité,
les interactions y sont, comme dans notre
univers, locales : aucune interaction ins-
tantanée à distance n'est possible ; de plus
les lois qu~ l'on retient peuvent être d'une
extrême simplicité. Enfin, on sait par
expérience que les automates cellulaires
autorisent la simulation de nombreux phé-
nomènes physiques parfois complexes,
au point qu'il a été envisagé, par exemple
par Konrad Zuse dès 1967, que notre uni-
vers physique pourrait n'être, à un niveau
de détail très fin, qu'une sorte d'automate
cellulaire.
Un modèle d'univers étant fixé, qu'est-ce
que l'autoréplication dans cet univers, et
comment peut-on la définir pour mieux
comprendre l'autoréplication des êtres
vivants ? Nous envisagerons plusieurs
idées et découvrirons progressivement
que, si nous voulons obtenir un modèle
.
----
•••••
180 ,/1 MATHÉMATIQUES ET MYSTÈRES
pertinent pour la biologie, nous ne devrons
pas nous limiter à la définition naïve
suivante:
L'autoréplication, c'est lorsqu'un objet pré-
sent en un exemplaire unique dans l'uni-
vers se retrouve plus tard en plusieurs
exemplaires.
• Réplication évidente
Quand les autoréplications sont le résultat
direct des lois du monde retenu, elles ne nous
apprendront rien d'intéressant en biologie.
L'exemple le plus simple est celui de l'auto-
mate cellulaire nommé trivial et défini par :
- Une cellule peut être dans l'état mort
(blanc) ou dans l'état vivant (bleu sur l'illus-
tration ci-dessous).
- Une cellule reste vivante à l'instant n + 1
si elle l'est à l'instant n ; une cellule passe de
l'état mort à l'état vivant si l'une de ses huit
voisines est vivante.
Partant d'une cellule vivante à l'instant 0,
on obtient successivement neuf copies
d'elle-même, puis 16, puis 25, puis 36, etc.
Cette autoréplication est conforme à la défi-
nition naïve, mais elle est tellement simple
qu'elle ne nous apprend rien ! Dans notre
univers, les lois de conservation de l'énergie
et de la matière interdisent ce type d'auto-
réplication. Il n 'est cependant pas impos-
sible d'avoir des situations proches, où par
exemple une particule et de l'énergie pro-
duisent deux particules identiques. Les
prions anormaux qui provoquent la maladie
de la vache folle se multiplient par contact
en transformant la molécule Prp-c (normale-
ment présente et sans effet nocif) en molé-
cule Prp-sc (le prion anormal), tout comme
le fait une cellule bleue de l'automate trivial
qui transforme les cellules blanches qui
l'entourent. Notons que dans ce type d'auto-
réplication, seuls des objets élémentaires se
multiplient.
Un autre type d'autoréplication évidente,
cette fois par gros blocs, est possible dans
notre univers. Si l'on impose à l'univers
une loi de conservation de la matière, le sys-
tème autoréplicateur doit aller chercher les
 1 1
••
1 2
--- -
1 1
••
• -
--• • •
•• -1
1
-
1 1
6
• • 7
•• •
1
•
- --
-
1 1
• 1
• ••
••
1 1 1
composants de son double dans son environ-
nement et les assembler. C'est ce qui se passe
dans le monde vivant ; l'idée que des compo-
sants sont disponibles et que s'autorépliquer,
c'est les collecter et les assembler, n'est ainsi
pas à exclure.
Un cas extrême et facile à réalise r en robo-
tique est le suivant. Le robot A-Best formé
de deux morceaux A et B (par exemple
une tête et un corps) qui, isolément, sont
inertes. Assembler deux éléments A et B
se fait facil ement, par exemple à l'aide
d'a imants qui, dès que A et B sont proches,
les solidarisent. On suppose aussi que
la mise en contact de A et de B met en
marche le robot A-B. Le so l environnant
cont ient des morceaux A et B, inertes,
car isolés. On programme le robot A-B de
telle façon que, dès sa mise en marche, il
recherche un morceau A et un morceau B,
pui s les assemble, ce qui donne alors un
autre robot A-B, qui lui-même se met en
marche, etc.
Certaines réali sations en robotique sont des
systèmes autoréplicateurs dans ce sens : le
robot assemble quelques pièces complexes
déjà présentes dans son environnement et
produit ainsi un double de lui-même. Les
cristaux, et peut-être même les virus, sont
autorépl icateurs dans ce sens.
De telles autoréplications ne sont pas satisfai-
santes pour décrire ce que l'on observe dans
le monde des êtres vivants évolués : dans un
·--
3 4
•• •
-1 . . . . -
- --
--•1-
• •• •
9
••
••
••
•
véritable processus d'autoréplication, il faut
que l'objet qui se multiplie soit lui-même
complexe et ne résulte pas de l'assemblage
d'un petit nombre de composants complexes
déjà là. En clair, à la définition naïve donnée
précédemment, il faut ajouter :
Pour qu'il y ait vraiment autoréplication,
l'objet qui se multiplie ne doit pas être trop
simple et ne doit pas résulter de l'assem-
blage de quelques morceaux complexes pré-
sents dans son environnement.
Malheureusement, cette modification n'est
pas encore satisfaisante. Ni dans un monde
semblable au nôtre ni dans un monde d'au-
tomates cellulaires, les nouvelles exigences
ne gara ntiront une autoréplication sem-
blable dans sa logique à celle observée chez
les êtres vivants.
• Autoréplication
d'une structure complexe
Commençons par le montrer dans le cas
des automates cellulaires. Von Neumann
l'ignorait (sinon il l'aurait mentionné), mais
il existe une famille d'automates cellulaires
simples et remarquables qui ont la très éton-
nante propriété suivante.
Quelle que soit la configuration placée seule
sur le damier à l'instant 0, et même si elle
est complexe, en attendant suffisamment
longtemps, on retrouvera la configuration
1
L A UTORÉPLICATION MAîTRISÉE?
