Main écrivant des formules mathématiques à la craie sur un tableau noir

IA et mathématiques : OpenAI publie 719 manuscrits de recherche, entre avancée et controverse

ParFANNY NIFOU

Le 6 octobre 2026, OpenAI a mis en ligne plusieurs centaines de manuscrits mathématiques produits par un modèle interne qui n’est pas commercialisé. La publication, d’une ampleur inédite, enthousiasme une partie des mathématiciens et en inquiète d’autres. Le lendemain, l’entreprise retirait déjà trois textes erronés : une bonne occasion de rappeler pourquoi la vérification reste au cœur de tout usage sérieux de l’IA.

Ce qu’OpenAI a publié

Les textes sont rassemblés dans un dépôt GitHub public, sous licence libre Apache-2.0. Selon OpenAI, le catalogue compte aujourd’hui 719 manuscrits répartis en 372 « familles » de résultats (un résultat principal, ses variantes et ses conséquences), classés par discipline. La presse a d’abord parlé de 722 manuscrits : trois ont depuis été retirés.

L’entreprise explique qu’elle évalue ses modèles sur des problèmes de recherche ouverts depuis que ses tests mathématiques habituels sont devenus trop faciles pour eux. Environ 4 000 problèmes ont été soumis au modèle ; chaque résultat retenu a demandé en moyenne trois heures de calcul. Ces chiffres sont ceux annoncés par OpenAI.

Point important : tous les résultats ne sont pas au même stade de vérification. Environ 42 % des résultats principaux (300 sur 719) sont accompagnés d’une preuve formalisée en Lean, un logiciel qui vérifie mécaniquement chaque étape d’un raisonnement. Pour les autres, OpenAI écrit elle-même que certains résultats non formalisés « pourraient comporter des problèmes ».

Des erreurs repérées en moins de 24 heures

Dès le 7 octobre, l’historique du dépôt annonçait le retrait de trois manuscrits : une erreur de signe invalidait un argument central d’un article sur des variétés abéliennes, et deux autres textes qui s’appuyaient dessus, dont un portant sur la conjecture de Hodge. Quatorze autres manuscrits ont été corrigés (preuves réparées, énoncés précisés, hypothèses clarifiées).

Les versions retirées restent consultables avec une note expliquant l’erreur : une transparence qu’il faut saluer, mais qui montre aussi qu’un volume aussi important de résultats ne peut pas être validé aussi vite qu’il est produit.

Une communauté mathématique divisée

Selon Fortune, la publication divise le milieu. Daniel Litt, professeur à l’université de Toronto, y voit une bonne nouvelle pour sa discipline : plusieurs résultats touchent des questions sur lesquelles il travaille. Il s’inquiète toutefois qu’une impression d’IA ayant « résolu les maths » détourne les financements de la recherche ou décourage les jeunes mathématiciens.

À l’inverse, un collectif baptisé Association for Human Mathematics a publié une lettre ouverte appelant les mathématiciens à cesser de collaborer avec OpenAI : pour ses auteurs, publier autant de résultats d’un coup relève davantage de la démonstration de force que du travail scientifique. Fortune rappelle aussi que, quelques semaines plus tôt, OpenAI avait revendiqué une solution aux équations de Navier-Stokes, l’un des sept problèmes du millénaire, et affirme cette fois avoir progressé sur trois autres de ces problèmes sans les avoir résolus. Ces annonces restent à confirmer par la communauté.

Pourquoi les laboratoires d’IA misent sur les mathématiques

Les mathématiques offrent un terrain d’essai idéal : une preuve est juste ou fausse, et des outils comme Lean permettent de le vérifier automatiquement. Les chercheurs en IA estiment aussi que ces problèmes entraînent des compétences utiles ailleurs, comme le raisonnement logique ou la persévérance face à une difficulté. Fortune note cependant que cette même persévérance peut poser des questions de sécurité lorsque des agents d’IA cherchent à atteindre un objectif par tous les moyens.

Ce que ça change pour vous

  • Les capacités de raisonnement progressent vite : analyser un contrat, un cahier des charges ou un tableau de chiffres complexe devient une tâche où l’IA apporte une aide réelle.
  • La vérification reste indispensable : même un modèle de pointe produit des erreurs, repérées ici en moins d’une journée par des experts. Dans une entreprise, l’équivalent de Lean, ce sont les relectures, les tests et les contrôles croisés.
  • Distinguer annoncé et démontré : face à une promesse d’outil d’IA, demandez comment les résultats sont contrôlés. C’est le principe que nous appliquons dans nos missions d’assistance à maîtrise d’ouvrage assistée par l’IA.

Le regard éthique

Qui est l’auteur d’un théorème découvert par une machine ? Comment créditer les mathématiciens dont les travaux ont nourri le modèle ? Et quel coût énergétique pour des milliers d’heures de calcul ? La publication d’OpenAI pose ces questions sans y répondre. Elle rappelle surtout qu’une avancée scientifique se mesure à sa vérification par les pairs, pas au nombre de résultats annoncés.

Se former à l’IA

Pour utiliser l’IA de façon fiable dans votre activité (rédaction, analyse de documents, vérification des réponses), découvrez nos formations en informatique et en intelligence artificielle. Et pour suivre l’actualité, retrouvez notre veille IA de la semaine 41.

Sources

Article préparé avec l’aide d’une intelligence artificielle, vérifié et validé par l’équipe webinfo108.

Publications similaires