Contexte et objectifs d’OpenAI
Au cours de la semaine du 8 octobre 2026, OpenAI a publié plus de sept cents manuscrits contenant des solutions prétendues à des problèmes mathématiques parmi les plus difficiles. Cette initiative s’inscrit dans la volonté affichée du laboratoire de « frontier » de démontrer la capacité de ses modèles propriétaires à résoudre des questions ouvertes, tout en s’appuyant sur le groupe consultatif AGMAI (Advisory Group on Mathematics and Artificial Intelligence), composé de neuf chercheurs de renommée mondiale. Le groupe a publié en septembre des lignes directrices visant à encadrer la publication de telles preuves, notamment l’obligation de garantir la compréhension humaine des résultats.
Conformité aux recommandations de l’AGMAI
Les chiffres fournis par OpenAI montrent un écart notable avec les exigences de l’AGMAI. Sur les 719 manuscrits diffusés, seulement dix incluent la chaîne de raisonnement (« chain of thought ») du modèle, soit moins de 1,5 % du total. De plus, 42 % des preuves n’ont pas été formalisées dans un langage de preuve assisté par ordinateur, ce qui contrevient à la recommandation de rendre chaque résultat vérifiable par un système tel que Lean. Enfin, aucune métadonnée machine‑readable n’a été fournie pour relier les explications en langage naturel aux artefacts formels, alors que le groupe les réclame explicitement.
Discrépances techniques observées
Un article récent de chercheurs de l’Université de Cambridge et du King’s College de Londres a mis en évidence au moins deux divergences entre la description en langage naturel et le code Lean généré par le modèle d’OpenAI pour un problème dérivé des équations de Navier‑Stokes. Ces écarts, bien que ne remettant pas en cause la validité mathématique de chaque solution, illustrent le risque de « mistranslation » lorsqu’un modèle traduit automatiquement son raisonnement en code vérifiable. Le manque de validation humaine rend ces traductions potentiellement non fiables, d’autant plus que le processus d’auto‑formalisation n’est pas soumis à la même rigueur de relecture que les preuves traditionnelles.
Implications pour la recherche mathématique
Les mathématiciens soulignent que la publication d’une preuve sans compréhension humaine empêche la communauté d’évaluer, d’étendre ou d’appliquer le résultat. Terence Tao, qui a critiqué OpenAI sur les réseaux sociaux, rappelle que les chercheurs humains assument la responsabilité de leurs découvertes en les présentant lors de conférences et en publiant des articles détaillés. L’AGMAI propose même de financer des mathématiciens afin d’assurer que les solutions générées par IA soient intégrées de façon significative dans le corpus scientifique. En l’état, la stratégie d’OpenAI apparaît comme une démonstration technologique plutôt qu’une contribution validée à la mathématique pure.