5
••
---
--• •
10
••
••
_. John von Neumann autilisé
les automates cellulaires pour
démontrer la possibilité de
l'autoreproduction. Chaque case
(ou cellule] carrée d'un damier
infini porte le même petit
automate. Cet automate peut
être dans un état pris panni
un nombre fini d'états fixés
àl'avance. !:évolution se fait
selon un temps discret : l'état
del'automate àl'instant n+1
est déterminé par son propre
état et ceux de ses voisins (par
exemple les huit automates
disposés autour de lui,ou une
autre combinaison fixée une
fois pour toutes) à l'instant n.
!:automate cellulaire le plus
étudié est l'automate du Jeu de
la vie de John Conway :chaque
cellule-automate est dans l'état
vivant (bleu] ou mort (blanc) ;
si une cellule est vivante et
qu'elle est entourée de deux ou
trois cellules vivantes elle reste
vivante,sinon elle meurt ;si
une celluleest morte et qu'elle
est entourée de trois cellules
vivantes, elle passe dans
l'état vivan~ sinon elle reste
morte. On areprésenté ici les
dix étapes de la rencontre de
deux configurations glisseurs
[configuration se déplaçant en
diagonale) conduisant àleur
annihilation mutuelle enonze
étapes.
,JI 181
 a b C d e f

• Von Neumann a conçu une configuration
autoreproductrice si complexe qu'il ne put la faire
fonctionner à la main, ni avec les ordinateurs
disponibles à sonépoque. Il fallut attendre 2008
pour que cette configuration, légèrement simplifiée
par Renato Nobili et Umberto Pensavento en 1995,
et mise enforme cellule par cellule par Tim Hutton,
fonctionne dans un programme. Ce programme
nommé Gal/y a été élaboré par la communauté
des passionnés d'automates cellulaires (voir la
bibliographie}. La configuration de von Neumann
(dans la version de Nobili-Pesavento) comporte deux
parties : une machinerie qui commande et exécute
la réplication, et un ruban qui contient sous forme
codée le plan de la machinerie. Ce ruban, assimilable
à un génome, est extrêmement long et représenté
partiellement ici. L'autoréplication comporte deux
phases : dans un premier temps, la machinerie lit
et copie le ruban pour enfabriquer un second placé
au-dessus du premier (a, b, c). Dans un second temps,
la machinerie exploitant les données du ruban à l'aide
d'une sorte de bras mobile (composés de cellules de
l'automate] interprète ces données et place, une à
une, toutes les cellules de la partie machinerie de
son double (d, e, f]. Quand cette mise en place est
terminée, la nouvelle machinerie est enclenchéeet
se met à son tour à produire une copie de son ruban
et d'elle-même. Plus de 50 ans après sa conception,
il est ainsi possible d'admirer le spectacle de la
duplication de la configuration autoreproductrice de
von Neumann. Notons que bienque leJeu de la vie de
Conway soit le plus étudié des modèles d'automates
cellulaires et qu'on sache qu'il est possible de
fabriquer des configurations autoreproductrices avec
lui, personne pour l'instant n'a suen concevoir uneet
la faire fonctionner.

en plusieurs exemplaires : toute configura- se perfectionneront et aboutiront, comme

tion s'autoréplique spontanément et indé-
fi niment ! Le plus simple de ces automates
cellulaires est l'automate dénommé Repli-
cator (voir la figure p. 178- 179).
Le spectacle de cette autoreproduction est
fascinant, car avant de voir réapparaître les
copies de la configuration initi ale placée
sur le plan, un désordre complet se mble
régne r. Ce m iracle de l'autoreproduction
de toute structure se démontre mathéma-
tiquement. Ce n 'est, fin alement, que la
conséquence d'une propriété arithmétique
qui n 'a rien à voir avec le monde vivant et
que celu i-ci, bien sûr, n 'uti lise pas.
Il n'y a pas que dans le monde des automates
qu'une mul tiplication d'objets complexes
peut se dérouler sans que cela soit compa-
rable avec la reproduction biologique. Dans
notre monde physique, nous connaissons la
photocopieuse. La feuille, quelle que soit la
complexité de ce qui y est imprimé ou écrit,
se trouve dupliquée par la machine. Il existe
aussi des photocopieuses 3D qui repro-
duisent certains objets par stéréolithogra-
phie. On peut imaginer que, dans le fu tur,
les techniques pour réaliser de tels appareils
dans les romans de science-fi ction, à des sys-
tèmes quasi parfa its dupliquant atome par
atome tout obj et qu 'on y place. Un être pré-
sent dans un univers où de telles machines
existent a la capacité de s'autorépliquer : il
lui suffit de se placer dans la machine et de
la faire démarrer.
Un cas tout à fa it extrême d'autoréplica·
tion physique de structures complexes et
n 'ayant rien à voir encore avec la biologie
est celui proposé par Hugh Everett qui,
dans sa théorie des mondes multiples, ima-
gine que l'univers dans sa totali té s'auto ré-
plique à chaque instant.
Ainsi, l'autorépli cation de structures corn·
plexes est parfois poss ible sans pour autant
correspondre à celle des êtres vi va nts.
Poursuivons donc notre recherche d'une
bonne définition. On sait que chaque cel-
lule vivante porte dans ses molécules d'ADN
le plan de sa structure (ou en tout cas une
partie importante de ce plan) . Lorsqu 'un
organisme vivant se duplique, le « code » de
sa structure est, d'une part, traduit en pro-
téines qui forment le nouvel organisme et,
d'autre part, copié pour qu'il ait lui aussi le

18 2 .,. ; MATH É M ATIQUES ET M YSTÈR E S

plan permettant sa réplication. Ce double - .... --=-== .:. .-...... ---
--·Y,,x, -
mécanisme de traduction/copie est essentiel
chez tout être viva nt évolué. Une autorépli-
cation susceptible de nous aider dans notre
u ...~ FIJI,, Jii
compréhension du vivant doit donc fonc-
tionner selon un tel schéma « génétique ».

