OpenAI a publié 722 manuscrits mathématiques produits par un modèle de frontière interne inédit, plaçant la collection complète dans un référentiel public GitHub sous une licence Apache-2.0. La publication, annoncée dans un article de recherche intitulé « Partager les progrès de l'IA en mathématiques » le 6 octobre 2026, fait partie des plus grandes décharges de résultats mathématiques générés par l'IA à ce jour, et elle est accompagnée de vérifications formelles Lean, de résumés de raisonnement abrégés et de détails inhabituels sur la quantité de calcul consommée par chaque résultat.
Le coup atterrit dans un champ déjà en bordure. Le New York Times a rapporté que cette publication avait encore plus ébranlé une communauté mathématique qui a passé des mois aux prises avec des systèmes d'IA produisant des résultats de recherche sérieux, tandis que Scientific American a décrit OpenAI comme libérant « des centaines de résultats mathématiques supplémentaires dans un domaine déjà sous le choc ». Pour les lecteurs qui suivent les derniers développements de la recherche en IA, ce communiqué est un test sur la manière dont les laboratoires pionniers partagent la science générée par des machines sans déclencher de litiges en matière de crédit.
Ce qu'il y a à l'intérieur du référentiel
La collection se trouve dans le référentiel openai/math sur GitHub. Selon son README, le contenu est constitué de manuscrits mathématiques et d'artefacts de preuve produits par un modèle OpenAI interne, assemblés dans le cadre d'évaluations de développement de modèles sur des problèmes de recherche ouverts. Le catalogue actuel contient 722 manuscrits organisés en 372 familles, où une famille regroupe des articles liés pouvant inclure un résultat principal, des arguments complémentaires, des conséquences ou des preuves alternatives, chacun classé par discipline mathématique.
Un répertoire de prépublications contient des fichiers PDF, des fichiers sources, ainsi que des citations et des instructions de construction par manuscrit. Une bibliothèque Lean catalogue les preuves formelles ainsi que leurs articles associés et configurations de vérification. Tous les manuscrits n'ont pas été formalisés : de nombreux résultats sont accompagnés de formalisations en Lean, le langage de programmation utilisé pour permettre aux ordinateurs de vérifier les épreuves ligne par ligne, mais le README prévient que certains résultats non formalisés pourraient contenir des problèmes. OpenAI affirme qu'il résoudra ces problèmes rapidement et s'engage à préserver l'historique des versions publiques de la collection, en enregistrant les corrections et les révisions en tant que nouvelles versions tout en gardant les versions antérieures accessibles. Chaque répertoire de manuscrits contient également un bloc BibTeX pour la citation.
Comment les résultats ont été produits
La grande majorité des résultats provenaient d’une procédure unique et fixe utilisant un modèle OpenAI interne inédit. Au cours de l'évaluation, le modèle s'est vu poser environ 4 000 problèmes. OpenAI rapporte que le résultat publié moyen a consommé l'équivalent d'environ trois heures de calcul de réflexion ChatGPT Pro, un niveau de transparence encore rare dans l'industrie. La société affirme avoir élargi ces évaluations après avoir saturé les performances de ses références mathématiques existantes, et que certains résultats s'appuient sur des résultats antérieurs produits par ses propres modèles. En exigeant un niveau de signification approprié et en regroupant les résultats bruts en familles et en manuscrits, le catalogue publié a été produit.
Deux exceptions nommées s'écartent de cette procédure : les travaux établissant une région sans zéro pour la fonction zêta de Riemann, avec le texte couvrant la région Re(s) > 11/12 édité par l'homme pour plus de lisibilité, et une preuve de la conjecture de Hodge pour les variétés abéliennes CM. Les deux sont des mathématiques traditionnelles sérieuses, et toutes deux feront désormais l’objet d’un examen minutieux par la communauté.
