Jin est chercheur postdoctoral et résident en neurochirurgie à l’hôpital de l’Union médicale de Pékin (Peking Union Medical College Hospital). Il n’a aucune formation avancée en mathématiques : sa licence est en géologie, et il possède un doctorat en médecine . Il a découvert le problème en s’autoformant aux mathématiques nécessaires à ses recherches sur les ultrasons transcrâniens, où les normes d’opérateurs et les domaines numériques apparaissent naturellement .

Le problème qu’il a résolu est la conjecture de Crouzeix, proposée par le mathématicien français Michel Crouzeix en 2004. La conjecture énonce que pour toute matrice complexe carrée A et tout polynôme p, la norme d’opérateur ||p(A)|| est au plus le double de la valeur maximale de |p| sur le domaine numérique W(A) . La constante optimale de 2 était ouverte depuis 22 ans ; des bornes antérieures n’avaient atteint qu’environ 2,414 .

Comment Jin Shanmu a paramétré la session autonome

L’approche de Jin n’a pas été une simple requête ChatGPT. Il a conçu un système de raisonnement autonome, s’inspirant du succès précédent d’OpenAI sur la conjecture du Double Recouvrement de Cycles (Cycle Double Cover) . Sa stratégie d’invite (prompt) comprenait quatre instructions clés :

1. Environnement « air‑gapé » : le modèle devait fonctionner dans un environnement physiquement déconnecté (air‑gap) pour forcer un raisonnement purement original, l’empêchant de s’appuyer sur des solutions ou preuves existantes .
2. Exploration parallèle multi‑agents : il a lancé plusieurs instances d’agents pour explorer différentes voies de solution en parallèle, empêchant le système de converger prématurément vers une seule approche erronée .
3. Audit contradictoire : il a appliqué un audit contradictoire aux stratégies candidates — l’IA devait critiquer son propre raisonnement et tester ses preuves contre des contre‑exemples .
4. Pas d’arrêt précoce : il a ordonné au modèle de ne pas s’arrêter avant d’avoir obtenu une preuve complète .

Après avoir lancé la session, Jin a laissé le système travailler. « Il a verrouillé le modèle hors ligne, l’a démarré, et est parti. Seize heures plus tard, il avait la preuve », selon des rapports . Pendant ces 16 heures, GPT‑5.6‑Sol a exécuté des milliers de cycles de génération d’hypothèses, de tests et de raffinement .

La preuve et sa vérification

Le résultat a été une preuve que la conjecture de Crouzeix est vraie : la constante 2 est correcte. La preuve a été publiée en prépublication le 27 juillet 2026, sous le titre The Numerical Range Is a 2‑Spectral Set .

Le processus de vérification a été rigoureux. Michel Crouzeix lui‑même — le mathématicien qui a posé la conjecture en 2004 — a examiné l’argument et l’a confirmé correct . Des analystes numériques ont également examiné la preuve . Jin a en outre publié l’intégralité des matériaux de recherche sur GitHub, y compris le document final, les invites, les brouillons d’itération, le code de preuve formelle en Lean 4 et les rapports d’audit .

Ce que cela signifie pour la recherche assistée par IA

L’exploit de Jin est remarquable non seulement par la difficulté du problème, mais aussi par son parcours et sa méthodologie. Un résident en neurochirurgie sans diplôme avancé en mathématiques, utilisant un modèle d’IA de manière autonome pendant 16 heures, a résolu un problème qui avait frustré les mathématiciens pendant deux décennies.

Cette histoire met en lumière un nouveau mode de recherche : les humains conçoivent les conditions expérimentales et le cadre de raisonnement, tandis que les modèles d’IA exécutent une exploration autonome à grande échelle de l’espace mathématique. C’est une démonstration concrète que l’IA peut servir de véritable partenaire de recherche en mathématiques — pas seulement un outil de calcul ou de recherche, mais un système capable de générer des preuves originales.

Il reste à voir si cette approche deviendra une méthode standard en recherche mathématique. Mais pour l’instant, le résultat de Jin Shanmu se présente comme l’un des exemples les plus frappants de découverte assistée par IA en 2026.