.&. La Boucle de Langton et quelques étapes de Autrement di~ il faut imposer que la réplication
• Un schéma son évolution. L'autoreplication des automates se fasse en deux étapes :(a) copie d'un ensemble
génotype-phénotype de la figure p.178-179 ne fonctionne pas du tout d'informations en général présent sur un ruban
comme celle des êtres vivants, car notre univers et constituant le génotype ;{b) traduction de
C'est ce qu 'avait co mpri s von Neu mann, n'est pas un automate cellulaire de type Replicator ce codage en structure. L'ordre (a)-{b) peut être
et cela bie n avant qu e la structure de produisant systématiquement la multiplication inversé. C'est d'ailleurs le mode de fonctionnement
l'A DN n 'ait été découve rte. Le fon ctionne- de toute structure. Pour modéliser d'une de l'autoreplication du système proposé par von
ment de la co nfiguration autoréplicatrice, manière satisfaisante le type d'autoréplication Neumann. Peut-on faire plus simple dans le monde
observé dans le monde vivant, il faut exiger des automates cellulaires tout en respectant
qu e ce so it dans la ve rsion de Nobili -
qu'elle procède selonle schéma« génétique » : le schéma génétique ? Oui, et la boucle de
Pesave nto ou dans ce lle de Buckley, res- génotype +phénotype... génotype +phénotype. Christopher Langton (1984) en est lapreuve.
pecte ce sché ma géné tique « machinerie
+ ruban » (voir la fig ure en haut à gauche).
Il y a bie n l'équivalent d 'un gé nome dans
la configuration (la ligne horizontale
partiellement représentée). De plu s, lors
de l'autorép li cat ion, le ruban es t co pi é.
Ensuite, il es t lu e t traduit en une stru cture
en deux dime nsions : le plan de la « pho-
tocop ieuse » es t ex ploité pour co nstruire
une seco nde « photocopi euse » . Au fina l,
on ob ti ent deux fois le m êm e e nse mbl e
machine ri e + ruban .
Nou s compre nons pourquoi von Neu-
mann ne s'es t pas conte nté d 'un automate
ce llul aire de type trivial ou Replicator.
Mais, en imposant aux systèm es autoré-
pli ca teurs de fo nction ne r se lon le modèle
génét iqu e, peut-on e nvi sager plu s s imple
qu e son é norme e t très lente machine ?

• Boucles de Langton
Oui ! La découverte date de 1984 et est
due à Christopher Langto n. Une boucle de
86 cellules au départ est composée d'une
sorte de tuyau protégeant un « génome » .
En fonctionnant, cette boucle ém et une
excro issance qui, en 150 étapes, engendre
une seconde boucle à l'intérieur de laquelle
le génome de la pre mière a été copié. Ces
deux boucles en engendrent alors de nou-
velles et, progressivement, tout le plan se
recouvre de copies de la boucle initialement
.&.les boucles évolutives. Les boucles de
Langton sont incapables de construire une
grande variété d'autres objets et encore
moins capables de donner naissance à des
boucles d'une autre forme qui elles-mêmes
s'autoreproduiraient. Les recherches récentes
ont conduit à la mise au point de boucles
pouvant construire un ensemble varié d'autres
objets complexes quand on en change le
génome. Les boucles Evo/oop de Hiroki Sayama
donnent naissance à des boucles de formes et
de tailles différentes. Les formes créées sont
en compétition. Dans un espaceensemencé
avec une seule boucle Evo/oop, on voit se
dérouler une micro-évolution darwinienne.
Dans un premier temps, la boucle se multiplie
sans presque changer. Quand l'espace [fini)
devient insuffisant, les collisions entre boucles
provoquent des mutations des génomes et des
boucles nouvelles apparaissent, parfois très
brièvement car elles ne sont pas viables. Dans la
compétition pour l'espace, les boucles de petites
tailles. moins fragiles, tendent à dominer.
Les dessins représentent quatre phases de
cette évolution compétitive entre organismes
simulés.

L'AUTORËPLICATION M AÏTRISËE ? ~ 183

 présente en un seul exemplaire (voir la
figure p. I 83, en haut).
Étonnamment, la boucle de Langton a été
simplifiée plusieurs foi s. On a fait dispa-
raître le tuyau protecteur (en fait inutile) et
on est arrivé, avec la boucle de Chou-Reggi a
en 1993, à une configuration autoréplica-
trice de six cellules possédant une sorte de
génome. Cependant, quand on voit fon c-
tionner cette boucle, le génome est devenu
difficile à identifier et on a même quelques
doutes sur sa véritable nature de génome.
En fait, il semble qu 'on en arrive plutôt à
un schéma proche de l'automate trivial. Il y
a une continuité entre l'automate trivial et
la boucle de Langton !
L'explication de cette troublante situation
est qu 'on a oublié quelque chose qui, aux
yeux de von Neumann, était essentiel :
le système génétique doit être pui ssant.
Il doit autoriser non seulement l'autoré-
plication, mais auss i la création d'autres
structures. Autrement dit : il faut qu 'on
pui sse, en modifiant le gé nome de nos
configurations, construire d'autres confi-
gurations différentes (qui seront autorépli-
catrices ou non) . C'est une telle condition
qui assure qu 'une évolution par vari ation
peut se déroule r. Comment exprimer cette
condition sur la pui ssance du système
génétique ?
La notion de constructeur est la solution.
On va exiger qu'une large classe de confi-
gurations puissent être produites par la
machinerie de notre configuration autore-
productrice quand on en change le ruban
génétique.
La configuration autoreproductrice de von
Neumann satisfait cette exigence nouvelle.
Quelle que soit la configuration C (prise
dans une large classe de configurations),
il y a un génome G qui, quand on le pré-
sente à la machinerie, produit C. La boucle
de Langton n'a pas cette propriété ; ainsi,
elle est certes plus simple que la configu-
ration de von Neumann, mais ne modélise
pas convenablement l'autoréplication des
êtres vivants évolués.
Signalons aussi qu 'une fa çon d 'obliger les
automates autoreproducteurs à n'être pas
184 j MATHÉMATIQUES ET MYST È R ES
trop simples, ce que von Neum ann ne perd
jamais de vue, es t d'exige r qu 'ils soi ent
capables de mener tout calcul réali sable
par ordinateur. Il ne semble pas que cette
fon ctionnalité doive être prise en compte
systém atiquement quand on cherche à
modéli ser l'autoreproduction des êtres
vivants, pui squ 'on sait bien qu 'il s n'ont pas
cette capac ité de tout calcul er.
