{"id":662043,"date":"2026-11-13T10:51:24","date_gmt":"2026-11-13T09:51:24","guid":{"rendered":"https:\/\/aivancity.ai\/blog\/?p=662043"},"modified":"2026-11-13T10:51:26","modified_gmt":"2026-11-13T09:51:26","slug":"719-manuscrits-ia-openai-recherche-mathematique","status":"publish","type":"post","link":"https:\/\/aivancity.ai\/blog\/719-manuscrits-ia-openai-recherche-mathematique\/","title":{"rendered":"719 manuscrits g\u00e9n\u00e9r\u00e9s par IA : ce que l\u2019exp\u00e9rience d\u2019OpenAI change pour la recherche"},"content":{"rendered":"\n
\n

\n OpenAI a rendu public un\n corpus de 719 manuscrits math\u00e9matiques<\/strong>,\n regroup\u00e9s en 372 familles de r\u00e9sultats<\/strong>\n et produits en grande partie par un\n mod\u00e8le interne non diffus\u00e9<\/strong>.\n L\u2019ampleur de la publication d\u00e9passe la\n d\u00e9monstration ponctuelle<\/strong>,\n mais elle ne suffit pas \u00e0 \u00e9tablir que chaque texte constitue\n une d\u00e9couverte nouvelle, correcte et assimil\u00e9e par la communaut\u00e9<\/strong>.\n L\u2019enjeu central devient donc\n la capacit\u00e9 de la recherche \u00e0 v\u00e9rifier,\n comprendre, attribuer et r\u00e9utiliser une production scientifique\n g\u00e9n\u00e9r\u00e9e \u00e0 une vitesse in\u00e9dite.<\/strong>\n <\/p>\n<\/div>\n\n\n\n

\n\n
\n 01\n <\/div>\n\n

\nCe qui vient de se passer\n <\/h2>\n\n<\/div>\n\n\n\n

Le 6 octobre 2026, OpenAI a publi\u00e9 sur GitHub une collection de travaux portant sur des probl\u00e8mes ouverts en math\u00e9matiques et en informatique th\u00e9orique. Le d\u00e9p\u00f4t comptait initialement 722 manuscrits. Trois textes ont ensuite \u00e9t\u00e9 retir\u00e9s apr\u00e8s la d\u00e9couverte d\u2019une erreur de signe, ce qui porte le catalogue public \u00e0 719 manuscrits, organis\u00e9s en 372 familles de r\u00e9sultats [1]<\/a>[2]<\/a>.<\/p>\n\n\n\n

Une famille peut r\u00e9unir un r\u00e9sultat principal, des arguments compl\u00e9mentaires, des cons\u00e9quences ou des preuves alternatives. Le volume des manuscrits ne correspond donc ni \u00e0 719 probl\u00e8mes ind\u00e9pendants, ni \u00e0 372 th\u00e9or\u00e8mes d\u00e9finitivement reconnus. OpenAI indique que son mod\u00e8le a \u00e9t\u00e9 confront\u00e9 \u00e0 environ 4 000 probl\u00e8mes et que la majorit\u00e9 des r\u00e9sultats a \u00e9t\u00e9 obtenue avec une proc\u00e9dure commune. Le syst\u00e8me reste interne et son nom n\u2019a pas \u00e9t\u00e9 communiqu\u00e9 [2]<\/a>.<\/p>\n\n\n\n

La publication a provoqu\u00e9 des r\u00e9actions contrast\u00e9es. Certains math\u00e9maticiens estiment que plusieurs r\u00e9sultats pourraient \u00eatre importants. D\u2019autres insistent sur l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des textes, les difficult\u00e9s de lecture et la charge consid\u00e9rable impos\u00e9e \u00e0 la communaut\u00e9 pour les examiner. Le d\u00e9bat ne porte donc pas seulement sur les capacit\u00e9s du mod\u00e8le, mais aussi sur la mani\u00e8re de publier une production scientifique dont le volume d\u00e9passe les m\u00e9canismes habituels d\u2019\u00e9valuation [4]<\/a>[5]<\/a>.<\/p>\n\n\n\n

\n\n
\n 02\n <\/div>\n\n

\nCe qui est r\u00e9ellement nouveau\n <\/h2>\n\n<\/div>\n\n\n\n

Les syst\u00e8mes d\u2019IA r\u00e9solvent depuis plusieurs ann\u00e9es des exercices math\u00e9matiques, assistent la d\u00e9monstration formelle et explorent des conjectures. La nouveaut\u00e9 r\u00e9side ici dans la combinaison de quatre \u00e9l\u00e9ments : des probl\u00e8mes situ\u00e9s \u00e0 la fronti\u00e8re de la recherche, une production \u00e0 grande \u00e9chelle, une diversit\u00e9 disciplinaire importante et la publication simultan\u00e9e de centaines de manuscrits.<\/p>\n\n\n\n

Le changement est aussi organisationnel. Une \u00e9quipe humaine produit normalement un article, le soumet, r\u00e9pond aux objections et en pr\u00e9sente les id\u00e9es lors de s\u00e9minaires. Ici, le flux est invers\u00e9 : la machine g\u00e9n\u00e8re d\u2019abord un vaste corpus, puis les chercheurs doivent le trier, le v\u00e9rifier et le replacer dans la litt\u00e9rature. La raret\u00e9 ne se situe plus seulement dans la production d\u2019une preuve possible, mais dans l\u2019attention experte n\u00e9cessaire pour d\u00e9terminer ce qu\u2019elle vaut.<\/p>\n\n\n\n

