Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Since 1995, one question about high-dimensional geometry has stood between mathematicians and a clean answer about how random walks explore a distribution. The Kannan–Lovász–Simonovits conjecture asks whether, for a broad class of probability distributions, the best flat cut is nearly as effective as the best cut of any shape. Microsoft Research now reports that two researchers, including Xinzhi Zhang of its Machine Learning and Optimization group, have proved it: the gap between the two kinds of cut stays below a fixed bound, whatever the number of dimensions.
Depuis 1995, une question de géométrie en grande dimension se dresse entre les mathématiciens et une réponse claire sur la façon dont les marches aléatoires explorent une distribution. La conjecture de Kannan–Lovász–Simonovits demande si, pour une large classe de distributions de probabilité, la meilleure coupe plane est presque aussi efficace que la meilleure coupe de forme quelconque. Microsoft Research annonce maintenant que deux chercheurs, dont Xinzhi Zhang, de son groupe d'apprentissage automatique et d'optimisation, l'ont démontrée : l'écart entre les deux types de coupe reste inférieur à une borne fixe, quel que soit le nombre de dimensions.
A flat cut is a slice through a shape made with a flat blade, a hyperplane in mathematical terms. For log-concave distributions, a broad family of probability distributions, the conjecture predicts that the best flat cut differs from the best cut of any shape by no more than a universal constant, however many dimensions there are. The geometry of these cuts sets how quickly a random walk can explore the distribution, which is why the problem sits at the centre of high-dimensional sampling, the family of methods that draw random points from complicated distributions.
Une coupe plane est une section d'une forme réalisée avec une lame plane, un hyperplan en termes mathématiques. Pour les distributions log-concaves, une large famille de distributions de probabilité, la conjecture prédit que la meilleure coupe plane ne diffère de la meilleure coupe de forme quelconque que d'une constante universelle, quel que soit le nombre de dimensions. La géométrie de ces coupes détermine la vitesse à laquelle une marche aléatoire peut explorer la distribution, ce qui place le problème au cœur de l'échantillonnage en grande dimension, c'est-à-dire de la famille de méthodes qui tirent des points aléatoires dans des distributions complexes.
The problem was recognised as central long before it fell. The Mathematical Sciences Research Institute called it “a central open problem in high-dimensional convex geometry” in its 2017-18 Annual Report, and the Simons Institute described it as “one of the most important open problems in convex geometry.” The best known result, established in July 2026, let the bound grow slowly as dimensions increased. The authors first sharpened it: in the version posted on October 1, 2026, the dependence on dimension fell to the iterated logarithm, a function that grows very slowly but still grows, so the conjecture was not yet resolved.
Le problème était reconnu comme central bien avant d'être résolu. L'Institut de recherche en sciences mathématiques l'a qualifié de « problème ouvert central de la géométrie convexe en grande dimension » dans son rapport annuel 2017-2018, et l'Institut Simons le décrit comme « l'un des problèmes ouverts les plus importants de la géométrie convexe ». Le meilleur résultat connu, établi en juillet 2026, laissait la borne croître lentement avec le nombre de dimensions. Les auteurs l'ont d'abord affinée : dans la version publiée le 1er octobre 2026, la dépendance vis-à-vis de la dimension tombait au logarithme itéré, une fonction qui croît très lentement mais croît encore, si bien que la conjecture n'était pas encore résolue.
The last steps came from an unusual workflow. Working with AI agents in a structured, human-directed process, the authors explored more than 100 candidate approaches, many involving lengthy calculations with higher-order tensors. One of them produced a new criterion that became the foundation of the proof. The final move was to repeat the whole recursive refinement rather than apply it once, an idea inspired by the authors’ earlier work on fast algorithms for linear programming. They showed that the small errors introduced at each stage shrink fast enough that their total stays bounded by a universal constant, independent of dimension. The version posted on October 4, 2026 completed the proof. The authors say AI tools helped explore, derive and check, while the researchers chose the direction, selected the ideas and verified the argument.
Les dernières étapes sont venues d'un processus inhabituel. En travaillant avec des agents d'IA dans un cadre structuré et dirigé par des humains, les auteurs ont exploré plus de 100 approches candidates, dont beaucoup impliquaient de longs calculs avec des tenseurs d'ordre supérieur. L'une d'elles a produit un nouveau critère devenu le fondement de la preuve. Le dernier pas a consisté à répéter tout le raffinement récursif plutôt que de l'appliquer une seule fois, une idée inspirée de leurs travaux antérieurs sur les algorithmes rapides de programmation linéaire. Ils ont montré que les petites erreurs introduites à chaque étape diminuent assez vite pour que leur total reste borné par une constante universelle, indépendante de la dimension. La version publiée le 4 octobre 2026 a achevé la preuve. Les auteurs affirment que les outils d'IA ont aidé à explorer, à dériver et à vérifier, tandis que les chercheurs ont choisi la direction, sélectionné les idées et vérifié l'argumentation.
The claim has drawn parallel work. On the same day the Microsoft team posted its complete proof, a separate group of leading experts posted a full proof it had developed in parallel, calling the first Microsoft version “the crucial step in the proof.” A third proof, posted that day, relies on a closely related idea. The Microsoft post also reports that several independent researchers validated the work and that a machine-checked formal verification followed. It does not say whether the paper has yet been accepted by a journal.
L'affirmation a suscité des travaux parallèles. Le jour même où l'équipe de Microsoft a publié sa preuve complète, un groupe distinct d'experts de premier plan a publié une preuve complète élaborée en parallèle, qualifiant la première version de Microsoft de « l'étape cruciale de la preuve ». Une troisième preuve, publiée ce jour-là, repose sur une idée très proche. La publication de Microsoft indique aussi que plusieurs chercheurs indépendants ont validé le travail et qu'une vérification formelle assistée par machine a suivi. Elle ne précise pas si l'article a déjà été accepté par une revue.
For researchers who build and analyse sampling and optimisation methods, the change is in the guarantees: a bound that no longer grows with dimension replaces one that grew, however slowly. The post presents this as the removal of a major theoretical obstacle to understanding the efficiency of randomized algorithms used across science and computing. It sets no date for any practical effect, and it does not say whether the result will translate into faster tools.
Pour les chercheurs qui conçoivent et analysent des méthodes d'échantillonnage et d'optimisation, le changement porte sur les garanties : une borne qui ne croît plus avec la dimension remplace une borne qui croissait, même lentement. La publication présente cela comme la levée d'un obstacle théorique majeur pour comprendre l'efficacité des algorithmes randomisés utilisés dans les sciences et l'informatique. Elle ne fixe aucune échéance pour un effet pratique et ne dit pas si le résultat se traduira par des outils plus rapides.