Dans le monde réel, tout n 'es t pas généti-
quement productible par n'importe quelle
cellule vi va nte utili sée comme machinerie
de synthèse. Si l'on souhaite construire des
modèles fid èles aux schémas logiques de la
vie, il fa ut donc imposer des conditions de
constru ctibilité larges, mais raiso nnables,
et ne considérer les conditions de calcula-
bilité que comme des options fa cultatives.
En adoptant une telle attitude, il semble
bien que nous soyons arrivés à une notion
satisfai sante, qui re nd compte du vivant et
du type d'auto réplication à l'œ uvre.
Le modèle auquel nous avons abouti de ce
qu 'est un être autoreproducteur du type
des êtres vivants es t pertinent, mais sous
une forme moins mathém atique qu 'on
pouvait l'espérer. Ce défaut résulte de
l'imprécision sur la cl asse des configura-
tions que la machine rie d'un être autore-
producteur doit être capabl e de fabriquer
et de l'imprécision sur le type de com-
plexité que doit posséder le système. Von
Neumann n'a proposé ni l'automate trivial,
ni le Replicator, ni les boucles de Langton,
ca r il voul ait un modèle assez proche du
modèle observé en biologie et qui permet
l'évolution dès qu 'un méca ni sme aléatoire
de modification des génomes est ajouté.
Le fa it qu 'il ait réuss i à élaborer un tel sys-
tème autoreproducteur dans l'univers des
automates cellulaires prouve que, sur un
pl an logique, le type d 'autoreproducti on
observé dans le monde vivant n'est pas
miraculeux. Cette preuve directe que le
modèle génétique de la vie peut s'appu ye r
sur une physique di scrète et relativement
simple est une grande avancée.
Notons que, si les boucles de Langton
ne sont pas des structures autorepro-
du ctri ces du type de celles recherchées
par von Neumann, elles ont cependant
inspiré de nouvelles recherches qui ont
abouti à des simplifications de la machi-
nerie de von Neumann. C'es t le cas des
boucles de Gianluca Tempesti , un peu
plu s compliquées que celles de La ngto n
( 148 cellules contre 86 ), mais qui ont une
capacité de construction assez générale.
D'autres modèles, comme le Evoloop de
Hiroki Saya ma, condui sent à une famill e
de boucles autoreproductri ces de tailles
et de form es va riées, en même temps qu'à
un processus de compétition entre ces
boucles. Dans un univers très simplifié
d'automates cellulaires, on ass iste alors à
des dynamiques resse mblant assez fid èle-
ment da ns leurs principes logiques à celles
qu 'on voit dans le monde vivant et dont il
est ce rtain qu'elles aurai ent enchanté von
Neumann (voir la figure p. 183, en bas).
Galilée et Newton ont mo ntré qu e si les
lois physiques sont comme il s les ont for-
mulées, alors les pl anètes n 'ont pas besoin
que Dieu s'occupe d'elles à chaque instant.
De mê me, von Neuma nn a montré que la
vi e n'a pas besoin d 'un miracle continu
pour fon ctionner et que le type d'auto-
reproduction qu 'elle pratique s'obtie nt
simple me nt en res pecta nt le sché m a gé né-
tique et en autori sant l'évolution . Son tra-
vail met un te rme définitif aux argume nts
de type vi tali ste qui affirmaie nt qu e la vi e
est trop complexe pour être réduite à de
la physique.
L'A UTD R É PLI CATI ON M AÎTRISÉ E ? ~ 185
_ Bibliographie
• Partie A
La cryptographie, science du secret
Chapitre 1 - Persuader de son savoir
sans le transmettre
A. Chi esa, E. Tromer, M. Virza, « Cluster computing
in zero knowledge ». Advances in Cryptology-
EUROCRYPT 2015. Springer Berlin Heidelberg,
37 1-40 3, 2015.
O. Goldreich, Computational Complexity:
A Conceptuel Perspective, Cambridge Univers ity
Press, 2008.
O. Goldreich, « Probabili stic proof systems:
a primer », Foundations and Trends in Theoretical
Computer Science, vol. 3( 1 ), 1-9 1, 2007.
O. Goldreich, Foundations of Cryptography, vol. 1 et
2, Cambridge University Press, 2004.
L. Guillou, « Hi stoire de la carte à puce du point
de vue d 'un cryptologue », Actes du Septième
Colloque sur /'Histoire de /'Informatique et des
Transmissions, 2004 : www.aconit.org/histoire/
colloques/colloque _2004/guillou.pdf
L. Levin, « The tale of one-way fun ction », 2003 :
http ://arxiv.org/abs/cs/0012023
J.-J. Quisquater et L. Guillou, « How to explain zero-
knowledge protocols to your children », Advances
in Cryptology - Crypto'89, Springer-Verlag, 628-
63 1, 1990.
S. Goldwasser, S. Micali et Ch. Rackoff,
« The knowledge complexity of interactive proof
systems», SIAM Journal of Complexity, vol. 18,
186-209, 1989.
Chapitre 2 - Déléguer un calcul
sans divulguer ses données
V Cartier, et al. « Verifiability notions for e-voting
protocols. » Technical Report 2016/ 28 7, Cryptology
ePrint Archive, 2016 :
http://eprint.iacr.org/ 2016/ 28 7.pdf
V Maral, et al. « Homomorphie Encryption for Secure
Data Mining in Cloud. », International Journal of
Engineering Science 45 33, 2016.
X. Yi et al., Homomorphie Encryption and
Applications, Springer, 2014.
186 ,Ji M ATHÉMATIQUE S ET M Y STÈRES
V. Cartier et S. Kremer, « Vote par Internet »,
Interstices, 2013 : https://interstices. info/ jcms/
int _68258/vote-par-internet
M. Van Dijk et al., « Fully homomorphie encrypt ion
over the integers », Advances in cryptolog,
EUROCRYPT 20 10, Springer, 24-43 , 2010.