Jin est chercheur postdoctoral et résident en neurochirurgie à l’hôpital de l’Union médicale de Pékin (Peking Union Medical College Hospital). Il n’a aucune formation avancée en mathématiques : sa licence est en géologie, et il possède un doctorat en médecine . Il a découvert le problème en s’autoformant aux mathématiques nécessaires à ses recherches sur les ultrasons transcrâniens, où les normes d’opérateurs et les domaines numériques apparaissent naturellement .

Le problème qu’il a résolu est la conjecture de Crouzeix, proposée par le mathématicien français Michel Crouzeix en 2004. La conjecture énonce que pour toute matrice complexe carrée A et tout polynôme p, la norme d’opérateur ||p(A)|| est au plus le double de la valeur maximale de |p| sur le domaine numérique W(A) . La constante optimale de 2 était ouverte depuis 22 ans ; des bornes antérieures n’avaient atteint qu’environ 2,414 .

Comment Jin Shanmu a paramétré la session autonome

L’approche de Jin n’a pas été une simple requête ChatGPT. Il a conçu un système de raisonnement autonome, s’inspirant du succès précédent d’OpenAI sur la conjecture du Double Recouvrement de Cycles (Cycle Double Cover) . Sa stratégie d’invite (prompt) comprenait quatre instructions clés :

1. Environnement « air‑gapé » : le modèle devait fonctionner dans un environnement physiquement déconnecté (air‑gap) pour forcer un raisonnement purement original, l’empêchant de s’appuyer sur des solutions ou preuves existantes .
2. Exploration parallèle multi‑agents : il a lancé plusieurs instances d’agents pour explorer différentes voies de solution en parallèle, empêchant le système de converger prématurément vers une seule approche erronée .
3. Audit contradictoire : il a appliqué un audit contradictoire aux stratégies candidates — l’IA devait critiquer son propre raisonnement et tester ses preuves contre des contre‑exemples .
4. Pas d’arrêt précoce : il a ordonné au modèle de ne pas s’arrêter avant d’avoir obtenu une preuve complète .

Après avoir lancé la session, Jin a laissé le système travailler. « Il a verrouillé le modèle hors ligne, l’a démarré, et est parti. Seize heures plus tard, il avait la preuve », selon des rapports . Pendant ces 16 heures, GPT‑5.6‑Sol a exécuté des milliers de cycles de génération d’hypothèses, de tests et de raffinement .

La preuve et sa vérification

Le résultat a été une preuve que la conjecture de Crouzeix est vraie : la constante 2 est correcte. La preuve a été publiée en prépublication le 27 juillet 2026, sous le titre The Numerical Range Is a 2‑Spectral Set .

Le processus de vérification a été rigoureux. Michel Crouzeix lui‑même — le mathématicien qui a posé la conjecture en 2004 — a examiné l’argument et l’a confirmé correct . Des analystes numériques ont également examiné la preuve . Jin a en outre publié l’intégralité des matériaux de recherche sur GitHub, y compris le document final, les invites, les brouillons d’itération, le code de preuve formelle en Lean 4 et les rapports d’audit .

Ce que cela signifie pour la recherche assistée par IA

L’exploit de Jin est remarquable non seulement par la difficulté du problème, mais aussi par son parcours et sa méthodologie. Un résident en neurochirurgie sans diplôme avancé en mathématiques, utilisant un modèle d’IA de manière autonome pendant 16 heures, a résolu un problème qui avait frustré les mathématiciens pendant deux décennies.

Cette histoire met en lumière un nouveau mode de recherche : les humains conçoivent les conditions expérimentales et le cadre de raisonnement, tandis que les modèles d’IA exécutent une exploration autonome à grande échelle de l’espace mathématique. C’est une démonstration concrète que l’IA peut servir de véritable partenaire de recherche en mathématiques — pas seulement un outil de calcul ou de recherche, mais un système capable de générer des preuves originales.

Il reste à voir si cette approche deviendra une méthode standard en recherche mathématique. Mais pour l’instant, le résultat de Jin Shanmu se présente comme l’un des exemples les plus frappants de découverte assistée par IA en 2026.