L'IA d'OpenAI résout 10 problèmes mathématiques de haut niveau, mais la science fait face à un problème inédit

Le 1er août 2026, OpenAI a publié un rapport faisant état d'une avancée spectaculaire : une version interne d'Astra, sa prochaine grande famille de modèles de langage, aurait résolu dix problèmes mathématiques ouverts dans des domaines particulièrement ardus. Parmi eux figurent la géométrie en grande dimension, la théorie des codes, la complexité quantique, la cryptographie sur réseaux et la combinatoire extrémale — des sujets sur lesquels la communauté scientifique butait depuis au moins une décennie, parfois bien davantage. Concrètement, le modèle aurait entre autres établi l'existence de groupes dits non sofiques, réfuté la conjecture de rigidité de Connes, prouvé un théorème quantique de répétition parallèle et amélioré pour la première fois depuis 1978 une borne sur la densité d'empilement de sphères. L'ensemble de ces arguments, entièrement générés par l'IA selon OpenAI, a ensuite été formalisé dans le langage de vérification Lean, qui garantit l'exactitude logique des preuves de manière automatique. Le coût de calcul annoncé est d'environ 2 000 dollars par problème aux tarifs de l'API, ce qui tranche radicalement avec les années, parfois les décennies, qu'auraient nécessitées des équipes humaines. Noam Brown, chercheur chez OpenAI, parle d'un « pas majeur pour le raisonnement scientifique », tout en reconnaissant qu'aucun des sept Problèmes du Prix du Millénaire — dotés chacun d'un million de dollars — n'a pu être résolu. Du côté des mathématiciens, les réactions mêlent émerveillement et inquiétude. Timothy Gowers, médaillé Fields, a rapporté qu'un outil d'OpenAI avait résolu dès la première tentative deux problèmes sur lesquels il travaillait depuis longtemps. Le mathématicien Jay Cummings a confié l'étrangeté de voir une machine venir à bout d'un sujet auquel il avait consacré des années. Thomas Bloom, de l'université de Manchester, juge les résultats d'Astra plus significatifs encore que la récente réfutation de la conjecture de distance unitaire, tout en rejetant l'idée d'un remplacement pur et simple des chercheurs. La question de l'attribution de la paternité scientifique surgit également : OpenAI estime qu'attribuer ces preuves à des humains serait inexact, puisque les arguments mathématiques ont été produits de façon autonome par le modèle. Au-delà de la prouesse technique, une autre difficulté émerge, signalée notamment par le mathématicien Terence Tao : l'IA génère désormais un flux de résultats si abondant que la communauté scientifique peine à les vérifier et à les assimiler. Ce déséquilibre entre la vitesse de production et la capacité humaine d'évaluation constituerait un problème inédit pour la discipline. Jacob Tsimerman, futur lauréat de la médaille Fields 2026, a récemment quitté l'université de Toronto pour rejoindre OpenAI, signe du bouleversement en cours. Il estime que si la tendance se confirme, il faudra très prochainement « repenser le fonctionnement de toute la discipline ».