C. Gentry, « Fully homomorphie encryption using
ideal lattices », Proceedings of the 41 51 ACM
Symposium on Theory of Computing, 169-1 78,
2009.
R. Rivest et al., « On data banks and privacy
homomorphi sms », Foundations of Secure
Computation, Academic Press, pp. 169-180, 1978 .
Chapitre 3 - Bitcoin, la cryptomonnaie
A. Naraya nan, J. Arvind, et al., Bitcoin and
Cryptocurrency Technologies, Princeton University
Press, 2016.
P. Herlin, Apple, Bitcoin, Paypal, Google: la fin des
banques, Eyrolles, 2015.
J. Kroll et al., « The Economies of bitcoin mining,
or bitcoi ns in the presence of adversaries »,
12 1h Workshop on the economics of information
security, 2013 : www.weis2013.econinfosec.org/
papers/ KrollDaveyFelten WEIS2013.pdf
Satoshi Nakamoto, « Bitcoin: A peer-to-peer
electronic cash system », 2009 : http ://bitcoin .org/
bitcoin.pdf
Bitcoin Foundation: https://bitcoinfoundation.org
Chapitre 4 - Les preuves de travail
S. King, « Primecoin: Cryptocurrency with prime
number proof-of-work », 2013:
http ://primecoin.org/static/ primecoin-paper.pdf
Wiki books, « Les fonctions de hachage
cryptographiques» : http ://fr.wikibooks.org/wiki/
Les _fonctions _de_hachage _cryptographiques
A. Back, « Hashcash, a Denial of Service Counter-
Measure », 2002 : ftp://sunsite.i cm.edu.pl/site/
replay.old/ programsfhashcash/has hcash.pdf
C. Dwork et M. Naor, « Pricing via processing or
combatting junk mail» , Advances in Cryptology,
CRYPTO' 92, Lecture Notes in Computer Science,
740, 139-147, 1993.
Chapitre 5 - Les blockchains,
clefs d'un nouveau monde
R. Wattenhofer, The Science of the Blockchain,
Inverted Forest Publishing, 2016.
M. Swan, Blockchain, Blueprint for a new economy,
O'Reilly, 2016.
W. Mougayar, The Business Blockchain, Promise,
Practice, and Applications of the Next Internet
Technology , Wiley, 2016.
A. Back et al., « Enabling blockchain innovations with
pegged sidechains », 2014:
http ://static 1. blockstream.com/ sidechains.pdf
Satoshi Nakamoto, « Bitcoin: A peer-to-peer electronic
cash system », 2009 : http://bitcoin.org/bitcoin.pdf
N. Szabo, « The idea of smart contracts », 1997 :
http ://szabo.best.vwh.net/ idea.html.
J. Haight, « Beyond bitcoin: Why the blockchain is
what really matters », Computerword, nov. 2014:
www.computerworld.com/ art icle/ 2851414/
E. Rosenfield, « Forget currency, bitcointech is the
revolution », CNBC, nov. 2014: www.cnbc.com/
id/ 102178 309 # ).
• Partie B
Mystères et étrangetés des nombres
Chapitre 1 - Les entiers ne naissent pas égaux
N. Gauvrit, J.-P. Delahaye et H. Zenil, « Sloane's Gap:
Do mathematical and social factors explain the
distribution of numbers in the OEIS ? »,
Journal of Humanistic Mathematics, 2013 :
h ttp ://schola rsh ip. claremon t.edu/ cgi/viewcon ten t.
cgi ?article=1048&context=jhm
N. Gauvrit et J.-P. Delahaye, « Pourquoi la loi de
Benford n'est pas mystérieuse », Mathématiques et
Sciences Humaines, 182-2, 7-15, 2008:
h ttp ://msh.revu es.org/ 103 6 3
M. Newman, « Power laws, Pareto distributions and
Zipf's law », Contemporary Physics, 46 , 323-351,
2005.
G. Tenenbaum, Introduction à la th éorie analytique et
probabiliste des nombres, 2° édition, Belin, 2015.
P. Diaconis, Weak and Strong Averages in Probability
and Theory of Numbers, Thèse de l'Université
Harvard, 197 4 : http://www-stat.stanford/
edu/ -cgates/ PERSI/ Persi _PhDdiss.pdf
G. Zipf, Human Behaviour and the Principle of Least
Effort, Addison-Wesley Publishing, 1949.
J.-P. Delahaye, N. Gauvrit, Culturomics : le numérique
et la culture, Odile Jacob, 2013 .
Chapitre 2 - La maîtrise des nombres premiers
J.-P. Delahaye, Merveilleux nombres premiers,
2• édition, Belin, 2013.
G. Tenenbaum et M. Mendès-France, Les nombres
premiers, entre l'ordre et le chaos, Dunod, 2011 .
T. Tao, « Structure and randomness in the prime
numbers », dans D. Schleicher et M. Lackmann
(éds.), An Invitation to Mathematics, Springer-
Verlag, 2011 : http://terrytao.fi1es.wordpress.
com/ 2009/ 09/primes _paper.pdf
C. Mauduit et J. Rivat, « Sur un problème de Gelfond:
la somme des chiffres d'un nombre premier »,
Annals of Mathematics, 171 -3 , 1591 -1646, 2010.
B. Green et T. Tao, « The primes contain arbitrari ly
long arithmetic progressions »,
Annals. of Mathematics. , 167-2, 481 -547, 2008.
R. Crandall et C. Pomerance, Prime Numbers : A
Computational Perspective, Springer-Verlag, 2005.
M. Agrawal et al., « PRIMES is in P »,
Annals. of Mathematics, 160-2, 78 1-793, 2004.
P. Ribenboim, The Little Book of Bigger Primes,
Springer-Verlag, 2004.
M. Dietzfelbinger, Prima/y Testing in Polynomial
Times, Springer, 2004.
Chapitre 3 - Être normal, pas si facile !
Y. Bugeaud, Distribution Modulo One and
Diophantine Approximation, Cambridge University
Press, 2012.
D. Bailey et al. « An Empirical Approach to the
Normality of TI », Experimental Mathematics 21.4,
375-384, 2012.
