OpenAI et les mathématiques : une avancée qui bouscule la recherche scientifique

Des centaines de manuscrits mathématiques produits par une intelligence artificielle, des résultats encore en cours d’examen et une communauté scientifique confrontée à un changement de rythme : la publication d’OpenAI soulève une question majeure. Comment transformer des démonstrations générées par une machine en connaissances réellement comprises par les humains ?

Dans sa vidéo « Personne ne réalise ce qu’OpenAI vient de créer », Grand Angle Nova s’interroge sur les conséquences de ces progrès pour la recherche et, plus largement, pour notre conception de l’intelligence.

Le sujet mérite qu’on s’y attarde. Mais pour mesurer la portée de l’annonce, il faut distinguer trois étapes : produire un résultat, vérifier sa validité et comprendre ce qu’il apporte.

Des centaines de manuscrits à examiner

Le 6 octobre 2026, OpenAI a publié une collection de travaux mathématiques générés par un modèle interne. Le dépôt GitHub consulté pour cet article indique 719 manuscrits répartis en 372 familles de résultats, alors que la vidéo reprend le nombre initial de 722.

Une famille peut regrouper un résultat principal, des arguments complémentaires, des conséquences ou plusieurs démonstrations. Il ne faut donc pas assimiler chaque manuscrit à un problème indépendant définitivement résolu.

OpenAI précise également que les travaux se trouvent à différents stades de vérification. Certains résultats dépourvus de formalisation pourraient contenir des erreurs. openai/math · GitHub

Ce que signifient les « trois heures de réflexion »

Un autre chiffre retient l’attention : chaque résultat aurait mobilisé, en moyenne, une quantité de calcul équivalente à environ 3 heures de réflexion de ChatGPT Pro.

Il s’agit de l’estimation communiquée par OpenAI, et non d’une garantie qu’un utilisateur peut obtenir les mêmes résultats avec son abonnement. L’entreprise indique que les travaux proviennent d’un modèle interne qu’elle cherche encore à rendre accessible de manière responsable.

Le contexte compte aussi : environ 4 000 problèmes ont été soumis au modèle pendant l’évaluation. La collection publiée résulte ensuite d’une sélection et d’un regroupement des productions. Les réussites doivent donc être considérées dans cet ensemble, plutôt que comme la preuve d’une capacité à résoudre n’importe quelle question.

Lean : vérifier une preuve ne signifie pas tout comprendre

OpenAI accompagne une partie de ses travaux de preuves formalisées dans Lean, un langage et un assistant permettant de vérifier des raisonnements mathématiques par ordinateur. Le dépôt annonce qu’environ 42 % des résultats principaux sont formalisés. Cela ne signifie pas que toute la collection bénéficie du même niveau de validation.

Une autre difficulté demeure : une démonstration peut être vérifiable sans être facilement compréhensible ou réutilisable par les chercheurs.

Le groupe consultatif AGMAI, consacré aux mathématiques et à l’intelligence artificielle, insiste précisément sur cet enjeu. Pour lui, les laboratoires qui produisent des résultats doivent aussi contribuer aux efforts nécessaires pour que la communauté puisse les comprendre, les expliquer et les intégrer à ses recherches.

Pourquoi certains mathématiciens s’inquiètent

L’arrivée massive de ces travaux provoque davantage qu’un débat technique. Elle touche à la manière dont les chercheurs choisissent leurs sujets, construisent leur carrière et partagent leurs idées.

Dans un entretien rapporté par Le Monde, le médaillé Fields Hugo Duminil-Copin exprime notamment ses inquiétudes pour son domaine de recherche et pour les jeunes mathématiciens. Son témoignage illustre le choc que peut provoquer une production automatisée arrivant soudainement sur des questions travaillées depuis longtemps. lemonde.fr

Les critiques concernent aussi l’accès aux outils. AGMAI avertit que des modèles puissants réservés à quelques entreprises pourraient créer une recherche à plusieurs vitesses. Le groupe demande un accès plus équitable et déconseille de transformer les annonces mathématiques en opérations promotionnelles.

Des moyens pour accompagner la transition

Le 15 octobre, la Fondation Simons a annoncé une initiative réunissant 15 millions de dollars de financement et de ressources, avec Anthropic et OpenAI.

Le programme doit notamment soutenir des ateliers, l’examen de résultats obtenus avec l’IA et l’apprentissage de nouveaux outils. La fondation administrera les financements, avec l’objectif de laisser la communauté scientifique orienter ces travaux.

Cette réponse montre l’ampleur du travail qui suit une annonce : publier des démonstrations ne suffit pas à les rendre immédiatement utiles.

Quel rôle pour les chercheurs ?

L’annonce d’OpenAI ne permet pas de conclure que les mathématiciens deviennent inutiles. Elle oblige plutôt à réfléchir à la répartition du travail entre la production de preuves, leur examen, leur explication et le choix des prochaines questions.

L’IA pourrait accélérer certaines découvertes. Pour que cette accélération enrichisse durablement la science, il faudra aussi préserver les conditions qui permettent de discuter les résultats et de transmettre leur compréhension.

La question soulevée par la vidéo reste donc ouverte : si les machines produisent des résultats plus vite que nous pouvons les assimiler, comment organiser la recherche pour que le savoir reste réellement partagé ?