Dix résumés abrégés du raisonnement du modèle sont également publiés. Ils couvrent des résultats comprenant l'exposant d'irrationalité de pi, les conjectures symétriques et générales de Mahler, l'isomorphisme des facteurs de groupe libres, les limites quasipolynomiales pour les progressions arithmétiques, la conjecture de finitude directe de Kaplansky dans la caractéristique deux, la formule de Mezard-Parisi pour les verres de spin dilués, l'aimantation spontanée dans le ferromagnétique quantique de Heisenberg et le système relativiste tridimensionnel de Vlasov-Maxwell.
Un groupe consultatif a aidé à façonner la version
OpenAI affirme avoir consulté le groupe consultatif indépendant sur les mathématiques et l'intelligence artificielle de l'Institute for Advanced Study tout en développant les meilleures pratiques pour le partage des résultats. Ce groupe a publié ses recommandations de publication responsable le 29 septembre 2026, après avoir reçu plus de 600 réponses de la communauté mathématique. Les recommandations sont directes : « nous n’approuvons pas cette pratique et nous leur demandons d’arrêter de tester des problèmes mathématiques avancés sur des modèles propriétaires ». Le groupe exhorte les laboratoires à déposer les résultats dans des référentiels scientifiques qu'aucun laboratoire d'IA ne contrôle, à attribuer des identifiants citables persistants, à divulguer le nom du modèle, les invites utilisées et les chaînes de raisonnement résumées, et à s'abstenir de traiter la publication des résultats comme des véhicules de marketing.
La sortie d'OpenAI est clairement une tentative de se conformer à ce cadre plutôt que de le défier. Que la communauté l’accepte est une autre question. L'enquête du groupe consultatif portait spécifiquement sur un scénario dans lequel un laboratoire annonce l'existence de nombreux résultats sans fournir de détails, et les recommandations qui en ont ressorti reflètent une profonde inquiétude quant aux annonces dépassant la vérification.
La charge de la vérification est transférée aux mathématiciens
Le défi pratique appartient désormais aux mathématiciens en activité. Les preuves formelles Lean peuvent être vérifiées mécaniquement et leur présence réduit considérablement le risque d’erreur. Mais les manuscrits sans formalisation, que le README lui-même signale comme potentiellement défectueux, nécessitent un examen traditionnel par les pairs, et 722 manuscrits sont bien au-delà de ce que la communauté peut absorber rapidement. Il y a aussi la question de la priorité et du crédit : les mathématiciens qui ont passé des années à côté de ces problèmes voudront savoir exactement ce qui a été demandé au modèle, ce qui lui a été donné et si des résultats humains ont été incorporés. La publication par OpenAI de résumés d'invites et de statistiques de calcul est conçue pour répondre à l'avance à certaines de ces questions.
Le communiqué définit également un modèle que les concurrents peuvent être invités à suivre. Anthropic, Google DeepMind et d'autres laboratoires dotés de modèles pionniers capables d'effectuer des mathématiques de niveau recherche sont désormais confrontés à une norme de facto, formulée par le groupe consultatif, selon laquelle les résultats cachés sur des modèles propriétaires doivent soit être publiés avec leur provenance complète, soit ne pas être dévoilés du tout.
Pour l'instant, le référentiel est en ligne, l'effort de formalisation est en cours et les corrections sont versionnées publiquement. Que cela devienne le manuel standard pour les mathématiques générées par l’IA, ou un autre point chaud dans un conflit grandissant entre les laboratoires et les communautés de recherche sur lesquelles ils s’appuient, dépendra de la manière dont se dérouleront les prochaines semaines d’examen.
Gardez une longueur d'avance sur la courbe de l'IA
La science générée par l’IA passe du communiqué de presse à l’examen par les pairs. Suivez les dernières nouvelles sur l'IA sur aibuzzwire.news pour une couverture de chaque publication majeure de recherche, lancement de modèle et changement de politique.
Lire plus d'actualités sur l'IA →