B. Adamczewski et Y. Bugeaud, « On the complexity of
algebraic numbers. Expansions in integer bases »,
Annals of Mathematics, 165-2, 547-565, 2007.
D. Bailey et al., « On the binary expansion of
algebra ic numbers », Journal de théorie des
nombres de Bordeaux, 16-3, 487-5 18, 2004.
V. Becher et S. Figueira, « An example of a computable
absolutely normal number », Theoretical Computer
Science, 270, 947-958, 2002.
Chapitre 4 - De nouvelles décimales de Pi
B. Gourévitch, « L'univers de TI », 2016 :
http://www.pi3 l 4.net/
BIBLIOGRAPH IE ,,1 187
Richard Brent et Paul Zimmermann, « Modern
Computer Arithmetic », novembre 2009:
htt p://www.loria.fr/ -z immerma/ mca/ pub226.html
F. Bellard, « Pi computation record » :
http ://bellard.org/ p i/pi2 700e9/
J.-P. Delahaye, Le fascinant nombre rr, Belin, 1997.
H. Morin, « Un jeune Français plonge dans les
profondeurs de rr », Le Monde, 27 octobre 1997,
pages I et 25.
Chapitre 5 - Le calculateur amnésique
E. Thomé, S. Burckel, E. Gioan, « Computation
with No Memory, and Rearrangeable Multi cast
Networks », Discrete Mathematics & Theoretical
Comp uter Science 16, 2014.
S. Burckel, E. Gioan et E. Thomé, « Mapping
computation with no Memory », Unconventional
Computation, 8th International Conference
Proceedings, Lecture No tes in Computer Science
n° 57 15, 85-97, Springer, 2009.
S. Burckel et E. Gioan, « ln situ des ign of register
operat ions », Proceedings of ISVLSI 2008, IEEE
Computer Society Annual Symposium on Very-
Large-Scale lntegration, 2008 .
S. Burckel et M. Morillon, « Quadratic sequential
computations», Theory of Compu ting Systems,
37-4, 5 19-525, 2004.
S. Burckel et M. Morillon, « Sequential computation
of linea r boolean mappings », Theoretical
Computer Science, 3 14, 287-292, 2004 .
S. Burckel, « Closed iterative calculus », Theoretical
Computer Science, 158, 37 1-378, 1996.
• Partie C
La logique et ses paradoxes
Chapitre 1 - La logique de la perfection
J. Salerno, New Essays on the Knowability Paradox,
Oxford University Press, 2009.
S. Brams, Superior Beings. If they exist, how would we
know ?, Springer, 2007.
J. Kvanvig, The Knowability Paradox, Oxford
Uni vers ity Press, 2006 .
J. Sobe!, Logic and Theism, Arguments for and against
Beliefs in Cod, Cambridge University Press, 2005.
188 .i M A TH É M AT IQUES ET M Y S T ÈRE S
M. Peterson et R. VanArragon (éd.) , Contemporary
Debates in Philosophy of Religion, Blackwell
Publi shing, 2004.
T. Zamir, « The omn ipotence paradox as a problem of
infinite regress », Sophia, 38-1, 1-14, 19 99.
P. Grim, The lncomplete Universe, MIT Press, 199 1.
E. Wierenga, The Nature of Cod, Cornell University
Press, 1989.
F. Fitch, « A logical analys is of some valu e concepts »,
The Journal of Symbolic Logic, 28 , 135-142, 1963 .
Thomas d'Aquin, Somme théologique, 12 73 :
h ttp ://docteu ra ngelique. fr ee. fr /1 ivres forma twe b/
sommes/OSommecomplete.htm
Chapitre 2 - L'impossible hasard
C. Calude, Information and randomness: an
algorithmic perspective, Springer Science &
Business Media, 20 13.
H. Zenil , Randomness Through Computation :
Some Answers, Mo re Questions, World Scientific
Publi shing, 2011.
B. Hayes,« Excurs ions quas i-aléatoires », Pour la
Science n° 4 10, décembre 2011.
A. Dasgupta, « Mathematical foundation of
randomness », Philosophy of Statistics, North-
Holland, 641 -710, 2011 :
http ://dasgu pab. fac ulty.udmercy.edu/ Dasgu pta-
JSfinal. pdf
R. Downey et D. Hirschfeld, Algorithmic Randomness
and Complexity, Springer-Verl ag, 201 O.
N. Gauvrit, Vous avez dit hasard? Entre
mathématiques et psychologie, Belin, 200 9.
Pour la Science,« Hasard et ince rtitude », numéro
spécial, novem bre 2009.
J. Strzalko et al. , Dynamics of Cambling: Origins of
Randomness in Mechan ical Systems, Springer,
2009.
P. Di aco ni s et al., « Dynamical bias in the coin toss »,
SIAM Rev., 49, 21 1-235, 2007.
J.-P. Delahaye, Information, complexité et hasard,
Hermès, 2e éd ition, 1999.
Chapitre 3 - Équations résolubles ou non?
J. Koenigsmann, « Undecidabi lity in number theory »,
Mode / Theory in Algebra, Analysis and Arithmetic,
Sp ringer Berlin Heidelberg, 159-195, 2014.
E. Reiter, Limits of Computation: An Introduction ta
the Undecidable and the lntractable, CRC Press,
20 13.
M. Suvakov et V. Dmitrasinovic, « Three classes of
Newtonian three-body planar periodic orbits »,
Phys. Rev. Lett., 110, 114301 , 2013.
B. Poonen, « Undecidable problems: A samp ler »,
2012: arXiv:1204.0299
C. Calude et al. , « Computing a glimpse of
randomness », Experimental Mathematics, 11 -3,
361 -3 70, 2002.
M. Henkel, « Sur la solution du problème des trois
corps de Karl Sundman en 1909 », Phi/osophia
Scientiae, 5-2, 161 -184, 2001.
M. Petkovsek et al., A = B, AK Peters, 1996.
Chapitre 4 - L'embarrassant paradoxe de Simpson
H. Norton, G. Divine, « Simpson's paradox ... and how
to avoid it », Significance 12.4: 40-43 , 20 15.