Cette diff\u00e9rence interdit cependant de confondre vitesse de g\u00e9n\u00e9ration et rythme de d\u00e9couverte. Un manuscrit peut \u00eatre logiquement correct sans \u00eatre nouveau. Il peut am\u00e9liorer une borne sans transformer le domaine, employer une id\u00e9e d\u00e9j\u00e0 connue sans attribution suffisante, ou formuler un th\u00e9or\u00e8me dont l\u2019int\u00e9r\u00eat reste incertain. La valeur scientifique repose donc sur plusieurs contr\u00f4les distincts.<\/p>\n\n\n\n

\n\n
\n 03\n <\/div>\n\n

\nComment une preuve g\u00e9n\u00e9r\u00e9e par IA est-elle \u00e9valu\u00e9e ?\n <\/h2>\n\n<\/div>\n\n\n\n

Le mod\u00e8le re\u00e7oit un probl\u00e8me, construit une strat\u00e9gie et produit un texte math\u00e9matique. OpenAI indique qu\u2019un r\u00e9sultat a mobilis\u00e9 en moyenne l\u2019\u00e9quivalent d\u2019environ trois heures de raisonnement dans ChatGPT Pro. Ce chiffre d\u00e9crit une d\u00e9pense de calcul annonc\u00e9e par l\u2019entreprise, pas le temps total n\u00e9cessaire pour s\u00e9lectionner les probl\u00e8mes, pr\u00e9parer les manuscrits, v\u00e9rifier les d\u00e9pendances ou corriger les textes [1]<\/a>[2]<\/a>.<\/p>\n\n\n\n

Une partie des r\u00e9sultats est accompagn\u00e9e d\u2019une formalisation dans Lean. Cet assistant de preuve transforme les \u00e9nonc\u00e9s et les \u00e9tapes logiques en objets contr\u00f4l\u00e9s par un noyau informatique. Une formalisation correctement ex\u00e9cut\u00e9e fournit une assurance forte sur la coh\u00e9rence de la d\u00e9monstration par rapport \u00e0 l\u2019\u00e9nonc\u00e9 encod\u00e9. Elle ne prouve toutefois ni que l\u2019\u00e9nonc\u00e9 formalise exactement la revendication du manuscrit, ni que le r\u00e9sultat est nouveau, important ou correctement attribu\u00e9.<\/p>\n\n\n\n

Le d\u00e9p\u00f4t indique qu\u2019environ 42 % des r\u00e9sultats principaux disposent actuellement d\u2019une formalisation. Les autres doivent \u00eatre lus et contr\u00f4l\u00e9s selon les m\u00e9thodes ordinaires, parfois dans des sp\u00e9cialit\u00e9s tr\u00e8s \u00e9troites. OpenAI pr\u00e9cise elle-m\u00eame que les r\u00e9sultats se trouvent \u00e0 diff\u00e9rents stades de v\u00e9rification et que certains travaux non formalis\u00e9s peuvent contenir des probl\u00e8mes [2]<\/a>.<\/p>\n\n\n\n

\n\n
\n 04\n <\/div>\n\n

\nPourquoi cette publication change le travail de recherche\n <\/h2>\n\n<\/div>\n\n\n\n

Si une IA peut produire rapidement des pistes sur des centaines de probl\u00e8mes, le m\u00e9tier de math\u00e9maticien ne dispara\u00eet pas, mais une partie de son organisation \u00e9volue. La s\u00e9lection des questions, la v\u00e9rification, l\u2019explication, la comparaison avec les travaux ant\u00e9rieurs et la construction d\u2019une intuition transmissible deviennent encore plus importantes. Une preuve que personne ne comprend difficilement peut \u00eatre enseign\u00e9e, g\u00e9n\u00e9ralis\u00e9e ou appliqu\u00e9e.<\/p>\n\n\n\n

La publication pose \u00e9galement un probl\u00e8me de capacit\u00e9. Les sp\u00e9cialistes capables d\u2019\u00e9valuer un r\u00e9sultat donn\u00e9 sont peu nombreux, tandis qu\u2019un mod\u00e8le peut multiplier les manuscrits. Le risque est la cr\u00e9ation d\u2019une dette de validation : une accumulation de r\u00e9sultats plausibles dont la correction, la nouveaut\u00e9 et la port\u00e9e restent ind\u00e9termin\u00e9es. Cette dette peut ralentir la recherche autant qu\u2019elle l\u2019acc\u00e9l\u00e8re si les chercheurs doivent consacrer une part croissante de leur temps au tri.<\/p>\n\n\n\n

Les jeunes chercheurs sont particuli\u00e8rement concern\u00e9s. Une th\u00e8se ou un financement peut reposer sur un programme \u00e9labor\u00e9 pendant plusieurs ann\u00e9es. Une publication massive peut modifier brutalement ce programme sans fournir imm\u00e9diatement un cadre clair pour attribuer le m\u00e9rite, reconna\u00eetre le travail de v\u00e9rification ou financer l\u2019assimilation des r\u00e9sultats. L\u2019enjeu rel\u00e8ve donc autant de la politique scientifique que de la performance technique [4]<\/a>[5]<\/a>.<\/p>\n\n\n\n