). Pearl, « Simpson's paradox : An anatomy », 2011 :
http://escholarship.org/uc/item/ 3s6 2r0d6
H. Goltz et M. Smith, « Yule-Simpson paradox in
research », Practical Assessment, Research &
Evaluation, 15, 2010:
http://pareonline.net/pdf/vl Sn 15.pdf
). Chuang et al., « Simpson's paradox in a synthetic
microbial system », Science, 323, 272-275, 2009 .
M. Pavlides et M. Perlmen, « How likely is Simpson 's
paradox? », The American Statistician, 2009 :
http ://bit.ly/ l OxToug
Chapitre 5 - Indécidables utiles et inutiles
L. Bienvenu et al. « The axiomatic power of
Kolmogorov complexity », Annals of Pure and
Applied Logic 165.9: 1380-1402, 20 14.
F. Soler-Toscano et al., « Calculating Kolmogorov
complexity from the output of frequency
distributions of small Turing machines », PLoS
ONE, 9-5, e96223 , 2014.
N. Gauvrit, H. Zenil, J.-P. Delahaye, F. Soler-Toscano,
« Algorithmic complexity for short binary strings
applied to psychology: a primer », Behavior
research methods 46.3 : 732-744, 2014.
A. Taveneaux, Puissance logique et calculatoire de
l'aléa algorithmique, Thèse de doctorat, Université
Paris 7, 2013.
S. Yermeeren, Notions and Applications of
Algorithmic Randomness, Thèse de doctorat,
Université de Leeds, 201 3.
Chapitre 6 - Les limites logiques et mathématiques
R. Guy, Unsolved problems in number theory,
Springer, 2013.
Y. Klee, S. Wagon, Old and new unsolved problems
in plane geometry and number theory, Cambridge
University Press, 1991.
• Partie D
Conjectures et spéculations risquées
Chapitre 1 - La conjecture du carré inscrit
B. Matschke, Equivariant topology methods in discrete
geometry, Thèse de l'Universi té de Berlin, 2011.
J. Cottanceau, « La randonnée du carré », Blog Chou
romanesco, Vache qui rit et intégrales curvilignes,
20 11 :
http://eljjdx.canalblog.com/
archives/ 20 11/03/ 20/ 206 71768.html
I. Pak, « Lectures on Discrete and Polyhedral
Geometry », 2010:
http ://www.math.ucla.edu/ -pak/geompol8.pdf
F. Sagols et R. Marin, « Two discrete versions of the
Inscribed Square Con jecture and some related
problems », Theoretical Computer Science, 412,
1301 -13 12, 20 11.
M. Nielsen, « Rhombi inscribed in simple closed
curves », Geometriae Dedicata, 54, 245-254, 1995.
M. Nielsen, « Triangles inscribed in simple closed
curves, » Geometriae Dedicata, 43, 291 -297, 1992.
Y. Klee et S. Wagon, Old and New Unsolved
Problems in Plane Geometry and Number Theory,
Mathematical Association of America, 1991.
W. Stromquist, « Inscribed squares and square-like
quadrilaterals in closed curves », Mathematika, 36,
187- 197, 1989.
R. Fenn, « The table theorem », Bull. London Math.
Soc, 2, 73-76 , 1970.
O. Toeplitz, « Ueber einige Aufgaben der Analysis
situs », Verhandlungen der Schweizerischen
Naturforschenden Gesellschaft in Solothurn, 4, 197,
1911.
Chapitre 2 - Cosmos ; l'art de spéculer
sérieusement
C. Vidal, The Beginning and the End. The Meaning of
Life in a Cosmological Perspective, Springer, 2014.
BIBLIOGRAPHIE ~ 189
R. Carrigan, « IRAS-based whole-sky upper limit on
Dyson spheres », Astrophys. Journal, 698, 2075-
2086 , 2009.
). Barrow et al., Fitness of the Cosmos for Life,
Cambridge University Press, 2008.
L. Krauss et G. Starkman, « Life, the universe, and
nothing: Life and death in an ever-expanding
universe », Astrophys. Journal, 531, 22-20, 2000.
J. Barrow, lmpossibility: The Limits of Science and the
Science of Limits, Random House, 1999.
L. Smolin, The Life of the Cosmos, Oxford University
Press, 1997.
N. S. Kardashev, «Transmission of information by
extraterrestrial civilizations », Soviet Astronomy, 8,
217-221, 1964.
F. Dyson, « Search for artificial stellar sources of
infrared radiation », Science, 131 , 1667-1668,
1960.
Chapitre 3 - La beauté mise en formules
J. McCormack, M. d'Inverno (éds.), Computers and
Creativity, Springer, 2012.
H. Zenil, J.-P. Delahaye et C. Gaucherel, « Image
characterization and classification by physical
complexity », Complexity, 17-3, 26-42, 2012.
J. Rigau, M. Feixas et M. Sbert, « Informational
aesthetics measures », IEEE Computer Graphies
and Applications, 2, 24-34, 2008.
Y. Kreinovich, L. Longpré et M. Koshelev, « Kolmogorov
complexity, statistical regularization of inverse
problems, and Birkhoff's formalization of beauty »,
SPIE's International Symposium on Optical Science,
Engineering, and Instrumentation, International
Society for Optics and Photonics, 1998.
G. Birkhoff, Aesthetic Measure, Harvard University
Press, 1933 .
Chapitre 4 - Le hasard géométrique n'existe pas
N. Gauvrit, Vous avez dit hasard? Entre
mathématiques et psychologie, Belin, 2009.
N. Gauvrit, « Les irrémédiables structures du hasard
humain ». Dans Le hasard : une idée, un concept,
un outil, sous la direction de J.-P. Delahaye,
L'Harmattan, 2005.
N. Gauvrit, J.-P. Delahaye, « Gini 's Generalized Index
and Perceved Scatter », International Meeting of
the Psychometric Society, 2005.
J.-P. Delahaye, Les inattendus mathématiques,
Chapitre 11 : « Notre vision du hasard est bien
hasardeuse », Belin/ Pour la science, 2004.
190 .ji MATHÉMATIQUES ET M Y STÈRES
J.-P. Delahaye, « Les dés pipés du cerveau », Pour la
Science n' 326, décembre 2004.
N. Gauvrit, « Aléas Géométriques », Rapport de
recherche du Laboratoire ETIC, département de
psychologie, Université de Metz, 200 3.
L. Glass,« Looking at Dots », The Math. lntelligencer,
4, 37-43, 2002.
J. Christie, « Exploring the Nonrandomness of
Human Spacial Choice Behaviour: The Cause
of Selection », Defense and Civil lnstitute of
Environmental Medecine Technical Report, 2001.
Chapitre 5 - Une seule intelligence?
M. Hutter, « 50 000 euros prize for compressing
human knowledge », 2016 : http://prize.hutterl.
net/
B. Goertzel, « Artificial general intelligence: concept,
state of the art, and future prospects », Journal of
Artificial General Intelligence 5.1 : 1-48, 2014.
D. Dowe, ). Hernàndez-Orallo, « How universal can
an intelligence test be », Adaptive Behavior, 22-1,
51-69, 2014.
G. Tesauro et al., « Analysis of Watson's strategies
for playing Jeopardy! », Journal of Artificial
Intelligence Research 2013 :
http ://arxiv.org/pdf/ l 402.05 71 .pdf
Chapitre 6 - L'autoréplication maîtrisée ?
A. Trevorrow et T. Rokicki, « Golly », Programme et
configurations permettant d'exécuter les systèmes
autoreproducteurs mentionnés dans le chapitre,
2016:
http://golly.sourceforge.net/
M. Holzer et M. Kutrib, « Cellular automata and the
quest for non trivial artificial self-reproduction »,
Membrane Computing, Lecture Notes in Computer
Science n' 6501, 19-36, Springer, 2011.
R. Freitas et R. Markle, « Kinematic Self-
Reproduction Machines », Landes Bioscience,
2004.
D. Mange et A. Stauffer, « Sur la piste des machines
autoréplicantes », Pour la Science n' 323, 62-68,
sep 2004.
B. McMullin, « John von Neumann and the
evolutionary growth of complexity: looking
backwards, looking forwards », Artificial Life, 6-4,
347-361, 2000.
C. Langton, « Self-reproduction in cellular automata »,
Physica D, 10, 135-144, 1984.
). von Neumann, Theory of Self-Reproducing
Automata, University of Illinois Press, 1966.

Couverture : Francesco de Comité
Partie 1:
p. 6-7, reprise 3h : Francesco de Comité
p. 17, 18 : Lunewind/Shutterstock
p. 19 :John D. & Catherine T. MacArthur Foundation
p. 20 : Stéphane Para/Berry Républicain/PQR/MaxPPP
p. 24 : Tsokur/iStock
p. 25 : Archives Belin
p. 28: Christopher Badzioch/ iStock
p. 37 : Archives Belin
p. 43 : Franc Podgoralek/iStock
Partie 2:
p. 48-49, reprise 3mh : Francesco de Comité
p. 50-51: Serafima82/iStock
p. 58g : ETH-Bibliothek Zürich, Bildarchiv
p. 58mg : Archives Belin
p. 58mm: Russian Academy of Science
p. 58md : Los Alamos National Laboratory
p. 58d : Vuri Matiyasevich, Laboratory of Mathematical
Logic at PDMI , Steklov lnstitute of Mathematics, Saint
Petersburg
p. 59g: John D. & Catherine T. MacArthur Foundation
p. 59mg: University of Calgary
p. 59md: Dany.GOT
p. 59d: Droits Réservés
p. 67 : Archives Belin
p. 69h : National Physical Laboratory, Crown Copyright/
SPL/Cosmos
p. 69b, reprise 123hg: SPL/Cosmos
p. 73g: Droits Réservés
p. 73d: Droits Réservés
p. 75 : Francesco de Comité
p. 77 : APEX News & Pictures
p. 83g: Erich Lessing/Akg-lmages
Partie 3:
p. 88-89, reprise 3mb : Francesco de Comité
p. 91g : Purdue University
p. 91m: Erich Lessing/Akg-lmages
p. 91d : Electa/Leemage
Iconographie : Valérie Del chambre
Crédits photographiques
p. 94 : Allkindza/iStock
p. 98g : Heritage lmages/Leemage
p. 98m : Collection particulière
p. 98d : Volodymyr Horbovyy/iStock
p. 99 : Skodonnell/iStock
p. 102: HKPNC/ iStock
p. 104: 1D Quantique
p. 106 : Archives Belin
p.107: Archives Belin
p. 111 : Vojkan Jaksié, Université McGill, Montréal
p. 116 : EHStock/iStock
p. 120 :Jean-François Colonna (CMAP-Ecole Polytech-
nique), www.lactamme.polytechnique.fr
p. 122hg : MP/Leemage
p. 122hd : Buenos Aires Mathematics Festival
p. 122bg : Archives Belin
p. 122bd : Archives of the lnstitute of Advanced Study,
Princeton
p.123hd: Renate Schmid/MFO
p.123bg : Department of Mathematics, Stanford University
p. 123bd : Droits Réservés
p. 126 : Electa/Leemage
p.128 : A. Riazuelo, IAP/UPMC/CNRS
p. 131 : Akg-lmages
Partie 4 :
p. 136-137, reprise 3b: Francesco de Comité
p. 139 : Jean-François Colonna (CMAP-Ecole Polytech-
nique), www.lactamme.polytechnique.fr
p. 140, 141,142: Francesco de Comité
p. 147: Baimieng/Shutterstock
p. 148: SETI Institute
p. 149 : ESA, Nasa and Felix Mirabel
p. 150 : David D. Aguilar/Harvard-Smithsonian Center for
Astrophysics
p. 152: Gremlin/iStock
p. 155: George Birkhoff, Aesthetic Mesure, Harvard
University Press, 1933
p. 158h : FineArtlmages/Leemage
p. 158b : Erich Lessing/Akg-lmages
p. 173: Srdjan Srdjanov/iStock
p. 175 : Daniel Schweinert/iStock
~ 191